CN107563566A - 一种基于支持向量机的公交站间运行时间区间预测方法 - Google Patents

Abstract

本发明公开了一种基于支持向量机的公交车站间运行时间区间预测方法，首先对公交车辆GPS原始数据进行数据清洗，然后从中提取公交到站时刻并计算公交的站间运行时间，并选择相关的信息建立公交站间运行时间区间预测模型输入数据集，分别建立两个支持向量回归机预测公交运行时间区间的上、下界，采用粒子群算法对支持向量机进行参数寻优，并以考虑预测区间有效覆盖率更大和标准化预测区间平均宽度更小作为参数优化目标，根据PSO算法得到的最优参数构建最终公交站间运行时间区间预测模型。本发明在不确定性情况下为出行者提供实时、准确的预测公交车辆的到站时间区间预测，方便出行者进行出行路线的规划和选择。

Description

一种基于支持向量机的公交站间运行时间区间预测方法

技术领域

本发明属于公共交通管理优化领域，具体涉及一种基于支持向量机的公交站间运行时间区间预测方法。

背景技术

通过优先发展公共交通来缓解城市交通问题已经成为我国城市交通的长期发展战略。公交出行具有费用低廉、容量大、污染低等优点，可以高效利用城市的道路信息资源，有效的缓解了城市道路的交通拥堵状况，降低环境污染。然而，在我国公交车延误现象频繁发生，特别是在早晚高峰时段，车辆延误现象尤为突出，严重影响了公交到站时间的准点率，使得居民不愿意选择公交出行。因此，实时、准确的预测公交车辆的到站时间，不仅可以方便出行者进行出行路线的规划和选择，提高乘坐公交车出行的满意度，还能使得智能公交系统能够更好的为居民服务。

在实际的社会环境中，公交车运行过程中容易受到各种不确定性的影响，导致预测的公交到达的时间点往往是不可靠的，特别是对交通高峰时间的公交到站时间的预测。提供不可靠的公交到达时间信息，反而容易引起公交出行者的反感，降低客户体验。现有技术仅对公交车辆到站时间点进行预测，虽然预测模型和方法种类较多，但在实际中，由于公交运行过程的复杂性以及不确定性的存在，到站时间预测方法的预测误差往往难以避免，预测结果的准确性和可靠性较低。此外，现有技术集中于模型预测结果精度的比较，而对模型预测结果的不确定性研究不足。由于缺乏预测结果不确定性的相关信息，造成了公交到达时间模型预测结果的可靠性降低，从而制约了预测模型在实际公交运营过程中的应用。

发明内容

发明目的：为了解决上述现有技术中公交到站时间估计准确性不足问题，本发明提供一种基于支持向量机的公交站间运行时间区间预测方法，所述方法使用公交GPS数据，以预测区间有效覆盖率和区间平均宽度作为优化目标，并且考虑公交站间运行时间中存在的不确定性因素建立基于支持向量机的区间预测模型。

技术方案：一种基于支持向量机的公交站间运行时间区间预测方法，所述的预测方法包括以下步骤：

(1)公交车GPS轨迹数据预处理：所述公交车GPS轨迹数据包括公交车的车辆编号、线路编号和数据采集的时间点以及采集时刻公交车经纬度坐标、公交车速度、行驶方向角，并且进行初步处理，剔除数据中的异常数据，所述的异常数据包括漂移数据和冗余重复数据，然后对数据中缺失的数据进行估计；

(2)公交到站时刻提取：根据步骤(1)预处理后的样本数据，按照线路编号筛选出目标线路的数据，并与目标线路的站点经纬度坐标信息进行比对，确定公交车辆到达各站点的时刻其中i表示目标线路站点编号，n表示当前车辆在该行驶方向上已运行车辆中的序号，所述序号公交车从起始站点的发车时间依次排序；

(3)公交站间运行时间计算：根据由步骤(2)获取的公交车辆到达各站点的时刻，计算得到公交的站间运行时间为：

其中：表示车辆n从站点i到站点j的运行时间，且满足站点j位于站点i目标线路的同一个行驶方向(上行或下行)的下游；

(4)建立模型输入数据集：选取与预测目标区域公交运行时间相关的信息作为特征数据，并以此建立模型输入数据集；

(5)建立参数优化目标函数：以预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)作为主要参数，建立预测模型参数优化目标函数为：

f＝NPIAW+φ(PICP)ExP(-ω(PICP-μ)) (2)

其中：ω和μ为给定参数，μ为预测区间的名义置信水平，ω作为对有效覆盖率误差的惩罚系数：

预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)的计算方法分别为：

其中

其中，N为样本总体数量，t_i表示第i个样本运行时间的实际值，L_i,U_i分别表示第i个样本运行时间区间预测的上界和下界，D表示所有样本中实际运行时间最大值与最小值的差值；

(6)建立公交站间运行时间区间预测模型：构建两个以径向基RBF作为核函数的支持向量回归机(SVR)，分别预测公交站间运行时间预测区间的上界和下界，每个SVR均包含三个模型参数，分别为惩罚系数C、不敏感损失系数ε和RBF核参数γ；两个SVR均以步骤(4)所得数据集作为模型训练数据输入部分，其中上界预测模型的训练数据输出部分为预测目标实际运行时间的(2-μ)倍，下界预测模型的训练数据输出部分为预测目标实际运行时间的μ倍；

(7)预测模型参数寻优：采用粒子群算法(PSO)对两个SVR模型中的参数进行寻优。

(8)模型应用：以采用步骤(6)所得最优模型参数建立的一组上、下界SVR预测模型，并采用模型训练数据对预测模型进行训练得到最终公交站间运行区间预测模型；以公交车辆GPS历史数据和实时上传数据提取预测目标特征数据，并输入到该区间预测模型，模型输出结果即为预测车辆从预测区域上游站点运行到下游站点运行时间区间的上、下界预测值。

