CN105096643A - 基于多线路前车运行数据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，具体公开了一种基于多线路前车运行数据的实时公交到站时间预测方法，包括将待预测公交线路划分为多个行驶路段、建立路段与公交线路的对应关系、计算车辆在不同路段上的行程时间、估计待预测车辆在不同路段上的行程时间、预测公交车到达下游站点的时间五个步骤。本发明对目标车辆在下游各站点的到站时间进行预测时，将待预测线路以交叉口为节点划分为多个运行路段，充分利用前一时间段内经过相应路段的所有公交车辆的GPS数据，估计出待预测车辆在不同路段上的期望行程时间，最终建立实时的公交到站时间预测模型，确定待预测车辆到达下游各个站点的时间。

Description

基于多线路前车运行数据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

发展城市公共交通是缓解城市交通拥堵、改善人居环境最有效的手段之一。通过向乘客提供实时的公交到站信息，可以满足乘客个性化的出行需求，减少乘客不必要的等车时间，使乘客更加合理的安排出行，从而提升公交出行的吸引力。由于城市道路交通环境具有复杂多变的特征，因此如何提高公交到站时间预测结果的实时性和准确性一直以来都是一个难点。

目前已有的公交到站时间预测方法主要以公交GPS数据作为数据来源，利用历史数据训练得到预测模型，再结合实时车辆运行信息对结果进行修正。公开号为CN104217605A的中国发明专利“一种公交车到站时间测算方法和装置”中，将公交车的运行过程划分为多个部分，针对不同的部分训练出不同的人工神经网络模型，由于需要对大量的历史数据进行训练才能达到一定的精度要求，因此难以保证预测结果的实时性。

根据公交车的GPS数据，可以获取车辆在不同站点之间的行程时间，判断对应路段的路况。现有方法多侧重于单条公交线路的信息，由于公交车的发车存在间隔，并且发车间隔不一，同时受到公交运力等多种因素的限制，可能出现两个站点之间在相对长的一段时间内没有该线路公交车经过的情形，城市道路交通环境的干扰较多，因此，单条公交线路GPS数据所提供的信息有限，不足以反映出道路的实时交通状况，进而影响了公交到站时间的预测精度。

对于某线路相邻两个站点间的路段，往往会有其他线路的公交车经过，彼此之间具有较强的参考作用。公开号为CN103828868A的中国专利“一种基于多公交线路运行数据融合的城市公交到站时间预测方法”中利用了通过相邻两个站点的所有公交线路的运行数据；论文“基于前车数据的动态公交车辆到站时间预测模型研究”在计算待预测车辆相邻两个站点间的行程时间时，考虑了距离当前时刻最近一次通过该相邻两个站点的车辆(前车)的运行数据。上述专利和论文中，都利用了多条线路数据融合来进行预测，一定程度上提高了预测精度，但均只考虑了与待预测线路相邻两个站点完全重合的线路运行数据，忽略了部分重合的线路运行数据对待预测线路的参考作用。然而，在城市路网环境中，信号交叉口将相邻两个站点划分为多个路段，信号交叉口不仅上下游路况存在差异，车辆直行、左转、右转对应的下游路段路况也不尽相同。相邻两个站点所对应路段的不同部分的路况差异性也将影响最终公交到站时间预测的精度。因此，与待预测线路相邻两个站点部分重合的线路的运行数据也具有一定参考作用。

因此，需要综合考虑与待预测线路相邻两个站点完全重合和部分重合的多线路前车运行数据，建立一种既能满足实时性应用需求又具有较高精度的公交到站时间预测方法，从而提高到站信息的可靠性。

