CN104252795B - 公交车到站时间预测方法 - Google Patents
公交车到站时间预测方法 Download PDFInfo
- Publication number
- CN104252795B CN104252795B CN201410490169.XA CN201410490169A CN104252795B CN 104252795 B CN104252795 B CN 104252795B CN 201410490169 A CN201410490169 A CN 201410490169A CN 104252795 B CN104252795 B CN 104252795B
- Authority
- CN
- China
- Prior art keywords
- bus
- point
- current
- public
- location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种公交车到站时间预测方法,包括构建步骤和预测步骤,构建步骤包括:通过公交站点将公交线路分为多个行车路段;设置多个位置点;根据所述公交线路的历史GPS数据,得出自基准点到各所述位置点的平均距离和平均行驶时间,并得出与各所述公交站点距离最近的位置点;预测步骤包括:确定各所述公交车的当前位置及与各所述当前位置距离最近的各第二位置,得出各所述公交车行驶到所述当前公交站点所需的行车距离和行车时间,并发送给无线终端。将各公交线路划出多个位置点,根据公交车的当前位置对应的位置点就能够预测到站时间,提高了预测效率;由于位置点的划分可以更加精细,从而预测时间可以动态变化,预测也更加精确。
Description
技术领域
本申请涉及一种公交车到站时间预测方法。
背景技术
车载GPS设备、手机都有GPS功能,它能依据卫星来定位当前设备在地球上的位置信息。给每台公交车安装上一个GPS设备,该GPS设备将自己的当前位置信息通过Internet上报给公交车位置服务器,公交车位置服务器即可以实时知道该公交车的当前位置。结合百度、Google或高德等地图上获取的线路信息,公交车位置服务器可以很方便的计算出公交车的当前位置、与某个站点的距离及估计到达所需的时间,并将该等信息提供给候车人的手机客户端软件,这样候车人就可以通过手机查询到所要等的公交线路最近的公交车在什么地方、还有多久抵达,从而不必着急赶路。
发明内容
本发明提供一种新的公交车到站时间预测方法。
本发明提供一种公交车到站时间预测方法,包括:
构建步骤:
构建一条公交线路,所述公交线路具有多个公交站点,所述公交线路被所述公交站点分为多个行车路段;
将所述公交线路划出多个顺序分布的位置点;
根据所述公交线路的历史GPS数据,得出自基准点到各所述位置点的平均距离和平均行驶时间,并得出与各所述公交站点距离最近的位置点;
预测步骤:
根据当前公交站点得到与其距离最近的位置点,所述位置点定义为第一位置点;该预测可以由无线终端发送的预测请求启动,接收该预测请求后,进行预测;
获取所述公交线路上各公交车的当前GPS数据,确定各所述公交车的当前位置及与各所述当前位置距离最近的各第二位置点;
根据所述第一位置点和各所述第二位置点,得出各所述公交车行驶到所述当前公交站点所需的行车距离和行车时间,并发送给所述无线终端。
公交车具有车载GPS设备,该车载GPS设备向公交计算服务器发送GPS数据,公交计算服务器可以进行上述预测步骤和构建步骤。构建步骤得到的数据库预先存储或加载到公交计算服务器。
公交线路可以具有m个公交站点,各公交站点可以将公交线路分为m-1个行车路段。
公交线路可以划出n个位置点,即在该公交线路上,每隔预定长度设置一个位置点。预定长度越小则计算精度越高,该预定长度可以根据GPS定位的精度确定,一般取10米。m、n都是自然数,n大于m,即相当于每个行车路段可以包含多个位置点。
公交线路具有两个端点A和B,自A到B的第一行车方向和自B到A的第二行车方向相反。基准点可以是端点A,也可以是端点B,或者是其它能够作为GPS数据计算基准的点。在第一行车方向,A点为起点站,B点为终点站。在第二行车方向,B点为起点站,A点为终点站。
在第一行车方向上,根据历史数据,可以得出自A点到各位置点的平均距离和平均行驶时间。在第二行车方向上,根据历史数据,可以得出自B点到各位置点的平均距离和平均行驶时间。
对于行车方向,可以根据GPS数据判断行车方向;也可以是车载GPS设备在发送GPS数据的同时也发送行车方向信息。
所述无线终端是手持式无线终端,如手机或平板电脑。无线终端也可以是具有无线功能的电子站牌。
所述预测步骤中,将对应第一位置点和各第二位置点的平均行驶时间和平均距离相减,即得到所述行车距离和行车时间。
所述构建步骤中,根据所述公交线路的历史GPS数据,还得出各所述位置点对应的所述行车路段。
一种公交车到站时间预测方法,包括:
构建步骤:
构建一条公交线路,所述公交线路具有行车方向相反的两条子线路,所述子线路均包括多个公交站点,所述公交线路被所述公交站点分为多个行车路段;
