CN104680829A - 基于多用户协同的公交车辆到站时间预测系统及方法 - Google Patents
基于多用户协同的公交车辆到站时间预测系统及方法 Download PDFInfo
- Publication number
- CN104680829A CN104680829A CN201510030223.7A CN201510030223A CN104680829A CN 104680829 A CN104680829 A CN 104680829A CN 201510030223 A CN201510030223 A CN 201510030223A CN 104680829 A CN104680829 A CN 104680829A
- Authority
- CN
- China
- Prior art keywords
- section
- working node
- time
- user
- arrival time
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Abstract
本发明提供一种基于多用户协同的公交车辆到站时间预测系统及方法,系统包括多个智能移动设备和后台服务器;方法包括:多个用户通过智能移动设备实时定位其所在地理位置;后台服务器进行基于公交线路定位;后台服务器进行到站时间预测;后台服务器进行到站时间预测结果校正;到站时间预测结果实时显示在智能移动设备上,并将用户当前所在的公交线路上的相对位置实时显示给用户;用户到达目标车站时,对应的智能移动设备停止将其地理位置定位信息提交给后台服务器。本发明使用智能移动终端代替了专业设备降低了实现成本;通过多个用户协同的方式在公交车行驶过程中采集数据进行分析,实时动态预测公交到站时间,具有易于使用、保护用户隐私的特点。
Description
技术领域
本发明属于时间预测技术领域,具体涉及一种基于多用户协同的公交车辆到站时间预测系统及方法。
背景技术
随着世界飞速的发展,国内外对交通的需求量不断增大,而与之相对的是交通整体发展上的落后,这样的矛盾如今日益突出。各大、中城市中频频出现堵车、交通事故,甚至一些城市被称为“堵城”。对于此问题一个很好的解决方案便是加大对公共交通的建设,改善公共交通的服务水平,建立更加发达的公共交通网络,让更多的乘客愿意去乘坐公共交通出行,以此实现城市的可持续发展。在各种城市公共交通工具之中,公交汽车无疑是我国的主力军。其特点是机动性好、投资少、操纵轻便等。适用于不同层次的乘客。随着公交车对于城市发展的重要意义被认可,开发智能交通系统的想法也渐渐地被提了出来。
与此同时,信息技术发展突飞猛进。日渐普及的移动智能终端为智能公共交通网络的建设提供了优质载体,它具有便携、功能集中等特点,实现了许多专业设备具有的功能。
智能交通系统在美国被称为“先进的交通系统”,是在公交网络分配、公交调度等关键基础理论研究的前提下,利用系统工程理论和方法,将现代通信、信息、电子控制、计算机、网络、GPS和GIS等高新科技集成应用于公共交通系统,并通过建立公交智能化管理系统等方式实现公交调度、运营、管理的信息化和智能化,为出行者提供更加安全、舒适、便捷的公共交通服务。
目前,在一些发达国家,如英国伦敦,日本东京,在各个公交车站都有电子显示牌显示下一辆车的到达时间,不仅如此,乘客还可以通过因特网来查询公交车的到站时间,非常方便快捷。而在我国,公交系统仍旧相对落后,在大多数的城市,公交车多采用“定点发车,两头卡点”的方式,而且经常会出现“大间隔”的现象,非常影响公交客运的服务质量。根据美国曾针对乘客所关心的公交信息种类进行的问卷调查,公交车辆到站时间为出行者最为关心的信息之一。所以加快发展智能交通系统,提供给乘客更便捷的体验,是非常必要的。
目前现有对于公交到站时间预测方面的研究,主要是收集大量的历史数据进行分析,再选用静态的方法进行预测,不具备实时性和准确性,对突发状况的预计也不及时。
发明内容
针对现有技术存在的问题,本发明提供一种基于多用户协同的公交车辆到站时间预测系统及方法。
本发明的技术方案是:
基于多用户协同的公交车辆到站时间预测系统,包括多个智能移动设备和后台服务器;
智能移动设备用于实时定位用户所在地理位置,将用户所在地理位置定位数据、用户乘坐的公交线路及目标车站名称发送到后台服务器,并将后台服务器预测的到站时间预测结果实时显示给用户;
后台服务器用于存储各公交车站的地理位置,进行基于公交线路定位、到站时间预测和到站时间预测结果校正,并将到站时间预测结果发送至智能移动设备。
智能移动设备设置节点定位及到站时间预测结果显示单元,用于定位用户所在地理位置、将用户所在地理位置定位数据、用户乘坐的公交线路及目标车站名称发送到后台服务器,并将后台服务器预测的到站时间预测结果显示。
后台服务器设置基于公交线路的节点定位单元、到站时间预测单元和预测准确性校正单元;
