CN106205176A - 一种车辆实时到站预测方法和系统 - Google Patents

Abstract

本申请实施例提供了一种车辆实时到站预测方法，其特征在于，所述方法包括：接收车辆GPS数据和实时排班数据，依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息；采用所述车辆的GPS数据进行定位，确定车辆与站点沿行驶线路的相对位置；根据所述车辆与站点的相对位置，计算线路交互信息；根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息。本申请通过对公交GPS数据和排班数据进行融合处理得到实时车辆动态信息，真实描述公交车的运行轨迹。通过比较车辆的运行线路和由实时排班数据计算出的运营区间，避免由于车辆调度造成的漏报及由于区间车造成的对下游的误报，提供准确的实时到站信息。

Description

一种车辆实时到站预测方法和系统

技术领域

本申请涉及智能交通技术领域，特别是涉及一种车辆实时到站预测方法和一种车辆实时到站预测系统。

背景技术

车辆到站时间预测作为车辆系统信息化的关键技术，受到了国内外研究人员的极大关注。在已知的现有技术中，车辆到站时间的预测技术主要包括历史数据模型预测模型、人工神经网络模型和卡尔曼滤波器模型、基于实时路况信息的车辆到站预测方法等。这些模型和方法致力于解决车辆到站时间的准确性，目前很多模型在多个城市进行了实际应用，如北京、杭州等都有实时车辆到站服务。

目前对公交到站预测的方法，核心思想都在于推测公交GPS到下一站的距离和路段序列，结合对路段路况的计算和预测，从而计算出公交车从当前GPS点到下一站的旅行时间。如：中国专利申请号201210259408.1和200710045987.9的专利，都是围绕怎么使公交到站时间预测更为准确来描述的。但是实际生活中，公交乘客不仅关注到站时间的准确性，对实时到站的漏报误报现象更为敏感。

因此，目前需要本领域技术人员迫切解决的一个技术问题就是：如何解决公交到站信息的漏报误报现象，提高公交到站信息预报的准确性。

发明内容

本申请实施例所要解决的技术问题是提供一种实时到站预测方法，以解决当存在区间车和调度车时出现漏报、误报的问题。

相应的，本申请实施例还提供了一种实时到站预测系统，用以保证上述方法的实现及应用。

为了解决上述问题，本申请公开了一种车辆实时到站预测方法，所述方法包括：

接收车辆GPS数据和实时排班数据，依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息；

采用所述车辆的GPS数据进行定位，确定车辆与站点沿行驶线路的相对位置；

根据所述车辆与站点的相对位置，计算线路交互信息；

根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息。

优选的，所述依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息的步骤包括：

建立车辆动态信息结构体；

将所述GPS数据和与所述GPS数据匹配的实时排班数据写入所述车辆动态信息结构体。

优选的，所述车辆与站点的相对位置包括：车辆刚进站，车辆刚出站，车辆在两站点之间；所述线路交互信息包括：站间旅行时间、站内延迟、车辆到下一站的信息；所述根据所述车辆与站点的相对位置，计算线路交互信息的步骤包括：

当车辆刚进站时，计算站间旅行时间；

当车辆刚出站时，计算站内延迟；

当车辆在两站点之间时，计算车辆到下一站点的信息。

优选的，所述根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息的步骤包括：

依据所述车辆动态信息确定车辆的运营区间；

判断线路中下游各站点是否在车辆的运营区间；

采用所述站间旅行时间、站内延迟和所述车辆到下一站的信息计算该车辆运营区间内各站点的车辆到站信息。

优选的，所述车辆到站信息按照预设的时间间隔形式的时间点生成。

同时，本申请还提供一种车辆实时到站预测系统，其特征在于，所述系统包括：

动态信息生成模块，用于接收车辆GPS数据和实时排班数据，依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息；

位置确定模块，用于采用所述车辆的GPS数据进行地图匹配，确定车辆与站点的相对位置；

交互信息计算模块，用于根据所述车辆与站点的相对位置，计算线路交互信息；

到站信息生成模块，用于根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息。

优选的，所述动态信息生成模块进一步包括：

结构体建立子模块，用于建立车辆动态信息结构体；

写入子模块，用于将所述GPS数据和与所述GPS数据匹配的实时排班数据写入所述车辆动态信息结构体。

优选的，所述车辆与站点的相对位置包括：车辆刚进站，车辆刚出站，车辆在两站点之间；所述线路交互信息包括：站间旅行时间、站内延迟、车辆到下一站的信息；所述交互信息计算模块进一步包括：

旅行时间计算子模块，用于当车辆刚进站时，计算站间旅行时间；

站内延迟计算子模块，用于当车辆刚出站时，计算站内延迟；

到下一站点信息计算子模块，用于当车辆在两站点之间时，计算车辆到下一站点的信息。

优选的，所述到站信息生成模块进一步包括：

运营区间确定子模块，用于依据所述车辆动态信息确定车辆的运营区间；

运营判断子模块，用于判断线路中下游各站点是否在车辆的运营区间；

站点信息计算子模块，用于采用所述站间旅行时间、站内延迟和所述车辆到下一站的信息计算该车辆运营区间内各站点的车辆到站信息。

优选的，所述车辆到站信息按照预设的时间间隔形式的时间点生成。

与现有技术相比，本申请实施例包括以下优点：

一、本申请通过对采集到的公交GPS数据和排班数据进行融合处理得到实时车辆动态信息，即得到每辆车的在当前时刻的运营线路、运营区间及实时位置信息，真实描述公交车的运行轨迹。

二、本申请通过比较车辆的运行线路和由实时排班数据计算出的运营区间，避免由于车辆调度造成的漏报及由于区间车造成的对下游的误报，提供准确的实时到站信息，使公交实时到站信息真正符合用户需求，提升用户体验。

附图说明

图1是本申请的一种实时到站预测方法实施例的步骤流程图；

图2是本申请实施例中生成车辆动态信息的步骤流程图；

图3是申请的一种实时到站预测方法实施例的步骤流程图；

图4是本申请一种车辆实时到站预测系统实施例的结构框图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

本申请实施例的核心构思之一在于，提供一种实时到站预测方法，通过结合公交GPS数据与实时排班数据得到公交的实时运营情况。在生成预测到站信息时，判断站点是否在公交的实时运营区间内，确定站点生成的预测到站信息不会出现漏报误报的问题。

参照图1，示出了本申请的一种实时到站预测方法实施例的步骤流程图，具体可以包括如下步骤：

步骤101，接收车辆GPS数据和实时排班数据，依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息。

步骤102，采用所述车辆的GPS数据进行定位，确定车辆与站点沿行驶线路的相对位置；

步骤103，根据所述车辆与站点的相对位置，计算线路交互信息；

步骤104，根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息。

在公交车全部安装GPS设备的情况下，车辆漏报一般是由于车辆调度造成的，车辆GPS设备所属的线路一般属于长跑的线路，当车辆临时调度到新的线路上时，所属的线路名称一般不会发生改变，所以该条GPS数据是无效的，在公交到站处理系统中就把这辆车丢失掉，造成车辆漏报。另外，由于客流分布具有区域性规律，公交公司为了节约成本，同一条线路会设置区间车，区间车行驶到线路中间的某一站就掉头返回了，不会行驶到终点站，当车辆的运营区间不是整条线路时，GPS中是没有运营区间字段的，实时公交到站系统处理这些数据时默认会把车辆所有下游站点进行预测，这样会使运营区间下游站点乘客感到车辆到站信息，事实上没有车辆进站，这会造成误报现象。

在本申请实施例中通过把实时公交车辆GPS数据和实时排班数据做融合，最终生成车辆的实时动态信息，供公交到站预测处理系统使用。上述依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息的步骤具体可以包括：

建立车辆动态信息结构体；

将所述GPS数据和与所述GPS数据匹配的实时排班数据写入所述车辆动态信息结构体。

公交车辆的GPS数据包括：车辆标识、线路标识、车辆的瞬时速度、方向角、经纬度信息、GPS生成时间。在公交预测处理系统中，GPS数据存储在定义的公交GPS数据结构体中，如：

gps＝{busid,linename,speed,angle,longitude,latitude,producttime}，其中busid唯一标识一辆车，linename是属于哪条线路的车，speed和angel分别定义了车辆的瞬时速度和方向角，longitude和latitude定义了车辆的经度和纬度，producttime是产生这条GPS的时间。

公交车辆的实时排班数据包括：车辆标识、线路标识、发车时间、到终点站时间、发车站场、终点站场、运营日期。在公交预测处理系统中，车辆实时排班数据存储在定义的实时排班数据结构体中，如：

schedule＝{busid,linename,starttime,endtime,startstop,endstop,drivetime}，其中busid唯一标识一辆车，linenamename是此次运营是哪条线路，starttime是发车时间，endtime是到达终点站的时间，startstop是此次发车场站，endstop是指此次运营的终点站，drivetime是指运营日期。

车辆动态信息包括：车辆标识busid、线路标识linenamename、发车时间starttime、到终点站时间endtime、发车站场startstop、终点站场endstop、运营日期drivetime、车辆的瞬时速度speed、方向角angel、经度longitude、纬度latitude、GPS生成时间producttime。在公交预测处理系统中，车辆动态信息存储在定义的车辆动态信息结构体中，如：

busdata＝{busid,linename,starttime,endtime,startstop,endstop,speed,angle,longitude,latitude,producttime}参照图2示出了本申请实施例中生成车辆动态信息的步骤流程图，具体可以包括以下步骤：

步骤201，接收公交GPS数据以及实时排班数据；

步骤202，依据公交GPS数据建立车辆信息结构体；

建立车辆信息结构体，先将公交GPS数据中的信息填充到车辆信息结构体中。

步骤203，判断公交GPS数据中的线路名称与对应的实时排班数据中的线路名称是否一致，若不一致则进行步骤204，若一致则进行步骤205；

根据公交GPS数据中车辆标识busid和GPS的产生时间producttime找到实时排班数据中该辆车的排班信息，对比线路名称，如果不一致，认为车辆被调度，如果一致，车辆在正常运营。

步骤204，将车辆信息结构体中的线路名称更换为实时排班数据中的线路名称，然后进行步骤205；

因为车辆信息结构体中的线路标识linenamename首先填充的是GPS数据中的线路标识，所以需要更新车辆信息结构体的线路标识为实时排班数据中的线路标识。

步骤205，填充车辆信息结构体中的起点站信息和终点站信息。

起点站信息包括：发车时间starttime、发车站场startstop；终点站信息包括：到终点站时间endtime、终点站场endstop。当GPS数据的线路标识与实时排班数据中的线路标识相同时，将实时排班数据中的发车时间starttime、到终点站时间endtime、发车站场startstop、终点站场endstop填充到车辆信息结构体中。

在本申请实施例中可以采用车辆的GPS数据进行定位，把车辆定位到实际运行的线路上，确定车辆与站点沿行驶线路的相对位置。

在本申请实施例中，车辆与站点的相对位置包括：车辆刚进站，车辆刚出站，车辆在两站点之间；所述线路交互信息包括：站间旅行时间、站内延迟、车辆到下一站的信息；所述根据所述车辆与站点的相对位置，计算线路交互信息的步骤包括：

当车辆刚进站时，计算站间旅行时间；

当车辆刚出站时，计算站内延迟；

当车辆在两站点之间时，计算车辆到下一站点的信息。

站间旅行时间，即公交进站点与上一个站点间公交行驶所用到的时间，计算得到站间旅行时间对下一辆车的预测具有重要的参考作用。站内延迟是指，公交进站至公交出站的时间段，由于客流、或者地理位置等信息，各个站点的站内延迟是不同的，对站内延迟的计算可以更精确对公交车辆到站信息进行预测。公交到下一站点的信息包括：到下一站点的距离和到下一站点的时间。到下一站的距离的计算方法可以为：根据车辆GPS数据定位到公交线路上，根据线路的轨迹点计算到下游站点的距离；到下一站的时间的计算方法可以为：获取当前时刻T1，车辆离开上一站的时间T2，该站间旅行时间为T3，则到下一站的时间为T＝T3-(T1-T2)。

在本申请实施例中，所述根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息的步骤包括：

依据所述车辆动态信息确定车辆的运营区间；

判断线路中下游各站点是否在车辆的运营区间；

采用所述站间旅行时间、站内延迟和所述车辆到下一站的信息计算该车辆运营区间内各站点的车辆到站信息。

依据车辆动态信息中的发车站场startstop与终点站场endstop就可以得到本次的车辆运营区间。在每次生成站点的车辆到站信息前，都判断各车辆的运营区间是否包括站点，如果站点不在车辆的运营区间内，那么将不会计算该车辆的到站信息。车辆的到站信息包括车辆的到站时间和到站距离，当某一站点是车辆的下一个到站点时，上述车辆到下一站的信息就是站点的车辆到站信息。当某一站点是下游的多站点时(即该站点与车辆之间多个站点时)，车辆的到站信息需要根据该站点前给站点的站间旅行时间、站内延迟和车辆到最邻近站点的到下一站信息进行计算。例如，车辆即将到的最邻近站点为A，站点B是A之后的站点。那么站点B预测的到站信息由车辆到站点A的到站信息和站点A的站内延迟以及站点A与B之间的站间旅行时间计算得到。通过上述的方法即可以计算各站点的中各线路车辆的到站信息。

在本申请实施例中，所述车辆到站信息按照预设的时间间隔形式的时间点生成。

预设的时间间隔可以根据实际数据情况定义间隔大小，可以设置10秒或者其他的大小。

参照图3示出了本申请的一种实时到站预测方法实施例的步骤流程图。

步骤301，接收的公交线路和站点数据；

步骤302，根据公交线路和站点数据建立站点拓扑信息；

步骤303，接收的公交实时公交GPS数据以及实时排班数据；

步骤304，根据公交实时公交GPS数据以及实时排班数据生成车辆动态信息；

步骤305，采用所述车辆的GPS数据进行地图匹配，确定车辆与站点的相对位置；

步骤306，当车辆刚进站时，计算站间旅行时间,当车辆刚出站时，计算站内延迟,当车辆在两站点之间时，计算车辆到下一站点的到站信息；

步骤307，判断是否到达预测到站信息生成间隔TimeID；

步骤308，判断下游各站点站点是否在本次车辆线路的运营区间；

步骤309，采用站间旅行时间和到下一站的信息计算该车辆线路运营区间内下游各站点的到站信息；

步骤310，统计每个站点的中各车辆的到站信息。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

参照图4，示出了本申请一种车辆实时到站预测系统实施例的结构框图，具体可以包括如下模块：

动态信息生成模块401，用于接收车辆GPS数据和实时排班数据，依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息。

位置确定模块402，采用所述车辆的GPS数据进行定位，确定车辆与站点沿行驶线路的相对位置；

交互信息计算模块403，用于根据所述车辆与站点的相对位置，计算线路交互信息；

到站信息生成模块404，用于根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息。

在本申请实施例中，所述动态信息生成模块进一步包括：

结构体建立子模块，用于建立车辆动态信息结构体；

写入子模块，用于将所述GPS数据和与所述GPS数据匹配的实时排班数据写入所述车辆动态信息结构体。

在本申请实施例中，所述车辆与站点的相对位置包括：车辆刚进站，车辆刚出站，车辆在两站点之间；所述线路交互信息包括：站间旅行时间、站内延迟、车辆到下一站的信息；所述交互信息计算模块进一步包括：

旅行时间计算子模块，用于当车辆刚进站时，计算站间旅行时间；

站内延迟计算子模块，用于当车辆刚出站时，计算站内延迟；

到下一站点信息计算子模块，用于当车辆在两站点之间时，计算车辆到下一站点的信息。

在本申请实施例中，所述到站信息生成模块进一步包括：

运营区间确定子模块，用于依据所述车辆动态信息确定车辆的运营区间；

运营判断子模块，用于判断线路中下游各站点是否在车辆的运营区间；

站点信息计算子模块，用于采用所述站间旅行时间、站内延迟和所述车辆到下一站的信息计算该车辆运营区间内各站点的车辆到站信息。

在本申请实施例中，所述车辆到站信息按照预设的时间间隔形式的时间点生成。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种车辆实时到站预测方法和一种车辆实时到站预测系统，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种车辆实时到站预测方法，其特征在于，所述方法包括：

接收车辆GPS数据和实时排班数据，依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息；

采用所述车辆的GPS数据进行定位，确定车辆与站点沿行驶线路的相对位置；

根据所述车辆与站点的相对位置，计算线路交互信息；

根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息。

2.根据权利要求1所述的方法，其特征在于，所述依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息的步骤包括：

建立车辆动态信息结构体；

将所述GPS数据和与所述GPS数据匹配的实时排班数据写入所述车辆动态信息结构体。

3.根据权利要求1或2所述的方法，其特征在于，所述车辆与站点的相对位置包括：车辆刚进站，车辆刚出站，车辆在两站点之间；所述线路交互信息包括：站间旅行时间、站内延迟、车辆到下一站的信息；所述根据所述车辆与站点的相对位置，计算线路交互信息的步骤包括：

当车辆刚进站时，计算站间旅行时间；

当车辆刚出站时，计算站内延迟；

当车辆在两站点之间时，计算车辆到下一站点的信息。

4.根据权利要求3所述的方法，其特征在于，所述根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息的步骤包括：

依据所述车辆动态信息确定车辆的运营区间；

判断线路中下游各站点是否在车辆的运营区间；

采用所述站间旅行时间、站内延迟和所述车辆到下一站的信息计算该车辆运营区间内各站点的车辆到站信息。

5.根据权利要求4所述的方法，其特征在于，所述车辆到站信息按照预设的时间间隔形式的时间点生成。

6.一种车辆实时到站预测系统，其特征在于，所述系统包括：

动态信息生成模块，用于接收车辆GPS数据和实时排班数据，依据所述车辆GPS数据和所述实时排班数据生成车辆动态信息；

位置确定模块，用于采用所述车辆的GPS数据进行地图匹配，确定车辆与站点的相对位置；

交互信息计算模块，用于根据所述车辆与站点的相对位置，计算线路交互信息；

到站信息生成模块，用于根据所述车辆的动态信息和所述线路交互信息生成各站点的车辆到站信息。

7.根据权利要求6所述的系统，其特征在于，所述动态信息生成模块进一步包括：

结构体建立子模块，用于建立车辆动态信息结构体；

写入子模块，用于将所述GPS数据和与所述GPS数据匹配的实时排班数据写入所述车辆动态信息结构体。

8.根据权利要求6或7所述的系统，其特征在于，所述车辆与站点的相对位置包括：车辆刚进站，车辆刚出站，车辆在两站点之间；所述线路交互信息包括：站间旅行时间、站内延迟、车辆到下一站的信息；所述交互信息计算模块进一步包括：

旅行时间计算子模块，用于当车辆刚进站时，计算站间旅行时间；

站内延迟计算子模块，用于当车辆刚出站时，计算站内延迟；

到下一站点信息计算子模块，用于当车辆在两站点之间时，计算车辆到下一站点的信息。

9.根据权利要求8所述的系统，其特征在于，所述到站信息生成模块进一步包括：

运营区间确定子模块，用于依据所述车辆动态信息确定车辆的运营区间；

运营判断子模块，用于判断线路中下游各站点是否在车辆的运营区间；

站点信息计算子模块，用于采用所述站间旅行时间、站内延迟和所述车辆到下一站的信息计算该车辆运营区间内各站点的车辆到站信息。

10.根据权利要求9所述的系统，其特征在于，所述车辆到站信息按照预设的时间间隔形式的时间点生成。