将所述公交线路划出多个顺序分布的位置点;
根据所述公交线路的历史GPS数据,得出自基准点到各所述位置点的平均距离和平均行驶时间,并得出与各公交站点距离最近的位置点;
预测步骤:
根据当前公交站点得到与其距离最近的第一位置点;该请求可以由无线终端启动;
连续获取所述公交线路上各公交车的当前GPS数据,确定各所述公交车的当前位置、行车方向及与各所述当前位置距离最近的各第二位置点;
根据所述行车方向、第一位置点和各所述第二位置点,得出各所述公交车行驶到所述当前公交站点所需要的行车距离和行车时间,并发送给所述无线终端。
公交线路具有两个端点A和B,自A到B形成具有第一行车方向的子线路,自B到A形成具有第二行车方向的另一子线路,由于各子线路公交站点设置不一致,所以,行车路段的划分也不一致。
连续多次获取各公交车的当前GPS数据后,即可以筛选出哪些公交车沿所需的行车方向行驶,筛选出的公交车的信息即可发送到无线终端。
对于公交线路,通常仅设置一组位置点,即两个子线路共用一组位置点。当然,也可以设置两组位置点,即两个子线路各设有一组位置点。
当设有两组位置点时,如自A到B的位置点的编号逐渐增大,而自B到A的位置点的编号逐渐增大。
各所述位置点顺次编号,所述预测步骤中,根据各当前GPS数据对应的各第二位置点的编号的增减关系判断所述行车方向。
假设在第一行车方向上,各位置点的编号依次增大,如编号为1、2、3…n。连续获取的第二位置点的编号如依次增大,则得出该公交车沿第一行车方向行驶;如编号依次减小,则得出该公交车沿第二行车方向行驶。
所述预测步骤中,根据各当前GPS数据对应的各第二位置点与所述基准点距离的增减关系判断所述行车方向。
假设基准点是A点。连续获取的第二位置点与基准点的距离依次增大,则得出该公交车沿第一行车方向行驶;如距离依次减小,则得出该公交车沿第二行车方向行驶。
本发明的有益效果是:将各公交线路划出多个位置点,根据公交车的当前位置对应的位置点就能够预测到站时间,提高了预测效率;由于位置点的划分可以更加精细,从而预测时间可以动态变化,预测也更加精确。
附图说明
图1是采用本实施方式公交车到站时间预测方法的预测系统的结构示意图;
图2是本实施方法的对公交子线路进行细分的示意图;
图3是本实施方式进行行车方向判断时的示意图;
图4是本实施方式进行行车距离和行车时间计算的示意图。
具体实施方式
如图1至图4所示,一种公交车到站时间预测方法包括构建步骤和预测步骤。构建步骤包括:构建一条公交线路,该公交线路具有m个公交站点,该公交线路被分为m-1个行车路段;在该公交线路设置出n个顺序分布的位置点;根据公交线路的海量历史GPS数据,得出自GPS计算基准点到各位置点的平均距离和平均行驶时间,并得出与各公交站点距离最近的位置点。预测步骤包括:得到与当前公交站点距离最近的第一位置点;获取公交线路上各公交车的当前GPS数据,确定各公交车的当前位置及与各当前位置距离最近的各第二位置点;根据第一位置点和各第二位置点,得出各公交车行驶到当前公交站点所需的行车距离和行车时间,并发送给无线终端。
公交车载有车载GPS设备。构建步骤和预测步骤可以由公交计算服务器进行。无线终端可以是无线手持终端,如手机。公交计算服务器可以将行车距离、时间等信息发送到web服务器,候车人利用手机访问web服务器时,即可得到所需要的到站信息。
公交车的当前位置由车载GPS装置上报,该装置可以通过http/tcpip等协议直接上报给公交计算服务器。公交线路信息可以直接通过百度等网站获取到,也可以通过乘车并记录GPS数据来确定。Web服务器采用通常的web技术(如tomcat,ngnix配合java,jsp实现)。手机通过浏览器或App访问web服务器的网页,输入公交线路与公交站点信息,获得距离当前公交站点最近的几辆公交车的行车距离与行车时间。
为了计算公交车当前的状态(与候车人当前公交站点的行车距离、时间),需要有公交站点信息,并有大量的比较及运算,因而对公交计算服务器的性能要求极高。以一个城市的公交车(假设有2万辆公交车)由同一公交计算服务器进行计算,如果车载GPS设备每10秒上报一个GPS数据,则该服务器每秒要进行2000次的地理信息计算,该地理信息计算包括:查询公交车所属的公交线路、确定公交车在该公交线路上的当前位置、确定公交车当前的行车方向、确定公交车处于哪两个站点之间、查询公交站点的名称、确定公交车与指定站点的行车距离和大致行车时间。
为了使计算量尽量少,关键在于对线路信息进行预处理,即上述构建步骤。从百度等网站,或雇人乘车,记录下的GPS数据及站点信息,从而获得原始的公交线路信息。
构建步骤如下:
首先,在公交线路上设置多个位置点,位置点可以设置足够密,如任意两个相邻位置点的距离等于10m,如图2所示,公交线路具有多个公交站点M1、M2、M3…,公交线路被划出多个位置点N1、N2、N3…;