基于公交线路的节点定位单元:确定该公交线路行驶线路以及该公交线路上的各个站点和各个拐点的地理位置数据并映射到高斯坐标平面,进而确定用户在公交线路上的相对位置;
到站时间预测单元:获取用户所在位置与目标车站之间的路段上所有临近站点间的所有工作节点提交的地理位置信息;根据当前时间和用户当前地理位置定位数据选取可供参考的工作节点确定各路段上车辆平均行进速度,进而得到各个路段间的车辆通行所用的平均时间并求和即到站时间预测结果;
预测准确性校正单元:对位于发生交通拥堵路段上的工作节点的到站时间预测结果进行准确性校正,更新到站时间预测结果;再次获取发生交通堵车路段上的工作节点的地理位置定位数据,若该路段不存在交通拥堵现象,则重新计算该路段车辆通行时间,更新到站时间预测结果。
采用所述的公交车辆到站时间预测系统进行公交车辆到站时间预测的方法,包括以下步骤:
步骤1、多个用户通过智能移动设备实时定位其所在地理位置,并将地理位置定位数据、乘坐的公交线路号以及目标车站的名称提交给后台服务器,将实时定位所在地理位置的智能移动设备作为工作节点;
步骤2、后台服务器进行基于公交线路定位;
步骤2.1、根据用户乘坐的公交线路确定该公交线路行驶线路以及该公交线路上的各个站点和各个拐点的地理位置数据;
步骤2.2、后台服务器处理各个站点以及各个拐点的地理位置数据,并将其映射到高斯坐标平面;
步骤2.3、后台服务器参照映射到高斯坐标平面的相邻拐点地理位置数据处理用户地理定位位置并确定用户在公交线路上的相对位置,将用户在公交线路上的相对位置作为到站时刻预测的依据;
步骤3、后台服务器进行到站时间预测;
步骤3.1、获取用户所在位置与目标车站之间的路段上所有临近站点间的所有工作节点提交的地理位置信息;
所述路段即存在工作节点且距离最近的两个站点间的线路;
步骤3.2、根据当前时间和用户当前地理位置定位数据选取可供参考的工作节点确定各路段上车辆平均行进速度;
选取可供参考的工作节点分为以下两种情况:
a、各路段上均只有一辆公交车即一组运行状态相同的工作节点:选取当前时刻位于用户所在路段的沿公交线路正方向前方到站的各路段上的工作节点,根据前方到站的各路段上的工作节点提交的地理位置定位数据计算各路段上车辆的平均行进速度;
所述运行状态相同的工作节点指工作节点间的直线距离不超过公交车的长度且在相同时刻瞬时速度的差值在一定范围之内;
所述公交线路正方向定义为从始发站到终点站,各路段的首站点至尾站点的线路均沿公交线路正方向定义;
以单个路段进行分析:一个路段只有一组工作节点,则随机选取其中一个工作节点采集在该路段的首尾站点的地理位置数据以及此工作节点的速度信息,通过将地理位置数据计算得到两个站点间的距离,这个距离除以此工作节点的速度即此单路段通行所需的时间。
b、某路段上有多辆公交车即多组运行状态相同的工作节点:选取地理位置定位数据最接近该路段首站点的那组工作节点,根据当前时刻位于该组工作节点所在路段的沿公交线路正方向前方到站的各路段上的工作节点提交的地理位置定位数据,计算各路段上车辆的平均行进速度;
步骤3.3、根据各路段上车辆的平均行进速度和各路段的首尾站点间的路程,计算得到各个路段的车辆通行所用的平均时间;
步骤3.4、当前时刻位于该组工作节点所在路段的沿公交线路正方向前方到站的各个路段的车辆通行所用平均时间求和,即到站时间预测结果;
步骤4、后台服务器进行到站时间预测结果校正;
步骤4.1:根据设定的该公交线路从起始站到终点站车辆行驶的总时间和起始站到终点站的总路程,得到设定的平均行驶速度;
步骤4.2、若计算出的某路段上车辆的平均行进速度小于设定的平均行驶速度的一半,则该路段缓行或者堵车,执行步骤4.3,否则,该路段不存在交通拥堵现象,得到当前到站时间预测结果,执行步骤5;或者每隔设定间隔时间2tmax,从各个路段上运行状态相同的工作节点中随机选取一个工作节点的地理位置定位数据,若其地理位置定位数据与前次获取的地理位置定位数据在同一区间内,则该工作节点所在路段的沿公交线路正方向前方到站的路段发生交通拥堵,执行步骤4.3;否则,该路段不存在交通拥堵现象,得到当前到站时间预测结果,执行步骤4.4;
所述区间为两个临近站点间的线路;
tmax表示当前公交车辆在不发生交通拥堵情况下通过各区间的车辆通行时间的最大值;
步骤4.3、选取位于发生交通拥堵路段的前方到站路段上且最临近该发生交通拥堵路段的一组未发生交通拥堵的工作节点,计算该组工作节点在发生交通堵车路段上的平均行进速度,进而计算该组工作节点在发生交通堵车路段上的车辆通行时间,用该车辆通行时间替换该路段的到站时间预测结果,执行步骤5;
步骤4.4、更新到站时间预测结果,即前次到站时间预测结果减去间隔时间2tmax;
步骤5、到站时间预测结果实时显示在智能移动设备上,并将用户当前所在的公交线路上的相对位置实时显示给用户;
步骤6:用户到达目标车站时,对应的智能移动设备停止将其地理位置定位信息提交给后台服务器。