发明内容

有鉴于此，本发明的目的在于提供一种基于多线路前车运行数据的实时公交到站时间预测方法，既能满足实时性应用需求又具有较高精度。

为达到上述目的，本发明提供如下技术方案：

基于多线路前车运行数据的实时公交到站时间预测方法，包括以下步骤：

1)根据公交车的行驶方向和交叉口，将公交线路划分为子路段；

2)获取所有经过子路段l_i,j的公交线路信息，建立子路段与公交线路的对应关系；

3)根据实时的公交GPS数据，计算集合Line_i,j中的公交线路的车辆通过子路段l_i,j的行程时间t_i,j,k；

4)利用前车运行数据估计待预测线路公交车在子路段l_i,j上的行程时间；

5)预测公交车到站时间。

进一步，所述步骤1)中，对于相邻两个停靠站点之间包含道路交叉口的路段L_i，以交叉口s_i,j为分割节点，将其进一步划分为更短的子路段l_i,j，所述子路段l_i,j包括停靠站点到交叉口之间的路段、相邻两个交叉口之间的路段以及交叉口到停靠站点之间的路段；对于不含交叉口的路段L_i，则其子路段为路段L_i自身。

进一步，所述步骤2)中，令包括待预测公交线路在内经过子路段l_i,j的公交线路共有n(n≥1)条，则每个子路段对应一个公交线路集合Line_i,j。

进一步，所述步骤3)中，

令路段L_i上的路段分割点构成集合S_i＝{s_i,j|j＝1,2…}；

对于站点i到交叉口s_i,1之间的子路段，记录车辆k到达站点i的时刻T_arrive,i以及交叉口s_i,1的时刻T_i,1，则车辆k在子路段l_i,1的行程时间t_i,1,k＝T_i,1-T_arrive,i；

对于交叉口s_i,j(j≥1)与交叉口s_i,j+1之间的子路段，分别记录车辆到达两个交叉口的时刻T_i,j(j≥1)以及T_i,j+1，车辆在路段l_i,j+1上的行程时间t_i,j+1,k＝T_i,j+1-T_i,j(j≥1)；

对于交叉口s_i,j(j≥1)与站点i+1之间的子路段，则分别记录车辆到达交叉口s_i,j(j≥1)以及站点i+1的时刻T_i,j(j≥1)和T_arrive,i+1，车辆在路段l_i,j+1的行程时间t_i,j+1,k＝T_arrive,i+1-T_i,j(j≥1)；

在子路段为路段L_i自身的情况下，分别记录车辆k到达站点i和站点i+1的时刻T_arrive,i、T_arrive,i+1，计算得到车辆k在路段L_i上的行程时间t_i,1,k＝T_arrive,i+1-T_arrive,i。

进一步，所述步骤4)中，选取最近一个时间段内公交车在子路段l_i,j上的行程时间信息，令该段时间内包括本线路车辆在内共有m辆公交车经过子路段l_i,j，按照车辆经过的先后顺序形成集合{t_i,j,1,t_i,j,2,…,t_i,j,m}，则待预测线路公交车在子路段l_i,j上的期望行程时间可以通过下式计算得到：

${\hat{t}}_{i,j,k}=\frac{2}{m(m+1)}\underset{r=1}{\overset{m}{\Σ}}{\mathrm{rt}}_{i,j,r}.$

进一步，根据实时的公交车GPS数据判断公交车目前所处的位置，令当前时刻为T_now，公交车到达下游站点的时刻为：

$\hat{T}(i+n)=T_{now}+\underset{n=1}{\overset{N}{\Σ}}\hat{t}(i+n-1,i+n);$

其中，为预测的公交车到达站点i+n的时间，i为公交车当前所在站点编号，N为下游待预测站点数，N≥1，为待预测公交车在相邻两个站点i+n-1与i+n之间的期望行程时间；

当n＝1时，的计算方式如下：

$\hat{t}(i,i+1)={\hat{t}}_{i,j,k}\×\frac{d_{i,j}-d_{now}}{d_{i,j}}+\mathrm{\Σ}{\hat{t}}_{i,j+r,k},r=1,2,...;$

其中，为公交车在路段L_i的子路段l_i,j上的期望行程时间，d_i,j为子路段l_i,j的长度，d_now为根据实时公交GPS数据计算得到的公交车当前所在位置与子路段l_i,j起点的距离，0≤d≤d_i,j，j为车辆所在子路段序号，j+r为后续子路段序号。

当n≥2时，即下游待预测站点数N≥2，的计算方式如下：

$\hat{t}(i+n-1,i+n)=\mathrm{\Σ}{\hat{t}}_{i+n-1,j,k},j=1,2,...;$

其中，为公交车在路段L_i+n-1的子路段l_i+n-1,j上的期望行程时间，j为子路段序号。

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。其特点在于考虑了不同运行区段具有不同的道路交通环境特征，对公交线路路段进行了更加精细化的划分，有利于提高预测精度。同时，考虑相继通过同一路段的公交车在行程时间上存在较强的相关性，前车运行数据可以充分反映实时路况，在多条公交线路前车运行数据的基础上预测实时公交到站时间，具有较高的实时性和准确性。

附图说明

图1示出了基于多线路前车运行数据的实时公交到站时间预测方法的流程示意图；

图2示出了子路段划分的示意图。

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，本实施例的基于多线路前车运行数据的实时公交到站时间预测方法，包括将待预测公交线路划分为多个行驶路段、建立路段与公交线路的对应关系、计算车辆在不同路段上的行程时间、估计待预测车辆在不同路段上的行程时间、预测公交车到达下游站点的时间五个步骤。具体如下：

1)根据公交车的行驶方向和交叉口，将公交线路划分为不同的子路段。公交车具有定线行驶定点停车的特点，对待预测公交线路路段的划分如图2所示。

首先按照线路停靠站点位置对线路进行划分，站点1和站点2之间的路段划分为路段L₁，站点2和站点3之间的路段划分为L₂，以此类推。由于道路交叉口对道路交通运行环境有重要影响，因此针对相邻两个停靠站点之间包含道路交叉口的路段L_i，以交叉口s_i,j为分割节点，将其进一步划分为更短的子路段l_i,j，包括停靠站点到交叉口之间的路段、相邻两个交叉口之间的路段以及交叉口到停靠站点之间的路段，分别作为路段L_i的组成部分，如图2中路段L₁由子路段l_1,1,l_1,2,l_1,3…组成。对于不含交叉口的路段L_i，则其子路段的数量为1，并且子路段l_i,1为路段L_i自身。

2)获取所有经过子路段l_i,j的公交线路信息，建立子路段与公交线路的对应关系。经过子路段l_i,j的其他公交线路与待预测公交线路具有并线行驶的关系，假设包括待预测公交线路在内共有n(n≥1)条线路的公交车经过该子路段，则可以得到每个子路段对应的一个公交线路集合Line_i,j。

3)根据实时的公交GPS数据，计算集合Line_i,j中的公交线路的车辆通过子路段l_i,j的行程时间t_i,j,k。令路段L_i上的路段分割点构成集合S_i＝{s_i,j|j＝1,2…}，对于站点i到交叉口s_i,1之间的子路段，记录车辆k到达站点i的时刻T_arrive,i以及交叉口s_i,1的时刻T_i,1，则车辆k在子路段l_i,1的行程时间t_i,1,k＝T_i,1-T_arrive,i；对于交叉口s_i,j(j≥1)与交叉口s_i,j+1之间的子路段，分别记录车辆到达两个交叉口的时刻T_i,j(j≥1)以及T_i,j+1，车辆在路段l_i,j+1上的行程时间t_i,j+1,k＝T_i,j+1-T_i,j(j≥1)；对于交叉口s_i,j(j≥1)与站点i+1之间的子路段，则分别记录车辆到达交叉口s_i,j(j≥1)以及站点i+1的时刻T_i,j(j≥1)和T_arrive,i+1，车辆在路段l_i,j+1的行程时间t_i,j+1,k＝T_arrive,i+1-T_i,j(j≥1)。在子路段为路段L_i自身的情况下，分别记录车辆k到达站点i和站点i+1的时刻T_arrive,i、T_arrive,i+1，计算得到车辆k在路段L_i上的行程时间t_i,1,k＝T_arrive,i+1-T_arrive,i。

由于在实际应用中，公交GPS数据类型包括进出站数据和站间数据两类，并且数据的采集间隔在10s左右，根据进站数据可以直接得到公交车到达站点i的时刻T_arrive,i，而公交车到达道路交叉口的时刻T_i,j无法直接获取，当数据采集时刻车辆刚好位于分割点处时，T_i,j即为数据的采集时刻，当不在分割点处时，根据在线路分割点前后两条GPS数据计算T_i,j如下：

T_i,j＝T_i,j(1)+(T_i,j(2)-T_i,j(1))×0.5

其中，T_i,j(1)、T_i,j(2)分别为车辆在分割点前后连续采集两条GPS数据的时刻。

4)利用前车运行数据估计待预测线路公交车在子路段l_i,j上的行程时间。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，时间与当前越接近的前车运行数据越能反映实时的道路交通状况，并且公交车具有相同的行驶特性，利用包括待预测线路在内的多条线路的前车运行数据，可以得出待预测线路公交车的期望行程时间。

选取最近一段时间内公交车在子路段l_i,j上的行程时间信息，令该段时间内包括本线路车辆在内共有m辆公交车经过子路段l_i,j，按照车辆经过的先后顺序形成集合{t_i,j,1,t_i,j,2,…,t_i,j,m}，则待预测线路公交车在子路段l_i,j上的期望行程时间可以通过下式计算得到：

${\hat{t}}_{i,j,k}=\frac{2}{m(m+1)}\underset{r=1}{\overset{m}{\Σ}}{\mathrm{rt}}_{i,j,r}.$

5)预测公交车到站时间。根据实时的公交车GPS数据判断公交车目前所处的位置，令当前时刻为T_now，公交车到达下游站点的时刻为：

$\hat{T}(i+n)=T_{now}+\underset{n=1}{\overset{N}{\Σ}}\hat{t}(i+n-1,i+n);$

其中，为预测的公交车到达站点i+n的时间，i为公交车当前所在站点编号，N为下游待预测站点数，N≥1，为待预测公交车在相邻两个站点i+n-1与i+n之间的期望行程时间。

当n＝1时，的计算方式如下：

$\hat{t}(i,i+1)={\hat{t}}_{i,j,k}\×\frac{d_{i,j}-d_{now}}{d_{i,j}}+\mathrm{\Σ}{\hat{t}}_{i,j+r,k},r=1,2,...;$

其中，为公交车在路段L_i的子路段l_i,j上的期望行程时间，d_i,j为子路段l_i,j的长度，d_now为根据实时公交GPS数据计算得到的公交车当前所在位置与子路段l_i,j起点的距离，0≤d≤d_i,j，j为车辆所在子路段序号，j+r为后续子路段序号。

当n≥2时(下游待预测站点数N≥2)，的计算方式如下：

$\hat{t}(i+n-1,i+n)=\mathrm{\Σ}{\hat{t}}_{i+n-1,j,k},j=1,2,...;$

其中，为公交车在路段L_i+n-1的子路段l_i+n-1,j上的期望行程时间，j为子路段序号。

本发明在对实时公交到站时间进行预测时，通过计算多条线路公交车通过待预测线路路段的行程时间，实现对待预测车辆在不同路段上的行程时间进行估计，进而预测出公交车到达下游各站点的时间。由于建立了路段与公交线路之间的对应关系，可以充分利用各线路的GPS数据信息，从而更好的把握了道路交通环境的变化情况。因此本发明提供的技术方案具有较高的实时性和可靠性，预测精度高并且实现简单，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 (6)

1.基于多线路前车运行数据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)根据公交车的行驶方向和交叉口，将公交线路划分为子路段；

2)获取所有经过子路段l_i,j的公交线路信息，建立子路段与公交线路的对应关系；

3)根据实时的公交GPS数据，计算集合Line_i,j中的公交线路的车辆通过子路段l_i,j的行程时间t_i,j,k；

4)利用前车运行数据估计待预测线路公交车在子路段l_i,j上的行程时间；

5)预测公交车到站时间。

2.如权利要求1所述的基于多线路前车运行数据的实时公交到站时间预测方法，其特征在于：所述步骤1)中，对于相邻两个停靠站点之间包含道路交叉口的路段L_i，以交叉口s_i,j为分割节点，将其进一步划分为更短的子路段l_i,j，所述子路段l_i,j包括停靠站点到交叉口之间的路段、相邻两个交叉口之间的路段以及交叉口到停靠站点之间的路段；对于不含交叉口的路段L_i，则其子路段为路段L_i自身。

3.如权利要求2所述的基于多线路前车运行数据的实时公交到站时间预测方法，其特征在于：所述步骤2)中，令包括待预测公交线路在内经过子路段l_i,j的公交线路共有n(n≥1)条，则每个子路段对应一个公交线路集合Line_i,j。

4.如权利要求3所述的基于多线路前车运行数据的实时公交到站时间预测方法，其特征在于：所述步骤3)中，

令路段L_i上的路段分割点构成集合S_i＝{s_i,j|j＝1,2…}；

对于站点i到交叉口s_i,1之间的子路段，记录车辆k到达站点i的时刻T_arrive,i以及交叉口s_i,1的时刻T_i,1，则车辆k在子路段l_i,1的行程时间t_i,1,k＝T_i,1-T_arrive,i；

对于交叉口s_i,j(j≥1)与交叉口s_i,j+1之间的子路段，分别记录车辆到达两个交叉口的时刻T_i,j(j≥1)以及T_i,j+1，车辆在路段l_i,j+1上的行程时间t_i,j+1,k＝T_i,j+1-T_i,j(j≥1)；

对于交叉口s_i,j(j≥1)与站点i+1之间的子路段，则分别记录车辆到达交叉口s_i,j(j≥1)以及站点i+1的时刻T_i,j(j≥1)和T_arrive,i+1，车辆在路段l_i,j+1的行程时间t_i,j+1,k＝T_arrive,i+1-T_i,j(j≥1)；

在子路段为路段L_i自身的情况下，分别记录车辆k到达站点i和站点i+1的时刻T_arrive,i、T_arrive,i+1，计算得到车辆k在路段L_i上的行程时间t_i,1,k＝T_arrive,i+1-T_arrive,i。

5.如权利要求4所述的基于多线路前车运行数据的实时公交到站时间预测方法，其特征在于：所述步骤4)中，选取最近一个时间段内公交车在子路段l_i,j上的行程时间信息，令该段时间内包括本线路车辆在内共有m辆公交车经过子路段l_i,j，按照车辆经过的先后顺序形成集合{t_i,j,1,t_i,j,2,…,t_i,j,m}，则待预测线路公交车在子路段l_i,j上的期望行程时间可以通过下式计算得到：

${\hat{t}}_{i,j,k}=\frac{2}{m(m+1)}\underset{r=1}{\overset{m}{\Σ}}{\mathrm{rt}}_{i,j,r}.$

6.如权利要求5所述的基于多线路前车运行数据的实时公交到站时间预测方法，其特征在于：所述步骤5)具体包括如下步骤：

根据实时的公交车GPS数据判断公交车目前所处的位置，令当前时刻为T_now，公交车到达下游站点的时刻为：

$\hat{T}(i+n)=T_{now}+\underset{n=1}{\overset{N}{\Σ}}\hat{t}(i+n-1,i+n);$

其中，为预测的公交车到达站点i+n的时间，i为公交车当前所在站点编号，N为下游待预测站点数，N≥1，为待预测公交车在相邻两个站点i+n-1与i+n之间的期望行程时间；

当n＝1时，的计算方式如下：

$\hat{t}(i,i+1)={\hat{t}}_{i,j,k}\×\frac{d_{i,j}-d_{now}}{d_{i,j}}+\mathrm{\Σ}{\hat{t}}_{i,j+r,k},r=1,2,...;$

其中，为公交车在路段L_i的子路段l_i,j上的期望行程时间，d_i,j为子路段l_i,j的长度，d_now为根据实时公交GPS数据计算得到的公交车当前所在位置与子路段l_i,j起点的距离，0≤d≤d_i,j，j为车辆所在子路段序号，j+r为后续子路段序号。

当n≥2时，即下游待预测站点数N≥2，的计算方式如下：

$\hat{t}(i+n-1,i+n)=\mathrm{\Σ}{\hat{t}}_{i+n-1,j,k},j=1,2,...;$

其中，为公交车在路段L_i+n-1的子路段l_i+n-1,j上的期望行程时间，j为子路段序号。