接着,对每个位置点计算其自基准点的平均距离与平均时间(多趟公交车运行的历史GPS数据记录进行加权平均即可得到);该基准点可以是公交线路的两个端点,或者是能够进行GPS数据计算的其它基准点;
接着,对每个位置点计算其在哪两个公交站点之间(可以使用现有kdtree算法,对公交站点计算其与公交线路上哪个位置点最近即可得到),同时,距离各公交站点的最近位置点的信息也会被保存下来。计算完的数据放在数据库中,并在系统初始化时加载到公交计算服务器与Web服务器上。
GPS数据上报后,公交计算服务器可直接对GPS数据计算其与公交线路上哪个位置点最近,来确定GPS数据的位置信息,即确定公交车的当前位置。由于GPS数据测量及线路数据的精度可能不是十分准确,因而需要对一条公交线路的两个行车方向分别计算,并记录最近位置点历史信息,只有连续几次(一般取3次或更多次)索引信息在增加,才表示该公交车与该行车方向匹配。如图3所示,位置点n1、n2、n3的索引是递增的,因而该线路被匹配上。位置点N3、N2、N1的索引是递减的,因而该线路不会被匹配上。
当候车人向web服务器请求公交车到站信息时,Web服务器会依据当前公交站点的最近位置点、公交线路与行车方向向公交计算服务器查询距离最近的几台公交车。由于公交线路上的位置点带有距离与时间信息,相减就得到了所需的行车距离和行车时间。
如图4所示,假设公交车当前位置在GPS3(GPS3最近的位置点是n3),离station(当前公交站点,其最近的位置点是m2)的距离与时间,可以直接通过m2与n3两个位置点所具有的距离与时间属性相减得到。
假设一条公交线路,具有两个行车方向,总长20km,共有4K个点。一个城市400条线中,约1.6百万个点。
一个预测系统拥有这些资料:下一站,从起点站计算的距离,从起点站计算的平均时间花费:
即48个字节(64位OS)
线路信息的内存花费:48*1.6=76.8MB。
一条公交线路两个方向,约100个站点。一个城市大概400条公交线路,一个公交站点含有下面的信息:
约64字节。即2.5MB。
上述信息在系统初始化时加载到公交计算服务器与Web服务器中。
公交计算服务器获取到一个公交车的GPS数据,则计算其对应线路的两条子线路(两个方向)上的最近位置点,并保存每一辆公交车的历史计算结果(最近点索引)到map中。连续三次索引(或距离)增加的子线路被匹配为公交车正在行进的方向(行车方向)。如果不能确定行车方向(如公交车静止不动或索引不变)则不会将该公交车加入行车方向车辆列表中。
在这些计算中,通过kdtree计算最近位置点需要花费较多时间。一个城市2万辆车,每秒2000条数据,需4000次kdtree计算。一台普通服务器通常能进行4-5万次kdtree计算,因而能够支持一个城市的所有公交的计算。
当用户向web服务器请求公交信息时,Web服务器会依据当前公交站点的最近位置点、公交线路与行车方向向公交计算服务器查询(一条线路中的一个方向的车辆列表一般只有不到20台车,遍历计算距离即可)最近的几台公交车。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换。
Claims (5)
1.一种公交车到站时间预测方法,其特征在于,包括:
构建步骤:
构建一条公交线路,所述公交线路具有行车方向相反的两条子线路,所述子线路均包括多个公交站点,所述公交线路被所述公交站点分为多个行车路段;
将所述公交线路划出多个顺序分布的位置点;
根据所述公交线路的历史GPS数据,得出自基准点到各所述位置点的平均距离和平均行驶时间,并得出与各公交站点距离最近的位置点;
预测步骤:
根据当前公交站点得到与其距离最近的第一位置点;
连续获取所述公交线路上各公交车的当前GPS数据,确定各所述公交车的当前位置、行车方向及与各所述当前位置距离最近的各第二位置点;
根据所述行车方向、第一位置点和各所述第二位置点,得出各所述公交车行驶到所述当前公交站点所需要的行车距离和行车时间,并发送给无线终端。
2.如权利要求1所述的公交车到站时间预测方法,其特征在于,各所述位置点顺次编号,所述预测步骤中,根据各当前GPS数据对应的各第二位置点的编号的增减关系判断所述行车方向。
3.如权利要求1所述的公交车到站时间预测方法,其特征在于,所述预测步骤中,根据各当前GPS数据对应的各第二位置点与所述基准点距离的增减关系判断所述行车方向。
4.如权利要求1所述的公交车到站时间预测方法,其特征在于,所述预测步骤中,将对应第一位置点和各第二位置点的平均行驶时间和平均距离相减,即得到所述行车距离和行车时间。
5.如权利要求1所述的公交车到站时间预测方法,其特征在于,所述构建步骤中,根据所述公交线路的历史GPS数据,还得出各所述位置点对应的所述行车路段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410490169.XA CN104252795B (zh) | 2014-09-23 | 2014-09-23 | 公交车到站时间预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410490169.XA CN104252795B (zh) | 2014-09-23 | 2014-09-23 | 公交车到站时间预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104252795A CN104252795A (zh) | 2014-12-31 |