本发明的优点:使用智能移动终端代替了专业设备,充分降低了实现成本;通过多用户协同的方式采集数据,不仅避免了收集大量历史数据的各种开销,也更能反映实时路况,提高预测精确度。将结果传送至智能移动终端,为出行者提供了方便。本发明通过多个智能移动终端用户协同的方式在公交车行驶过程中采集数据进行分析,实时动态地预测公交到站时间,具有成本低、易于使用、保护用户隐私等特点。
附图说明
图1为本发明具体实施方式的基于多用户协同的公交车辆到站时间预测系统框图;
图2为本发明具体实施方式的公交车辆到站时间预测方法流程图;
图3为本发明具体实施方式的后台服务器进行到站时间预测结果校正的流程图;
图4为本发明具体实施方式的公交线路简化图;
图5为本发明具体实施方式的公交线路映射后的高斯坐标平面图;
图6为本发明具体实施方式的某用户在公交线路的位置;
图7为本发明具体实施方式的各工作节点在公交线路的位置;
图8为本发明具体实施方式的路段发生交通拥堵的判定示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
基于多用户协同的公交车辆到站时间预测系统,如图1所示,包括多个智能移动设备和后台服务器;
智能移动设备用于实时定位用户所在地理位置,将用户所在地理位置定位数据、用户乘坐的公交线路及目标车站名称发送到后台服务器,并将后台服务器预测的到站时间预测结果实时显示给用户;
后台服务器用于存储各公交车站的地理位置,进行基于公交线路定位、到站时间预测和到站时间预测结果校正,并将到站时间预测结果发送至智能移动设备。
智能移动设备设置节点定位及到站时间预测结果显示单元,用于定位用户所在地理位置、将用户所在地理位置定位数据、用户乘坐的公交线路及目标车站名称发送到后台服务器,并将后台服务器预测的到站时间预测结果显示。
后台服务器设置基于公交线路的节点定位单元、到站时间预测单元和预测准确性校正单元;
基于公交线路的节点定位单元:确定该公交线路行驶线路以及该公交线路上的各个站点和各个拐点的地理位置数据并映射到高斯坐标平面,进而确定用户在公交线路上的相对位置;
拐点即公交线路中的转折点;
到站时间预测单元:获取用户所在位置与目标车站之间的路段上所有临近站点间的所有工作节点提交的地理位置信息;根据当前时间和用户当前地理位置定位数据选取可供参考的工作节点确定各路段上车辆平均行进速度,进而得到各个路段间的车辆通行所用的平均时间并求和即到站时间预测结果;
预测准确性校正单元:对位于发生交通拥堵路段上的工作节点的到站时间预测结果进行准确性校正,更新到站时间预测结果;再次获取发生交通堵车路段上的工作节点的地理位置定位数据,若该路段不存在交通拥堵现象,则重新计算该路段车辆通行时间,更新到站时间预测结果。
以某公交线路为例来说明公交车辆到站时间预测过程,该公交线路共6站,简化为如图4所示,其中,1~6表示该公交线路的6个站点,S1~S8表示8段路程,S1表示第1站到A拐点的距离,S2表示A拐点到第2站的距离,S1+S2表示第1站与第2站之间的距离,S3表示第2站与第3站之间的距离,S4表示第3站与B拐点之间的距离,S5表示B拐点与第4站之间的距离,S6表示第4站与第5站之间的距离,S7表示第5站与C拐点之间的距离,S8表示C拐点与第6站之间的距离。
采用所述的公交车辆到站时间预测系统进行公交车辆到站时间预测的方法,如图2所示,包括以下步骤:
步骤1、多个用户通过智能移动设备实时定位其所在地理位置,并将地理位置定位数据、乘坐的公交线路号以及目标车站的名称提交给后台服务器,将实时定位所在地理位置的智能移动设备作为工作节点;
用户通过移动智能设备,提交给后台服务器的信息,记GPS信息为{(lon,lat),v},其中(lon,lat)是用户当前的地理位置的经纬度坐标,v表示用户当前乘坐的公交车的瞬时速度,记lineNumber为用户乘坐的公交车线路号码,记destination为用户的目的站牌名称。初始化lineNumber、destination、GPS={(lon0,lat0),v1};
步骤2、后台服务器进行基于公交线路定位;
步骤2.1、根据用户乘坐的公交线路确定该公交线路行驶线路以及该公交线路上的各个站点和各个拐点的地理位置数据;
后台服务器根据用户提交的公交线路号码lineNumber确定该公交线路行驶线路,获取该公交线路拐点A、B、C,并获取这6个站点以及3个拐点的地理位置经纬度坐标,这些都可以从百度地图API中获得,第1站点的地理位置经纬度坐标为(lon1,lat1),A拐点的地理位置经纬度坐标为(lonA,latA),第2站点的地理位置经纬度坐标为((lon2,lat2),其他站点或拐点的地理位置经纬度坐标同理;
通过任意两个地理位置的经纬度坐标求得两点间的距离。以求S1为例,已知1(lon1,lat1)、2(lonA,latA),则
,S2、S3、S4、S5、S6、S7、S8同理可求。
步骤2.2、后台服务器处理各个站点以及各个拐点的地理位置数据,并将其映射到高斯坐标平面;
接下来处理每个站点以及拐点的地理位置数据,将其映射到高斯坐标平面:根据1、A、2、3、B、4、5、C、6的相对位置,以及S1、S2、S3、S4、S5、S6、S7、S8的大小,映射后可得如图5所示。
步骤2.3、后台服务器参照映射到高斯坐标平面的相邻拐点地理位置数据处理用户地理定位位置并确定用户在公交线路上的相对位置,将用户在公交线路上的相对位置作为到站时刻预测的依据;
确定用户相对于公交线路的位置,首先根据用户提交的GPS信息中提取地理位置经纬度信息(lon0,lat0),与用户乘坐的公交线路号的起始站,本实施方式中即第1站(lon1,lat2),用两个地理经纬度坐标求距离公式求得用户距起始站的距离dis,用如下函数确定用户在哪个区间中,根据函数值f(dis)即比例确定精确位置:
整理后得到的某工作节点在公交线路的位置如图6所示,该工作节点位于第1站点和A拐点之间的线路上。
获取当前时刻该用户所在地理位置与目的站点间除本用户之外所有工作节点的信息,并根据这些工作节点共享的GPS信息(地理位置)确定他们的当前位置,如图7所示,图中的黑色头像代表工作节点,工作节点包括a~g。
步骤3、后台服务器进行到站时间预测;
步骤3.1、获取用户所在位置与目标车站之间的路段上所有临近站点间的所有工作节点提交的地理位置信息;
所述路段即存在工作节点且距离最近的两个站点间的线路;
步骤3.2、根据当前时间和用户当前地理位置定位数据选取可供参考的工作节点确定各路段上车辆平均行进速度;
选取可供参考的工作节点分为以下两种情况:
a、各路段上均只有一辆公交车即一组运行状态相同的工作节点:选取当前时刻位于用户所在路段的沿公交线路正方向前方到站的各路段上的工作节点,根据前方到站的各路段上的工作节点提交的地理位置定位数据计算各路段上车辆的平均行进速度;
运行状态相同的工作节点指工作节点间的直线距离不超过公交车的长度且在相同时刻瞬时速度的差值在一定范围之内;
公交线路正方向定义为从始发站到终点站,各路段的首站点至尾站点的线路均沿公交线路正方向定义;
以单个路段进行分析:一个路段只有一组工作节点,则随机选取其中一个工作节点采集在该路段的首尾站点的地理位置数据以及此工作节点的速度信息,通过将地理位置数据计算得到两个站点间的距离,这个距离除以此工作节点的速度即此单路段通行所需的时间。
一组运行状态相同的工作节点的判断条件为:任意两个车辆间的距离小于L米(L=公交车长度*误差系数,误差系数与GPS信息精准度有关),且相同时刻瞬时速度的差值在一定范围之内,即:
其中,disi→j为两个工作节点间的距离,vi为工作节点i的速度,vj为工作节点j的速度,ε为合理的速度差值且是一个很小的数;
如图7所示,第3站与第4站之间有两个工作节点即c、d,在计算该区间的车辆通行时间时按照就近原则,以c工作节点的速度为标准,第5站与第6站之间有两个工作节点f、g,同理以f工作节点的速度为标准计算,从它们GPS信息中提取速度信息,分别为b工作节点的速度v2、c工作节点的速度v3、d工作节点的速度v4、e工作节点的速度v5、f工作节点的速度v6、g工作节点的速度v7。
记车辆到站时间为T,本实施方式中的计算公式为:
其中,S0表示当前工作节点a到拐点A之间的距离,Δt1表示当前工作节点沿行驶方向到最近的站点时间即a所在的位置到站点2的时间,Δt2表示站点2与站点3之间的行驶时间,Δt3站点3到站点4间的行驶时间,Δt4表示站点4与站点5之间的行驶时间,Δt5表示站点5与站点6之间的行驶时间;
b、某路段上有多辆公交车即多组运行状态相同的工作节点:选取地理位置定位数据最接近该路段首站点的那组工作节点,根据当前时刻位于该组工作节点所在路段的沿公交线路正方向前方到站的各路段上的工作节点提交的地理位置定位数据,计算各路段上车辆的平均行进速度;
步骤3.3、根据各路段上车辆的平均行进速度和各路段的首尾站点间的路程,计算得到各个路段的车辆通行所用的平均时间;
步骤3.4、当前时刻位于该组工作节点所在路段的沿公交线路正方向前方到站的各个路段的车辆通行所用平均时间求和,即到站时间预测结果;
步骤4、后台服务器进行到站时间预测结果校正,具体流程如图3所示;
步骤4.1:根据设定的该公交线路从起始站到终点站车辆行驶的总时间和起始站到终点站的总路程,得到设定的平均行驶速度;
步骤4.2、若计算出的某路段上车辆的平均行进速度小于设定的平均行驶速度的一半,则该路段缓行或者堵车,执行步骤4.3,否则,该路段不存在交通拥堵现象,得到当前到站时间预测结果,执行步骤5;或者每隔设定间隔时间2tmax,从各个路段上运行状态相同的工作节点中随机选取一个工作节点的地理位置定位数据,若其地理位置定位数据与前次获取的地理位置定位数据在同一区间内,则该工作节点所在路段的沿公交线路正方向前方到站的路段发生交通拥堵,执行步骤4.3;否则,该路段不存在交通拥堵现象,得到当前到站时间预测结果,执行步骤4.4;
所述区间为两个临近站点间的线路;
tmax表示当前公交车辆在不发生交通拥堵情况下通过各区间的车辆通行时间的最大值;
设当前公交线路的全程长度为Statal,且公交公司规定的由起始站到终点站公交车运行时间为Ttotal,从本用户携带的工作节点以及其他工作节点共享的GPS信息(地理位置定位数据)中提取速度v,若则认为此工作节点所在的路段堵车。
如图8所示,用户利用工作节点进行到站时间预测时路段发生交通拥堵的判定:当前时刻工作节点的GPS信息记为{(lonpre,latpre),vpre},隔2tmax时间后再次获取工作节点的GPS信息,记为{(lonlate,latlate),vlate},若满足以下条件则视为堵车,即:
d表示工作节点到最邻近站点的距离
dpre→late表示间隔2tmax时间,工作节点的两个地理位置之间的距离;
步骤4.3、选取位于发生交通拥堵路段的前方到站路段上且最临近该发生交通拥堵路段的一组未发生交通拥堵的工作节点,计算该组工作节点在发生交通堵车路段上的平均行进速度,进而计算该组工作节点在发生交通堵车路段上的车辆通行时间,用该车辆通行时间替换该路段的到站时间预测结果,执行步骤5;
步骤4.4、更新到站时间预测结果,即前次到站时间预测结果减去间隔时间2tmax;
步骤5、到站时间预测结果实时显示在智能移动设备上,并将用户当前所在的公交线路上的相对位置实时显示给用户;
步骤6:用户到达目标车站时,对应的智能移动设备停止将其地理位置定位信息提交给后台服务器。
Claims (5)
1.基于多用户协同的公交车辆到站时间预测系统,其特征在于,包括多个智能移动设备和后台服务器;
智能移动设备用于实时定位用户所在地理位置,将用户所在地理位置定位数据、用户乘坐的公交线路及目标车站名称发送到后台服务器,并将后台服务器预测的到站时间预测结果实时显示给用户;
后台服务器用于存储各公交车站的地理位置,进行基于公交线路定位、到站时间预测和到站时间预测结果校正,并将到站时间预测结果发送至智能移动设备。
2.根据权利要求1所述的基于多用户协同的公交车辆到站时间预测系统,其特征在于,智能移动设备设置节点定位及到站时间预测结果显示单元,用于定位用户所在地理位置、将用户所在地理位置定位数据、用户乘坐的公交线路及目标车站名称发送到后台服务器,并将后台服务器预测的到站时间预测结果显示。
3.根据权利要求1所述的基于多用户协同的公交车辆到站时间预测系统,其特征在于,后台服务器设置基于公交线路的节点定位单元、到站时间预测单元和预测准确性校正单元;
基于公交线路的节点定位单元:确定该公交线路行驶线路以及该公交线路上的各个站点和各个拐点的地理位置数据并映射到高斯坐标平面,进而确定用户在公交线路上的相对位置;
到站时间预测单元:获取用户所在位置与目标车站之间的路段上所有临近站点间的所有工作节点提交的地理位置信息;根据当前时间和用户当前地理位置定位数据选取可供参考的工作节点确定各路段上车辆平均行进速度,进而得到各个路段间的车辆通行所用的平均时间并求和即到站时间预测结果;
预测准确性校正单元:对位于发生交通拥堵路段上的工作节点的到站时间预测结果进行准确性校正,更新到站时间预测结果;再次获取发生交通堵车路段上的工作节点的地理位置定位数据,若该路段不存在交通拥堵现象,则重新计算该路段车辆通行时间,更新到站时间预测结果。
4.采用权利要求1所述的公交车辆到站时间预测系统进行公交车辆到站时间预测的方法,其特征在于,包括以下步骤:
步骤1、多个用户通过智能移动设备实时定位其所在地理位置,并将地理位置定位数据、乘坐的公交线路号以及目标车站的名称提交给后台服务器,将实时定位所在地理位置的智能移动设备作为工作节点;
步骤2、后台服务器进行基于公交线路定位;
步骤2.1、根据用户乘坐的公交线路确定该公交线路行驶线路以及该公交线路上的各个站点和各个拐点的地理位置数据;
步骤2.2、后台服务器处理各个站点以及各个拐点的地理位置数据,并将其映射到高斯坐标平面;
步骤2.3、后台服务器参照映射到高斯坐标平面的相邻拐点地理位置数据处理用户地理定位位置并确定用户在公交线路上的相对位置,将用户在公交线路上的相对位置作为到站时刻预测的依据;
步骤3、后台服务器进行到站时间预测;
步骤3.1、获取用户所在位置与目标车站之间的路段上所有临近站点间的所有工作节点提交的地理位置信息;
所述路段即存在工作节点且距离最近的两个站点间的线路;
步骤3.2、根据当前时间和用户当前地理位置定位数据选取可供参考的工作节点确定各路段上车辆平均行进速度;
步骤3.3、根据各路段上车辆的平均行进速度和各路段的首尾站点间的路程,计算得到各个路段的车辆通行所用的平均时间;
步骤3.4、当前时刻位于该组工作节点所在路段的沿公交线路正方向前方到站的各个路段的车辆通行所用平均时间求和,即到站时间预测结果;
步骤4、后台服务器进行到站时间预测结果校正;
步骤4.1:根据设定的该公交线路从起始站到终点站车辆行驶的总时间和起始站到终点站的总路程,得到设定的平均行驶速度;
