CN105913655A - 一种基于模糊算法的电动公交乘坐适宜度计算方法 - Google Patents

Abstract

本发明公开了一种基于模糊算法的电动公交车乘坐适宜度计算方法，该方法通过计算电动公交车拥挤度参数α、效率参数β，并加以模糊运算的方式得出电动公交车乘坐适宜度δ。本发明能让乘客提前了解车内情况，极大地方便了乘客出行。

Description

一种基于模糊算法的电动公交乘坐适宜度计算方法

技术领域

本发明属于公交系统管理和电子信息技术技术领域，尤其涉及一种电动公交车内乘坐适宜程度的检测方法。

背景技术

对于国内的交通系统，国家公交优先政策的颁布足以说明公交在缓解城市交通拥堵方面具有举足轻重的作用。所以优化现有公交方案，实现公交最优效率有着重要意义。而作为公交系统的一部分-----“乘客部分”自然成为优化的方向。乘客在站台等待公交车的时候所能获取的即时信息包括：公交运行线路、到站提示信息以及用户所等待的车次距离本站点还差几个站等，但对于其拥挤程度以及到站时间等实时状况一无所知。而现实中，乘客在等待公交车时，如果能提前知道自己计划乘坐的公交车的乘坐适宜度，那就极大地方便了乘客出行，避免出现公交车到站后因为过于拥挤而无法乘坐的情况或者因为运行速度过慢等不及到站的情况。同时获取各时刻公交车的最佳载客数量也是完成公交宏观布局、优化公交线路以及帮助公交公司决策的重要数据参数。

申请号为201310639025.1的发明专利“基于GPRS的城市智能公交系统”此发明公开了一种基于GPRS的城市智能公交系统，包括公交车车载终端、监控中心服务器和公交车站电子站牌。车载终端根据钢板弹簧形变量体现公交车的载重量，即公交车的拥挤程度。此类设备优点在于简单，缺点是无法适应颠簸的路面。

申请号为201510324787.1的发明专利“一种基于基站判断公交车拥挤程度的系统及方法”主要是利用乘客在乘坐公交车时，判断乘客所持移动终端与公交车的切换基站是否相同；以及切换基站的速度来分析公交车上的拥挤程度。此类设备的优点是非接触，设备不易损坏，缺点是这种检测方式需要不同部门的协作，付出与收获不成正比。

申请号为201510281356.1的发明专利“一种提供公交车内拥堵状况的方法”在公交车内设置有图像传感器或者车内人数统计装置，更新在公交车内的乘客数量以及拥挤程度。

上述检测公交车内拥挤程度的方法，都是通过某种办法统计车上乘客数量进而分析车内拥挤程度，单一的将拥挤度视为公交车是否适宜乘坐准则。然而在实际生活仅仅告诉乘客公交拥挤程度是不够的，乘客在决定坐哪一趟车时不但考虑的是车内拥不拥挤，有时更为重要的是运行效率问题，尤其是诸如上班上学等高峰时期，只要该车次能够准时到达目的地，乘客宁可挤点也不愿意换其他出行方案。相反的，如果候车者仅仅把车内实际拥挤情况作为是 否乘坐公交车的判断标准，忽略了实际公交的运行效率，则很有可能出现车上不挤却无法按时到达目的地的情况。此时单纯的拥挤度信息却起到了误导候车者的作用，反而降低了出行效率。上述几方面因素，使得现有的检测公交车内拥挤程度的方法不能很好的满足实际公共交通管理的需要。