CN104252795B true CN104252795B (zh) | 2016-08-17 |
Family
ID=52187649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410490169.XA Active CN104252795B (zh) | 2014-09-23 | 2014-09-23 | 公交车到站时间预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104252795B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616527A (zh) * | 2015-02-04 | 2015-05-13 | 上海市政工程设计研究总院(集团)有限公司 | 公交到站信息自动发布系统及其信息发布方法 |
CN105303246A (zh) * | 2015-09-07 | 2016-02-03 | 天津市市政工程设计研究院 | 一种多线路公交到站时间预测方法 |
CN106274994B (zh) * | 2016-08-30 | 2018-11-13 | 湖南中车时代通信信号有限公司 | 一种列车全线到站时间预测方法和系统 |
CN107798865B (zh) * | 2016-09-07 | 2020-11-03 | 阿里巴巴(中国)有限公司 | 一种公交线路行驶时间预估方法及装置 |
CN106355931A (zh) * | 2016-10-11 | 2017-01-25 | 北京工业大学 | 一种公交时距数据的获取方法及服务器 |
CN106652534B (zh) * | 2016-12-14 | 2019-08-16 | 北京工业大学 | 一种预测公交车到站时间的方法 |
CN109493630A (zh) * | 2018-12-28 | 2019-03-19 | 厦门八十加电子科技有限公司 | 节点确定方法与相对距离确定方法、终端及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295414A (zh) * | 2013-05-31 | 2013-09-11 | 北京建筑工程学院 | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 |
CN103310651A (zh) * | 2013-05-24 | 2013-09-18 | 北京市交通信息中心 | 一种基于实时路况信息的公交到站预测方法 |
CN103885996A (zh) * | 2012-12-24 | 2014-06-25 | 北京掌城科技有限公司 | 实时公交到站信息的查询方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006215671A (ja) * | 2005-02-02 | 2006-08-17 | Hitachi Systems & Services Ltd | 路線バスの時刻表示システム |
KR101457711B1 (ko) * | 2006-06-08 | 2014-11-04 | 엘지전자 주식회사 | 대중 교통 정보를 제공하고 이를 이용하는 방법 및 장치 |
-
2014
- 2014-09-23 CN CN201410490169.XA patent/CN104252795B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885996A (zh) * | 2012-12-24 | 2014-06-25 | 北京掌城科技有限公司 | 实时公交到站信息的查询方法 |
CN103310651A (zh) * | 2013-05-24 | 2013-09-18 | 北京市交通信息中心 | 一种基于实时路况信息的公交到站预测方法 |
CN103295414A (zh) * | 2013-05-31 | 2013-09-11 | 北京建筑工程学院 | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 |
Non-Patent Citations (3)
Title |
---|