步骤4.2、若计算出的某路段上车辆的平均行进速度小于设定的平均行驶速度的一半,则该路段缓行或者堵车,执行步骤4.3,否则,该路段不存在交通拥堵现象,得到当前到站时间预测结果,执行步骤5;或者每隔设定间隔时间2,从各个路段上运行状态相同的工作节点中随机选取一个工作节点的地理位置定位数据,若其地理位置定位数据与前次获取的地理位置定位数据在同一区间内,则该工作节点所在路段的沿公交线路正方向前方到站的路段发生交通拥堵,执行步骤4.3;否则,该路段不存在交通拥堵现象,得到当前到站时间预测结果,执行步骤4.4;
所述区间为两个临近站点间的线路;
t max 表示当前公交车辆在不发生交通拥堵情况下通过各区间的车辆通行时间的最大值;
步骤4.3、选取位于发生交通拥堵路段的前方到站路段上且最临近该发生交通拥堵路段的一组未发生交通拥堵的工作节点,计算该组工作节点在发生交通堵车路段上的平均行进速度,进而计算该组工作节点在发生交通堵车路段上的车辆通行时间,用该车辆通行时间替换该路段的到站时间预测结果,执行步骤5;
步骤4.4、更新到站时间预测结果,即前次到站时间预测结果减去间隔时间2 t max ;
步骤5、到站时间预测结果实时显示在智能移动设备上,并将用户当前所在的公交线路上的相对位置实时显示给用户;
步骤6:用户到达目标车站时,对应的智能移动设备停止将其地理位置定位信息提交给后台服务器。
5.根据权利要求4所述的公交车辆到站时间预测方法,其特征在于:所述选取可供参考的工作节点分为以下两种情况:
a、各路段上均只有一辆公交车即一组运行状态相同的工作节点:选取当前时刻位于用户所在路段的沿公交线路正方向前方到站的各路段上的工作节点,根据前方到站的各路段上的工作节点提交的地理位置定位数据计算各路段上车辆的平均行进速度;
所述运行状态相同的工作节点指工作节点间的直线距离不超过公交车的长度且在相同时刻瞬时速度的差值在一定范围之内;
所述公交线路正方向定义为从始发站到终点站,各路段的首站点至尾站点的线路均沿公交线路正方向定义;
以单个路段进行分析:一个路段只有一组工作节点,则随机选取其中一个工作节点采集在该路段的首尾站点的地理位置数据以及此工作节点的速度信息,通过将地理位置数据计算得到两个站点间的距离,这个距离除以此工作节点的速度即此单路段通行所需的时间;
b、某路段上有多辆公交车即多组运行状态相同的工作节点:选取地理位置定位数据最接近该路段首站点的那组工作节点,根据当前时刻位于该组工作节点所在路段的沿公交线路正方向前方到站的各路段上的工作节点提交的地理位置定位数据,计算各路段上车辆的平均行进速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510030223.7A CN104680829B (zh) | 2015-01-21 | 2015-01-21 | 基于多用户协同的公交车辆到站时间预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510030223.7A CN104680829B (zh) | 2015-01-21 | 2015-01-21 | 基于多用户协同的公交车辆到站时间预测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104680829A true CN104680829A (zh) | 2015-06-03 |
CN104680829B CN104680829B (zh) | 2017-01-18 |
Family
ID=53315809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510030223.7A Active CN104680829B (zh) | 2015-01-21 | 2015-01-21 | 基于多用户协同的公交车辆到站时间预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680829B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977474A (zh) * | 2017-12-28 | 2018-05-01 | 山东开创云软件有限公司 | 一种公共交通信息共享平台 |
CN109307516A (zh) * | 2017-07-27 | 2019-02-05 | 北京嘀嘀无限科技发展有限公司 | 一种用户位置的显示方法、显示系统、终端及计算机装置 |
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 |
CN109754631A (zh) * | 2017-11-01 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 车辆位置追踪的方法、装置、计算机设备及存储介质 |
CN109993959A (zh) * | 2017-12-29 | 2019-07-09 | 中国移动通信集团辽宁有限公司 | 实时定位班车的方法、装置、设备和计算机存储介质 |
CN110049105A (zh) * | 2019-03-21 | 2019-07-23 | 武汉格罗夫氢能汽车有限公司 | 一种氢能汽车主动式加氢系统 |
WO2022021474A1 (zh) * | 2020-07-31 | 2022-02-03 | 爱易成技术(天津)有限公司 | 行车时刻表的生成方法、装置及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002222495A (ja) * | 2001-01-29 | 2002-08-09 | Mitsubishi Heavy Ind Ltd | 移動体運行情報センター及び運行状況案内システム |
JP2004227207A (ja) * | 2003-01-22 | 2004-08-12 | Kyosan Electric Mfg Co Ltd | バス運行管理システム、バス運行管理端末、バス運行管理プログラム及びバス運行管理方法 |
CN1988688A (zh) * | 2006-12-14 | 2007-06-27 | 华为技术有限公司 | 一种公交车信息查询方法、装置及系统 |
CN101123515A (zh) * | 2006-08-09 | 2008-02-13 | 新世界(中国)科技传媒有限公司 | 一种数字公交系统的车辆到站时间预报方法 |
CN101212774A (zh) * | 2006-12-29 | 2008-07-02 | 朗迅科技公司 | 用个人手持电话系统获得公共运输工具位置的系统和方法 |
CN201927185U (zh) * | 2010-11-29 | 2011-08-10 | 上海华勤通讯技术有限公司 | 手机查询公交到站信息系统 |
CN103578267A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于公交gps数据的公交到站预测方法及系统 |
-
2015
- 2015-01-21 CN CN201510030223.7A patent/CN104680829B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002222495A (ja) * | 2001-01-29 | 2002-08-09 | Mitsubishi Heavy Ind Ltd | 移動体運行情報センター及び運行状況案内システム |
JP2004227207A (ja) * | 2003-01-22 | 2004-08-12 | Kyosan Electric Mfg Co Ltd | バス運行管理システム、バス運行管理端末、バス運行管理プログラム及びバス運行管理方法 |
CN101123515A (zh) * | 2006-08-09 | 2008-02-13 | 新世界(中国)科技传媒有限公司 | 一种数字公交系统的车辆到站时间预报方法 |
CN1988688A (zh) * | 2006-12-14 | 2007-06-27 | 华为技术有限公司 | 一种公交车信息查询方法、装置及系统 |
CN101212774A (zh) * | 2006-12-29 | 2008-07-02 | 朗迅科技公司 | 用个人手持电话系统获得公共运输工具位置的系统和方法 |
CN201927185U (zh) * | 2010-11-29 | 2011-08-10 | 上海华勤通讯技术有限公司 | 手机查询公交到站信息系统 |
CN103578267A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于公交gps数据的公交到站预测方法及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109307516A (zh) * | 2017-07-27 | 2019-02-05 | 北京嘀嘀无限科技发展有限公司 | 一种用户位置的显示方法、显示系统、终端及计算机装置 |
CN109754631A (zh) * | 2017-11-01 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 车辆位置追踪的方法、装置、计算机设备及存储介质 |
CN107977474A (zh) * | 2017-12-28 | 2018-05-01 | 山东开创云软件有限公司 | 一种公共交通信息共享平台 |
CN107977474B (zh) * | 2017-12-28 | 2020-08-14 | 山东开创云计算有限公司 | 一种公共交通信息共享平台 |
CN109993959A (zh) * | 2017-12-29 | 2019-07-09 | 中国移动通信集团辽宁有限公司 | 实时定位班车的方法、装置、设备和计算机存储介质 |
CN109993959B (zh) * | 2017-12-29 | 2021-08-03 | 中国移动通信集团辽宁有限公司 | 实时定位班车的方法、装置、设备和计算机存储介质 |
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 |
CN110049105A (zh) * | 2019-03-21 | 2019-07-23 | 武汉格罗夫氢能汽车有限公司 | 一种氢能汽车主动式加氢系统 |
CN110049105B (zh) * | 2019-03-21 | 2022-03-15 | 武汉格罗夫氢能汽车有限公司 | 一种氢能汽车主动式加氢系统 |
WO2022021474A1 (zh) * | 2020-07-31 | 2022-02-03 | 爱易成技术(天津)有限公司 | 行车时刻表的生成方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104680829B (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104680829A (zh) | 基于多用户协同的公交车辆到站时间预测系统及方法 | |
US10976170B2 (en) | Electric vehicle routing system | |
CN103578267B (zh) | 基于公交gps数据的公交到站预测方法及系统 | |
JP6094543B2 (ja) | 出発地・目的地抽出装置、出発地・目的地抽出方法 | |
CN105809962A (zh) | 一种基于手机数据的交通出行方式划分的方法 | |
CN109598372A (zh) | 基于绿色共享交通的出行方案规划方法和共享交通系统 | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
CN102243811B (zh) | 车辆导航系统及推荐路径检索方法 | |
CN105973244A (zh) | 获取地图信息的方法、导航方法及设备 | |
CN102346041B (zh) | 基于实时路况的路线规划方法及其服务设备 | |
CN103177561A (zh) | 公交实时路况的生成方法及系统 | |
CN107909187B (zh) | 一种快速匹配电子地图中公交站点与路段的方法 | |
CN101661668A (zh) | 一种公共交通电子导航方法 | |
CN102708698A (zh) | 基于车联网的车辆最优路径导航方法 | |
CN102346042B (zh) | 基于实时路况的路线规划方法及其服务设备 | |
CN105303854A (zh) | 一种出行路线数据的处理方法和装置 | |
CN107204124B (zh) | 公交车推荐方法和装置 | |
CN105096642B (zh) | 考虑gps数据延迟影响的实时公交到站时间预测方法 | |
EP3556601A1 (en) | Vehicle routing | |
CN109740811A (zh) | 通行速度预测方法、装置和存储介质 | |
CN104089622A (zh) | 一种基于移动终端的导航方法 | |
CN104916154A (zh) | 一种兼容北斗cors公交精准定位系统及其工作方法 | |
CN104599499B (zh) | 一种分布式统计交通位置的方法及装置 | |
CN103020097A (zh) | 公共交通换乘方案推荐方法及装置 | |
CN105021185A (zh) | 导航方法及系统 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180509 Address after: 266061 Haier Road, Laoshan District, Qingdao, Qingdao, Shandong Province, No. 182 Patentee after: The Qingdao flourishing age Ao Hai cultural industry limited company Address before: 110819 No. 3 lane, Heping Road, Heping District, Shenyang, Liaoning 11 Patentee before: Northeastern University |
|
TR01 | Transfer of patent right |