发明内容

针对现有技术中存在的上述问题，本发明提供了一种基于模糊算法的电动公交乘坐适宜度计算方法，与以往的专利思路、角度不同且具备经济性、可靠性和高效性的计算方法。

为实现上述目的，本发明采用了如下技术手段：

一种基于模糊算法的电动公交乘坐适宜度计算方法，其特征在于，包括以下步骤：

1)通过测算电动公交车电动机启动时的瞬时启动转矩T，并将瞬时启动转矩T近似作为拥挤度参数α；

2)通过测算电动公交车瞬时速度v，估算到达下一站的预期时间t_预期，同时根据理论到站时间t计算效率参数β，β＝(t-t_预期)/t；

3)通过模糊算法，将拥挤度参数α、效率参数β转化为乘坐适宜度δ，所述的电动公交车乘坐适宜度δ的计算步骤如下：

a.构建模糊规则表和模糊化处理函数并对参数进行模糊处理

对拥挤度参数α和效率参数β按照公式进行归一化操作，之后建立7*7规则表,建立的规则表如下：

{PB,PB,PM,PB,PS,PS,ZO},

{PB,PB,PM,PS,PS,ZO,ZO},

{PM,PM,PM,PS,ZO,NS,NS},

{PM,PM,PS,ZO,NS,NM,NM},

{PS,PS,ZO,NS,NS,NM,NM},

{ZO,NS,NS,NM,NM,NM,NB},

{ZO,ZO,NM,NB,NM,NB,NB}；

采用等分三角形处理函数对α进行模糊化：首先建立数组es[i]，用来存储对α模糊化后的值，总共求7次，其中i∈[0 6]；当i<3时使用公式(α-a)/(b-a)；当i≥3时,使用公式(c-α)/(c-b)，i值不同时a、b、c取值不同；

es[0]＝(α-a)/(b-a)；此时a＝0，b＝1/6,c＝1/3；

es[1]＝(α-a)/(b-a)；此时a＝0b＝1/6c＝1/2；

es[2]＝(α-a)/(b-a)；此时a＝1/6b＝1/3c＝1/2；

es[3]＝(c-α)/(c-b)；此时a＝1/6b＝1/3c＝2/3；

es[4]＝(c-α)/(c-b)；此时a＝1/3b＝1/2c＝2/3；

es[5]＝(c-α)/(c-b)；此时a＝1/2b＝2/3c＝5/6；

es[6]＝(c-α)/(c-b)；此时a＝2/3b＝5/6c＝1；

采用等分三角形处理函数对β进行模糊化：首先建立数组ecs[j]，用来存储对β模糊化后的值，总共求7次，其中j∈[0 6]；当j<3时使用公式(β-a)/(b-a)；当j≥3时，使用公式(c-α)/(c-b)；j值不同时a、b、c取值不同；

ecs[0]＝(β-a)/(b-a)；此时a＝0，b＝1/6,c＝1/3；

ecs[1]＝(α-β)/(b-a)；此时a＝0b＝1/6c＝1/2；

ecs[2]＝(α-β)/(b-a)；此时a＝1/6b＝1/3c＝1/2；

ecs[3]＝(c-β)/(c-b)；此时a＝1/6b＝1/3c＝2/3；

ecs[4]＝(c-β)/(c-b)；此时a＝1/3b＝1/2c＝2/3；

ecs[5]＝(c-β)/(c-b)；此时a＝1/2b＝2/3c＝5/6；

ecs[6]＝(c-β)/(c-b)；此时a＝2/3b＝5/6c＝1；

b.使用极大-极小推理合成算法进行模糊推理

通过求交集遍历es[i],ecs[j]得出中较小的隶属度，规则的可信度通过取小运算得到，即从j＝0开始依次把es[i]与ecs[j]依次比较，将较小的值存入对应form[i][j]中；再找出规则表中form[i][j]最大的数值，记住此时的i、j，然后根据定制的规则表rule_δ，按照第i+1行第j+1列找到位置参数kp；

根据kp在规则表中的位置，进行反模糊化，采取三角形反模糊化处理函数z＝(b-a)*lsd+a；y＝c-(c-b)*lsd；δ＝(y+z)/2

根据不同位置，a、b、c赋予不同的值，

如果kp＝NB；a＝0b＝1/6c＝1/3；

如果kp＝NM；a＝0b＝1/6c＝1/2；

如果kp＝NS；a＝1/6b＝1/3c＝1/2；

如果kp＝ZO；a＝1/6b＝1/3c＝2/3；

如果kp＝PS；a＝1/3b＝1/2c＝2/3；

如果kp＝PM；a＝1/2b＝2/3c＝5/6；

如果(kp＝＝PB)a＝2/3b＝5/6c＝1；

最终根据反模糊化结果得出适宜度δ；

根据以下适宜度标准，将结果推送给乘客，协助乘客做出乘车选择，适宜度标准为：

当适宜度δ小于0.1时，车辆过于拥挤，不建议乘坐；

当适宜度δ在0.1到0.3之间时，建议上车人数：小于5；

当适宜度δ在0.3到0.6之间，建议上车人数：小于10；

当适宜度δ在0.6到1之间时，车辆空闲。

进一步地，所述步骤(1)中瞬时启动转矩T的测算方法如下：

当乘客在站台上车完毕，电动公交车关闭车门后，安装在公交车上的轴陀螺仪启动，感应到车身加速度，同时公交车上的电机管理系统记录此时电机的电压U、电流I，以及固定的功率因数cosφ，依照公式(1)算出电动公交瞬时功率P，