Hybrid dynamic prediction model of bus arrival time based on weighted of historical and real-time GPS Data;Jun Gong Et al.;《2013 25th Chinese Control and Decision Conference(CCDC)》;20130527;第972-976页 * |
基于GPS的公交车辆到站时间预测技术研究;罗虹;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20071215(第6期);正文第3-5章 * |
基于动态百分位行程时间的公交到站时间预测模型;陈国俊等;《公路交通科技》;20091231;第26卷(第s1期);第102-106页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104252795A (zh) | 2014-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104252795B (zh) | 公交车到站时间预测方法 | |
KR102162729B1 (ko) | 버스 노선 추천 방법, 장치, 기기 및 컴퓨터 저장 매체 | |
CN105589939B (zh) | 识别群体运动轨迹方法和装置 | |
US8532648B2 (en) | Generating an OD matrix | |
US8930123B2 (en) | Systems and methods for determining traffic intensity using information obtained through crowdsourcing | |
US9659492B2 (en) | Real-time vehicle spacing control | |
Poonawala et al. | Singapore in motion: Insights on public transport service level through farecard and mobile data analytics | |
Estrada et al. | Operational cost and user performance analysis of on-demand bus and taxi systems | |
US20140372022A1 (en) | Method of analyzing points of interest with probe data | |
CN104064028A (zh) | 基于多元信息数据的公交到站时间预测方法及系统 | |
CN108537352A (zh) | 一种数据处理方法、装置和服务器 | |
CN109949123A (zh) | 房源推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN111738484B (zh) | 一种公交站点选址的方法、装置及计算机可读存储介质 | |
CN103020097A (zh) | 公共交通换乘方案推荐方法及装置 | |
CN104374397A (zh) | 一种路线规划系统及其方法 | |
US20150012213A1 (en) | Method, system and computer-readable storage mediums for estimating a route | |
CN106940929B (zh) | 交通数据预测方法及装置 | |
Tsiaras et al. | parkitsmart: Minimization of cruising for parking | |
JP6803205B2 (ja) | 対象経路を含む移動位置範囲群に基づき通行量を推定する装置、プログラム及び方法 | |
Liu et al. | Mobility crowdsourcing: Toward zero-effort carpooling on individual smartphone | |
EP2753132A1 (en) | Large-scale human mobility pattern recognition | |
Luo et al. | A bimodal transit system for large cities: cost efficiency and environment friendliness | |
JP2014149717A (ja) | 情報処理装置、情報処理方法及びプログラム | |
Zhu et al. | Analyzing the impact of a planned transit-oriented development on mode share and traffic conditions | |
KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |