CN105096642A - 考虑gps数据延迟影响的实时公交到站时间预测方法 - Google Patents

Abstract

本发明属于城市智能公共交通信息处理技术领域，具体公开了一种考虑GPS数据延迟影响的实时公交到站时间预测方法，包括对实时接收到的GPS数据进行预处理、计算各辆车最新传回信息的时间与当前基准时间的时间差、对处于运营状态下的车辆位置进行修正、确定距离目标站点的最近车、预测最近车到达目标站点的时间五个步骤；本发明考虑了实时车辆定位数据延迟对寻找目标站点的最近车辆以及到站时间预测结果可靠性的影响，有利于减少信息偏差，提高实时公交信息服务水平。同时，由于利用了前车提供的行程时间信息，能够充分反映实时路况，可以进一步提高到站时间长时预测的精度和可靠性。

Description

考虑GPS数据延迟影响的实时公交到站时间预测方法

技术领域

本发明属于城市智能公共交通信息处理技术领域，具体涉及一种实时公交到站时间预测方法。

背景技术

随着公交电子站牌的广泛投入及应用，我国的公共交通服务水平得到了极大改善，通过向乘客提供实时的公交车到站信息，为乘客的出行带来了方便。和传统的公交站牌相比，乘客根据从电子站牌获取的车辆预计到站时间等信息，能够更加合理的安排出行。因此，发布实时可靠的公交车到站时间信息对提升公交信息服务水平非常重要。

现有主要的车辆定位技术包括信标定位技术、航迹推算技术、GPS定位技术等。信标定位技术的定位精度依赖于信号杆设置的疏密程度，灵活性低，基础设施建设投入大，因而应用范围有限，通常作为一种辅助定位手段。航迹推算技术具有较强的自主性，获取的定位信息受外界环境影响小，但定位误差会随行驶里程的增加而逐渐增加。由于GPS定位技术具有采集的信息连续性高、精度高、误差有界、成本低等优点，GPS定位数据是实现实时公交到站时间预测的基础。

利用公交GPS定位数据，公开号为CN103578267A的中国发明专利“一种基于公交GPS数据的公交到站预测方法及系统”按照设定的时间间隔获取拓扑关系中各线路公交车的站内时间、站间时间以及到下一站时间，考虑了GPS数据不能准确的提供公交车进出站时刻的情形，通过设定一个圆形区域确定了车辆的进出站时刻。公开号为CN101388143A的中国发明专利“基于浮动车数据的公交到站时间预测方法及系统”则根据实时GPS数据中的车辆位置及速度信息来推算公交车的行程时间和到站时间，在对线路进行分区的基础上，根据公交车的实际到站时间统计分区到前方各站的历史到站时间，进而使预测结果能够不断更新，提高预测的准确度。然而在这些实时公交到站时间预测方法中，都忽略了GPS数据延迟所带来的影响，导致发布信息的可靠性降低。

GPS定位技术能够准确全天候的获取公交车定位信息，但在高楼林立的城市中卫星信号容易受到建筑物等的遮挡，造成GPS定位信号出现缺失等问题，之后再通过GPRS对数据进行传输，在上传间隔一定的情况下，由于延迟的存在，数据的实际接收间隔往往具有不确定性。当接收的GPS数据延迟时，将对实时预测结果的可靠性产生影响，延迟时间长到一定程度后，则会导致预测的到站时间出现较大偏差，直接利用GPS数据提供的车辆信息无法满足实时应用的需求。

因此，需要对GPS数据延迟产生的影响加以考虑，建立一种具有较高精度和可靠性的实时公交到站时间预测方法。

发明内容

有鉴于此，本发明的目的在于提供一种考虑GPS数据延迟影响的实时公交到站时间预测方法，精度和可靠性更高。

公交GPS数据采集及传输过程中，信息延迟无法避免，由于难以从微观上建立精确地数学模型对信息延迟进行描述，因此，只有通过从宏观上分析信息的延迟特征，把握信息延迟规律，尽可能的减小信息延迟对实时公交到站时间预测效果的影响，从而提高到站时间预测的精度和可靠性，保证信息服务水平。

基于此，选取重庆市多条公交线路的GPS数据进行研究，测得各条线路GPS数据延迟时间序列D_GPS＝{d₁,d₂,...,d_n}(d>0)。由于测得延迟数据中存在少数终端故障引起的异常数据，需要进行剔除处理。在剔除终端故障引起的异常数据后，对两条线代表线路GPS数据延迟数据序列进行统计分析，得出95％左右的GPS数据延迟时间在一分钟以内，绝大多数GPS数据的延迟程度都不高，只有少数GPS数据的延迟会非常长，对公交到站时间预测效果会产生明显影响，前者将影响信息的时效性，后者将影响信息的稳定性，如车辆到站信息突然出现中断。从时间序列中分析得出影响信息时效性和稳定性最大的GPS数据延迟时间t_阈值。

在以上宏观分析GPS数据延迟规律的基础上，为达到精度和可靠性更高目的，本发明提供如下技术方案：

考虑GPS数据延迟影响的实时公交到站时间预测方法，包括以下步骤：

1)接收公交车GPS终端采集到的实时GPS数据，对数据中的异常数据进行剔除处理；

2)从静态车辆列表中读取待预测公交线路的车辆信息，根据接收到的实时GPS数据，确定各辆车最近更新的车辆位置、速度信息，计算信息更新时间与基准时间的时间差△t＝T_now-T_update；

3)对长时间没有更新位置信息的车辆进行判断，剔除处于非营运状态下的车辆信息，对处于各营运中的车辆位置信息进行修正，得到车辆当前实际所在位置；

4)根据修正后的车辆位置信息，比较车辆的里程信息大小，确定出距离目标站点最近的车辆；

5)预测最近车到达目标站点的时间：

当GPS数据延迟时间△t小于时，最近车到达目标站点的时间t通过下式计算：

$t=\underset{i=i+1}{\overset{n-1}{\Σ}}\hat{t}(i,i+1)+\frac{l}{\stackrel{\‾}{v}}-\mathrm{\Δ}t;$

其中，i为车辆下游最近站点编号，n为目标站点标号，为估计得到的待预测线路公交车在站点i和站点i+1之间的行程时间，l为直接根据车辆GPS数据信息得到的与下游最近站点的距离，v为该车辆的平均速度，△t为步骤2)中得到的由于GPS数据延迟产生的时间差。

当GPS数据延迟时间△t大于或等于时，最近车到达目标站点的时间t计算方式如下：

$t=\underset{i=i+1}{\overset{n-1}{\Σ}}\hat{t}(i,i+1)+\frac{l-\mathrm{\Δ}l}{\stackrel{\‾}{v}}$

其中，i为车辆下游最近站点编号，n为目标站点标号，为估计得到的待预测线路公交车在站点i和站点i+1之间的行程时间，l为直接根据车辆GPS数据信息得到的与下游最近站点的距离，v为该车辆的平均速度，△l为步骤3)中对车辆实际位置的修正量。

进一步，所述步骤1)中，异常数据包括重复数据和无效数据。

进一步，所述步骤2)中，采用GPS时间作为基准。

进一步，所述步骤3)，采用如下方法对处于各营运中的车辆位置信息进行修正：

L′＝L+△l＝L+△t*V_路段；

L′为修正后的车辆距离起点站的里程信息，L为直接从GPS数据中得到的车辆距离起点站的里程信息，V_路段为车辆当前所在路段的路段平均速度，利用通过该路段的前车信息计算得到：

其中，为前车i通过该路段的平均速度，k为一段时间内通过该路段的前车数。

本发明提供的技术方案实现简单，可靠性高，能够实现公交到站时间的实时预测。其特点在于考虑了实时车辆定位数据延迟对寻找目标站点的最近车辆以及到站时间预测结果可靠性的影响，有利于减少信息偏差，提高实时公交信息服务水平。同时，由于利用了前车提供的行程时间信息，能够充分反映实时路况，可以进一步提高到站时间长时预测的精度和可靠性。

附图说明

图1示出了考虑GPS数据延迟影响的实时公交到站时间预测方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将对本发明的具体实施方式作进一步的详细描述。

参见图1，本实施例的考虑GPS数据延迟影响的实时公交到站时间预测方法，包括对实时接收到的GPS数据进行预处理、计算各辆车最新传回信息的时间与当前基准时间的时间差、对处于运营状态下的车辆位置进行修正、确定距离目标站点的最近车、预测最近车到达目标站点的时间五个步骤。具体如下：

1)接收公交车GPS终端采集到的实时GPS数据，对数据中的异常数据进行剔除处理；所述异常数据包括重复数据和无效数据；

2)从静态车辆列表中读取待预测公交线路的车辆信息，根据接收到的实时GPS数据，确定各辆车最近更新的车辆位置、速度信息，计算信息更新时间与基准时间的时间差△t＝T_now-T_update；由于GPS定位数据中包含的时间信息为GPS时间，因此采用GPS时间作为基准。

3)判断△t是否大于t_阈值，如果△t>t_阈值，则该车辆为非运营中的车辆，剔除该处于非营运状态下的车辆信息；如果△t<t_阈值，则对车辆的位置信息进行修正，得到车辆当前实际所在位置，修正方式如下：

L′＝L+△l＝L+△t*V_路段；

L′为修正后的车辆距离起点站的里程信息，L为直接从GPS数据中得到的车辆距离起点站的里程信息，V_路段为车辆当前所在路段的路段平均速度，利用通过该路段的前车信息计算得到：

其中，为前车i通过该路段的平均速度，k为一段时间内通过该路段的前车数。

对长时间没有更新位置信息的车辆进行判断，剔除处于非营运状态下的车辆信息，对处于各营运中的车辆位置信息进行修正，得到车辆当前实际所在位置；

4)根据修正后的车辆位置信息，比较车辆的里程信息大小，确定出距离目标站点最近的车辆；修正后的车辆位置信息为考虑GPS数据延迟影响后估计得到的车辆实际位置，先找出位于目标站点之前的车辆，再找到其中里程值最大的车即为目标站点的最近车。

5)预测最近车到达目标站点的时间。

结合同一时段内各站点间的历史平均行程时间和具有相同行驶区间的前车行程时间信息估计出待预测线路公交车在对应站间路段的行程时间，由于连续通过同一路段的公交车在行程时间上具有较大的相关性，因此利用前车信息可以较好的得到待预测线路公交车的期望行程时间。公交车在连续两个站点之间的行程时间估计方法如下：

α₁+α₂＝1；

其中，t_历史(i,i+1)为对同时段下该路段一段时期的历史平均行程时间统计结果，为最近车之前的k辆车在该路段上的平均行程时间，α₁、α₂分别为两者的权重值。

车辆到达下游最近站点的行程时间则根据车辆当前的速度信息得到。

当GPS数据延迟时间△t小于时，最近车到达目标站点的时间t通过下式计算：

$t=\underset{i=i+1}{\overset{n-1}{\&Sigma;}}\hat{t}(i,i+1)+\frac{l}{\stackrel{\&OverBar;}{v}}-\mathrm{\&Delta;}t$

其中，i为车辆下游最近站点编号，n为目标站点标号，为估计得到的待预测线路公交车在站点i和站点i+1之间的行程时间，l为直接根据车辆GPS数据信息得到的与下游最近站点的距离，为该车辆的平均速度，△t为步骤2)中得到的由于GPS数据延迟产生的时间差。

直接根据车辆GPS数据信息得到的与下游最近站点的距离l通过如下方式计算得到：

l＝L_站-L；

其中L为直接从GPS数据中得到的车辆与起点站的距离信息，L_站为从静态站点信息表中获取的目标站点与待预测线路起点站的距离。

当GPS数据延迟时间△t大于或等于时，最近车到达目标站点的时间t计算方式如下：

$t=\underset{i=i+1}{\overset{n-1}{\&Sigma;}}\hat{t}(i,i+1)+\frac{l-\mathrm{\&Delta;}l}{\stackrel{\&OverBar;}{v}}$

其中，i为车辆下游最近站点编号，n为目标站点标号，为估计得到的待预测线路公交车在站点i和站点i+1之间的行程时间，l为直接根据车辆GPS数据信息得到的与下游最近站点的距离，v为该车辆的平均速度，△l为步骤3)中对车辆实际位置的修正量。

本发明在对实时公交到站时间进行预测时，考虑了公交GPS定位数据延迟带来的影响，减少了处于非营运状态下的车辆定位信息的干扰。结合GPS数据的延迟情况，对车辆的实际位置进行了修正，使得找到的待预测目标站点的最近车更加可靠。由于GPS数据延迟时间具有不确定性，通过对延迟时间长短加以区分，可以更好的预测出公交车到达目标站点的时间。因此本发明提供的技术方案实现简单，在保证精度的同时可以提高信息的可靠性，能够满足实际应用需求。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.考虑GPS数据延迟影响的实时公交到站时间预测方法，其特征在于：包括以下步骤：

1)接收公交车GPS终端采集到的实时GPS数据，对数据中的异常数据进行剔除处理；

2)从静态车辆列表中读取待预测公交线路的车辆信息，根据接收到的实时GPS数据，确定各辆车最近更新的车辆位置、速度信息，计算信息更新时间与基准时间的时间差△t＝T_now-T_update；

3)对长时间没有更新位置信息的车辆进行判断，剔除处于非营运状态下的车辆信息，对处于各营运中的车辆位置信息进行修正，得到车辆当前实际所在位置；

4)根据修正后的车辆位置信息，比较车辆的里程信息大小，确定出距离目标站点最近的车辆；

5)预测最近车到达目标站点的时间：

当GPS数据延迟时间△t小于时，最近车到达目标站点的时间t通过下式计算：

$t=\underset{i=i+1}{\overset{n-1}{\&Sigma;}}\hat{t}(i,i+1)+\frac{l}{\stackrel{\&OverBar;}{v}}-\mathrm{\&Delta;}t;$

其中，i为车辆下游最近站点编号，n为目标站点标号，为估计得到的待预测线路公交车在站点i和站点i+1之间的行程时间，l为直接根据车辆GPS数据信息得到的与下游最近站点的距离，为该车辆的平均速度，△t为步骤2)中得到的由于GPS数据延迟产生的时间差。

当GPS数据延迟时间△t大于或等于时，最近车到达目标站点的时间t计算方式如下：

$t=\underset{i=i+1}{\overset{n-1}{\&Sigma;}}\hat{t}(i,i+1)+\frac{l-\mathrm{\&Delta;}l}{\stackrel{\&OverBar;}{v}};$

其中，i为车辆下游最近站点编号，n为目标站点标号，为估计得到的待预测线路公交车在站点i和站点i+1之间的行程时间，l为直接根据车辆GPS数据信息得到的与下游最近站点的距离，为该车辆的平均速度，△l为步骤3)中对车辆实际位置的修正量。

2.如权利要求1所述的考虑GPS数据延迟影响的实时公交到站时间预测方法，其特征在于：所述步骤1)中，异常数据包括重复数据和无效数据。

3.如权利要求2所述的考虑GPS数据延迟影响的实时公交到站时间预测方法，其特征在于：所述步骤2)中，采用GPS时间作为基准。

4.如权利要求1-3中任一项所述的考虑GPS数据延迟影响的实时公交到站时间预测方法，其特征在于：所述步骤3)，采用如下方法对处于各营运中的车辆位置信息进行修正：

L′＝L+△l＝L+△t*V_路段；

L′为修正后的车辆距离起点站的里程信息，L为直接从GPS数据中得到的车辆距离起点站的里程信息，V_路段为车辆当前所在路段的路段平均速度，利用通过该路段的前车信息计算得到：

其中，为前车i通过该路段的平均速度，k为一段时间内通过该路段的前车数。