$P=\sqrt{3}*U*I*COS\mathrm{\&Phi;}\left(KW\right)---\left(1\right)$

依靠安装在电机轴上的编码器，计算并输出瞬时电机转速n，由公式(2)

T＝9550P/n(KN) (2)

实时计算启动转矩T。

进一步地，所述步骤(2)中瞬时速度v的计算方法如下：

瞬时车速v(km/h)＝[轮胎宽度(mm)×(高宽比/100)×2+轮毂直径(吋)×25.4]×3.14159×60/1000000/最终传动比/对应档位传动比×发动机转速n(rpm)

预期时间t_预期时间的计算方法如下：

Step1：实时计算车身瞬时车速v，若v＝0，则询问gps平台公交车位置，判断车身是否处于信号灯处；如果是，则忽略此时车速影响转入step3；若v≠0或者不处于信号灯处，则转入step2；

Step2:统计前N次瞬时车速做几何平均作为平均车速V_均，计算方法如公式(3)：

并按照公式(4)，计算预期到站时间：

t_预期＝s/v_均 (4)

其中s是两公交站距离；

Step3:停止更新动态车速，等待下一次陀螺仪信号，重新计算瞬时速度v。

电动公交车在站台停车上人后，发车时轮胎突破静摩擦一瞬间电机输出的转矩为电动机 瞬时启动转矩，即：发车时电机处于由堵转状态到正常运转的瞬间，产生反电动势那一刻的电机转矩。此转矩可以一定程度上代表车内拥挤程度，本发明将电动机瞬时启动转矩近似作为拥挤度参数α。根据理论到站时间和预期到站时间获得效率参数β；最后根据拥挤度参数α和效率参数β，采用查表法+公式法的模糊算法获得电动公交车乘坐适宜度δ，并将将结果推送给乘客，协助乘客做出乘车选择。

本发明具有如下技术效果或优点：

1、提出了电动公交车乘坐适宜度的计算方法，针对流行的电动公交做出优化。

2、加入了效率参数β，提出了行车效率作为乘车适宜度的一个评价标准，改变了以往专利中单单把公交车最大容纳量作为乘客是否可以上车的标准。

附图说明

图1为本发明所述的公交乘坐适宜度计算流程图。

图2为计算适宜度的流程图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。

如图1所示，本发明所述的基于模糊算法的电动公交乘坐适宜度计算方法，首先测算电动公交车电动机瞬时启动转矩T，将电动机瞬时启动转矩T近似作为拥挤度参数α，根据理论到站时间t和预期到站时间t_预期获得效率参数β；最后根据拥挤度参数α和效率参数β，采用查表法+公式法的模糊算法获得电动公交车乘坐适宜度δ，并将将结果推送给乘客，协助乘客做出乘车选择。

具体的，首先，当乘客在站台上车完毕，电动公交车关闭车门后，安装在公交车上的轴陀螺仪启动，感应到车身加速度，同时公交车上的电机管理系统记录此时电机的电压U、电流I，以及固定的功率因数cosφ，依照公式(1)算出电动公交瞬时功率P，

$P=\sqrt{3}*U*I*COS\mathrm{\&Phi;}\left(KW\right)---\left(1\right)$

依靠安装在电机轴上的编码器，计算并输出瞬时电机转速n，由公式(2)

T＝9550P/n(KN) (2)

实时计算电动公交车电动机启动时的启动转矩T，并将瞬时启动转矩T近似作为拥挤度参数α。

然后，通过测算电动公交车瞬时速度v。

车速v(km/h)＝【轮胎宽度(mm)×(高宽比/100)×2+轮毂直径(吋)×25.4】×3.14159×60/1000000/最终传动比/对应档位传动比×发动机转速n(rpm)

估算到达下一站的预期时间t_预期，同时根据理论到站时间t计算效率参数β，β＝(t-t_预期)/t。

预期时间t_预期计算方法如下：

估算到站时间：

Step1：实时计算车身速度v，若v＝0，则询问gps平台公交车位置，判断车身是否处于信号灯处。如果是，则忽略此时车速影响转入step3；若v≠0或者不处于信号灯处,则转入step2；

Step2:统计前N次瞬时速度做几何平均作为平均车速V_均，计算方法如公式(3)：

此处N取20。并按照公式(4)，计算预期到站时间：

t_预期＝s/v_均 (4)

其中s是两公交站距离；

Step3:停止更新动态车速，等待下一次陀螺仪信号，重新计算实时速度v。

按照如公式(5)得到效率参数β：

β＝(t-t_预期)/t (5)

其中t为前一站到后一站之间的理论到站时间。

最后，通过模糊算法，将拥挤度参数α、效率参数β转化为乘坐适宜度δ。模糊算法采用查表法+公式法。进一步地，所述的查表法+公式法具体为：模糊化、模糊推理、和反模糊化都要通过查表和模糊公式完成。进一步地，所述的反模糊化具体为：使用最大隶属度法，所述的模糊推理具体使用极大-极小推理合成算法。

所述的电动公交车乘坐适宜度δ的计算步骤如下：

a.构建模糊规则表和模糊化处理函数并对参数进行模糊处理

按照公式进行归一化操作，之后建立7*7规则表,建立的规则表如下：

{PB,PB,PM,PB,PS,PS,ZO},

{PB,PB,PM,PS,PS,ZO,ZO},

{PM,PM,PM,PS,ZO,NS,NS},

{PM,PM,PS,ZO,NS,NM,NM},

{PS,PS,ZO,NS,NS,NM,NM},

{ZO,NS,NS,NM,NM,NM,NB},

{ZO,ZO,NM,NB,NM,NB,NB}。

采用等分三角形处理函数对α进行模糊化：首先建立数组es[i]，用来存储对α模糊化后的值，总共求7次，其中i∈[0 6]；当i<3时使用公式(α-a)/(b-a)；当i≥3时,使用公式(c-α)/(c-b)，i值不同时a、b、c取值不同。

es[0]＝(α-a)/(b-a)；此时a＝0，b＝1/6,c＝1/3；

es[1]＝(α-a)/(b-a)；此时a＝0b＝1/6c＝1/2；

es[2]＝(α-a)/(b-a)；此时a＝1/6b＝1/3c＝1/2；

es[3]＝(c-α)/(c-b)；此时a＝1/6b＝1/3c＝2/3；

es[4]＝(c-α)/(c-b)；此时a＝1/3b＝1/2c＝2/3；

es[5]＝(c-α)/(c-b)；此时a＝1/2b＝2/3c＝5/6；

es[6]＝(c-α)/(c-b)；此时a＝2/3b＝5/6c＝1。

采用等分三角形处理函数对β进行模糊化：首先建立数组ecs[j]，用来存储对β模糊化后的值，总共求7次，其中j∈[0 6]；当j<3时使用公式(β-a)/(b-a)；当j≥3时，使用公式(c-α)/(c-b)；j值不同时a、b、c取值不同。

ecs[0]＝(β-a)/(b-a)；此时a＝0，b＝1/6,c＝1/3；

ecs[1]＝(α-β)/(b-a)；此时a＝0b＝1/6c＝1/2；

ecs[2]＝(α-β)/(b-a)；此时a＝1/6b＝1/3c＝1/2；

ecs[3]＝(c-β)/(c-b)；此时a＝1/6b＝1/3c＝2/3；

ecs[4]＝(c-β)/(c-b)；此时a＝1/3b＝1/2c＝2/3；

ecs[5]＝(c-β)/(c-b)；此时a＝1/2b＝2/3c＝5/6；

ecs[6]＝(c-β)/(c-b)；此时a＝2/3b＝5/6c＝1；

b.使用极大-极小推理合成算法进行模糊推理

通过求交集遍历es[i],ecs[j]得出中较小的隶属度，规则的可信度通过取小运算得到，即从j＝0开始依次把es[i]与ecs[j]依次比较，将较小的值存入对应form[i][j]中。例如es[0]＝0.1；es[1]＝0.2；es[2]＝0.3；es[3]＝0.4；es[5]＝0.5；es[6]＝0.2与ecs[0]＝0.3进行对比，找出相对较小的数据填入form[i][0],即form[i][0]＝0.1；form[i][1]＝0.2； form[i][0]＝0.3；form[i][4]＝0.3；form[i][5]＝0.3；form[i][6]＝0.2，紧接着在j＝1时，令es[i]与ecs[1]比较，并存储在form[i][2]中，以此类推。再找出规则表中form[i][j]最大的数值，记住此时的i、j，然后根据定制的规则表rule_δ，按照第i+1行第j+1列找到位置参数kp。

根据kp在规则表中的位置，进行反模糊化，采取三角形反模糊化处理函数z＝(b-a)*lsd+a；y＝c-(c-b)*lsd；δ＝(y+z)/2

根据不同位置，a、b、c赋予不同的值，

如果kp＝NB；a＝0b＝1/6c＝1/3；

如果kp＝NM；a＝0b＝1/6c＝1/2；

如果kp＝NS；a＝1/6b＝1/3c＝1/2；

如果kp＝ZO；a＝1/6b＝1/3c＝2/3；

如果kp＝PS；a＝1/3b＝1/2c＝2/3；

如果kp＝PM；a＝1/2b＝2/3c＝5/6；

如果(kp＝＝PB)a＝2/3b＝5/6c＝1；

最终根据反模糊化结果得出适宜度δ。

根据以下适宜度标准，将结果推送给乘客，协助乘客做出乘车选择，适宜度标准为：

当适宜度δ小于0.1时，车辆过于拥挤，不建议乘坐；

当适宜度δ在0.1到0.3之间时，建议上车人数：小于5；

当适宜度δ在0.3到0.6之间，建议上车人数：小于10；

当适宜度δ在0.6到1之间时，车辆空闲。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (3)

1.一种基于模糊算法的电动公交乘坐适宜度计算方法，其特征在于，包括以下步骤：

1)通过测算电动公交车电动机启动时的瞬时启动转矩T，并将瞬时启动转矩T近似作为拥挤度参数α；

2)通过测算电动公交车瞬时速度v，估算到达下一站的预期时间t_预期，同时根据理论到站时间t计算效率参数β，β＝(t-t_预期)/t；

3)通过模糊算法，将拥挤度参数α、效率参数β转化为乘坐适宜度δ，所述的电动公交车乘坐适宜度δ的计算步骤如下：

a.构建模糊规则表和模糊化处理函数并对参数进行模糊处理

对拥挤度参数α和效率参数β按照公式进行归一化操作，之后建立7*7规则表,建立的规则表如下：

{PB,PB,PM,PB,PS,PS,ZO},

{PB,PB,PM,PS,PS,ZO,ZO},

{PM,PM,PM,PS,ZO,NS,NS},

{PM,PM,PS,ZO,NS,NM,NM},

{PS,PS,ZO,NS,NS,NM,NM},

{ZO,NS,NS,NM,NM,NM,NB},

{ZO,ZO,NM,NB,NM,NB,NB}；

采用等分三角形处理函数对α进行模糊化：首先建立数组es[i]，用来存储对α模糊化后的值，总共求7次，其中i∈[0 6]；当i<3时使用公式(α-a)/(b-a)；当i≥3时,使用公式(c-α)/(c-b)，i值不同时a、b、c取值不同；

es[0]＝(α-a)/(b-a)；此时a＝0，b＝1/6,c＝1/3；

es[1]＝(α-a)/(b-a)；此时a＝0b＝1/6c＝1/2；

es[2]＝(α-a)/(b-a)；此时a＝1/6b＝1/3c＝1/2；

es[3]＝(c-α)/(c-b)；此时a＝1/6b＝1/3c＝2/3；

es[4]＝(c-α)/(c-b)；此时a＝1/3b＝1/2c＝2/3；

es[5]＝(c-α)/(c-b)；此时a＝1/2b＝2/3c＝5/6；

es[6]＝(c-α)/(c-b)；此时a＝2/3b＝5/6c＝1；

采用等分三角形处理函数对β进行模糊化：首先建立数组ecs[j]，用来存储对β模糊化后的值，总共求7次，其中j∈[0 6]；当j<3时使用公式(β-a)/(b-a)；当j≥3时，使用公式(c-α)/(c-b)；j值不同时a、b、c取值不同；

ecs[0]＝(β-a)/(b-a)；此时a＝0，b＝1/6,c＝1/3；

ecs[1]＝(α-β)/(b-a)；此时a＝0b＝1/6c＝1/2；

ecs[2]＝(α-β)/(b-a)；此时a＝1/6b＝1/3c＝1/2；

ecs[3]＝(c-β)/(c-b)；此时a＝1/6b＝1/3c＝2/3；

ecs[4]＝(c-β)/(c-b)；此时a＝1/3b＝1/2c＝2/3；

ecs[5]＝(c-β)/(c-b)；此时a＝1/2b＝2/3c＝5/6；

ecs[6]＝(c-β)/(c-b)；此时a＝2/3b＝5/6c＝1；

b.使用极大-极小推理合成算法进行模糊推理

通过求交集遍历es[i],ecs[j]得出中较小的隶属度，规则的可信度通过取小运算得到，即从j＝0开始依次把es[i]与ecs[j]依次比较，将较小的值存入对应form[i][j]中；再找出规则表中form[i][j]最大的数值，记住此时的i、j，然后根据定制的规则表rule_δ，按照第i+1行第j+1列找到位置参数kp；

根据kp在规则表中的位置，进行反模糊化，采取三角形反模糊化处理函数z＝(b-a)*lsd+a；y＝c-(c-b)*lsd；δ＝(y+z)/2

根据不同位置，a、b、c赋予不同的值，

如果kp＝NB；a＝0b＝1/6c＝1/3；

如果kp＝NM；a＝0b＝1/6c＝1/2；

如果kp＝NS；a＝1/6b＝1/3c＝1/2；

如果kp＝ZO；a＝1/6b＝1/3c＝2/3；

如果kp＝PS；a＝1/3b＝1/2c＝2/3；

如果kp＝PM；a＝1/2b＝2/3c＝5/6；

如果(kp＝＝PB)a＝2/3b＝5/6c＝1；

最终根据反模糊化结果得出适宜度δ；

根据以下适宜度标准，将结果推送给乘客，协助乘客做出乘车选择，适宜度标准为：

当适宜度δ小于0.1时，车辆过于拥挤，不建议乘坐；

当适宜度δ在0.1到0.3之间时，建议上车人数：小于5；

当适宜度δ在0.3到0.6之间，建议上车人数：小于10；

当适宜度δ在0.6到1之间时，车辆空闲。

2.根据权利要求1所述的基于模糊算法的电动公交乘坐适宜度计算方法，其特征在于，所述步骤(1)中瞬时启动转矩T的测算方法如下：

当乘客在站台上车完毕，电动公交车关闭车门后，安装在公交车上的轴陀螺仪启动，感应到车身加速度，同时公交车上的电机管理系统记录此时电机的电压U、电流I，以及固定的功率因数cosφ，依照公式(1)算出电动公交瞬时功率P，

$P=\sqrt{3}*U*I*COS\mathrm{\&Phi;}\left(KW\right)---\left(1\right)$

依靠安装在电机轴上的编码器，计算并输出瞬时电机转速n，由公式(2)

T＝9550P/n(KN) (2)

实时计算启动转矩T。

3.根据权利要求1所述的基于模糊算法的电动公交乘坐适宜度计算方法，其特征在于，所述步骤(2)中瞬时速度v的计算方法如下：

瞬时车速v(km/h)＝[轮胎宽度(mm)×(高宽比/100)×2+轮毂直径(吋)×25.4]×3.14159×60/1000000/最终传动比/对应档位传动比×发动机转速n(rpm)

预期时间t_预期时间的计算方法如下：

Step1：实时计算车身瞬时车速v，若v＝0，则询问gps平台公交车位置，判断车身是否处于信号灯处；如果是，则忽略此时车速影响转入step3；若v≠0或者不处于信号灯处，则转入step2；

Step2:统计前N次瞬时车速做几何平均作为平均车速V_均，计算方法如公式(3)：

并按照公式(4)，计算预期到站时间：

t_预期＝s/v_均 (4)

其中s是两公交站距离；

Step3:停止更新动态车速，等待下一次陀螺仪信号，重新计算瞬时速度v。