进一步的，所述步骤(1)中对漂移数据的筛选设置两个识别规则，一是筛选与该车辆上一条GPS数据中经纬度坐标点距离超出了阈值的数据，所述阈值设定为公交极限行驶速度与GPS数据采集时间间隔的乘积，二是GPS数据中坐标点的位置偏离道路中心线的垂直距离超出了可接受阈值，所述可接受阈值为25-50m；所述缺失数据包括被剔除的异常数据和由于技术设备影响所导致的部分原始数据未成功上传的情况，对于缺失数据使用插值法进行处理。若某处连续缺失K组数据，假设该时间段内公交车辆匀速通过，对相邻两的经纬度坐标进行线性插值即为缺失点的经纬度坐标。缺失的第k组数据的经纬度坐标(分别用x_i和y_i表示)如下：

进一步的，步骤(2)中所述公交到站时刻以车辆GPS数据中车辆速度为0(或以0.5km/h作为误差阈值)且与目标车站坐标距离小于25m作为比对条件，当数据连续满足比对条件时，以首条数据的时间作为到站时刻；所述站点编号因为车辆在不同行驶方向的同一个站名站点位置坐标有所差异，对其设置不同的站点编号。

进一步的，所述步骤(4)中特征数据包括预测车辆之前k辆车经过目标区域的运行时间、预测车辆之前k辆车与预测车站车头时距、预测时段类型、预测车辆经过上一区域的运行时间；所述的预测车辆之前k辆车与预测车站车头时距为目标区域上游车站到达时刻之差表示；所述的预测时段类型包括高峰时段和非高峰时段，其中高峰时段定义为7:00-9:30和16:30-19:00，其余时段均为非高峰时段。

进一步的，步骤(5)中所述名义置信水平设置为90％或95％，惩罚系数的取值范围为[50,100]。

进一步的，所述步骤(7)包括以下步骤：

a、初始化粒子群：设置粒子群算法的参数(包括粒子的总个数、算法的最大和最小权重因子值、算法的最大迭代次数、适应度终止值等)，每个粒子对应具有一组具有不同模型参数的上、下界SVR预测模型，并给定模型参数C、ε、γ的限定范围，每个粒子由一组上、下界SVR预测模型中的6个模型参数决定其位置和速度；

b、计算每个粒子的适应度：使用模型训练数据对SVR预测模型进行训练，并对该模型进行交叉验证，以步骤(5)建立的参数优化目标函数作为适应度函数，以验证数据计算每个粒子的适应度；

c、最优适应度更新：每次迭代过程中，比较每个粒子当前适应度和该个体最优适应度，若当前适应度小于该个体最优适应度，则将该个体最优适应度替换为当前适应度，否则保留原值；将更新后的个体最优适应度与全局最优适应度进行比较，若某个体最优适应度小于全局最优适应度，则将全局最优适应度替换为该个体最优适应度，否则保留原值；同时，记录个体最优适应度和全局最优适应度以及其所处的位置，同时对粒子的位置和速度进行更新；

d、验证是否满足终止条件：比较次数是否达到最大迭代次数或适应度值是否达到步骤a中设置的要求。若满足预设条件，算法收敛，最后一次迭代的全局最优值对应的模型参数即为所求的最优值；否则返步骤b，算法继续迭代。

有益效果:本发明与现有技术相比，其显著的效果在于：第一，本发明是以支持向量机构建的公交到站时间区间上、下界预测模型可以有效的避免收敛于局部最优，同时对数据中的非线性特征具有很强的解释性能；第二，本发明采用基于PSO粒子群算法的参数寻优具有较快的优化速率，且能够避免搜索过程中算法过早地陷入局部最优解；第三，本发明通过区间预测，能够有效地考虑了公交站间运行时间的不确定性，并能提高站间运行时间预测结果的准确度和可靠度，为乘客和公交管理者提供更具有可信度的参考信息。

附图说明

图1为本发明方法的实施流程示意图；

图2为本发明的建模及模型训练流程示意图；

图3为本发明实例部分数据区间预测结果示意图。

具体实施方式

为了详细的公开本发明所述的技术方案，下面结合说明书附图和具体实施例作进一步的阐述。本领域的技术人员应得知，本实施例所作出的优选不对本发明保护范围构成限制，在本发明上所作的改进和优选在不违背本发明精神的情况下均落入本发明的权利要求保护范围。

一种基于支持向量机的公交站间运行时间区间预测方法，其预测方法的步骤流程如图1所示，下面结合实例对本发明做出进一步的说明，这里选取某城市某条线路2015年11月1日至11月15日以内所有工作日的公交车运行GPS数据作为实验数据，并以上行方向的一个路段作为研究对象对本发明作具体的说明。

步骤(1)公交GPS轨迹数据获取及预处理

以80km/h和25m分别作为公交的极限行驶速度和偏离道路中心线阈值以识别异常数据，剔除数据中的异常数据，异常数据主要包括漂移数据和冗余重复数据，然后对数据中缺失的数据进行估计。

步骤(2)公交到站时刻提取

对线路上行方向站点按照行驶方向一次编号为{1,2,…,27}，根据由步骤(1)获取经过预处理的样本数据，与目标线路的站点经纬度坐标信息进行比对，确定公交车辆到达各站点的时刻i表示目标线路站点编号，n表示当前车辆在该行驶方向上已运行车辆中的序号，排序方式按始发站点的发车时间。

步骤(3)公交站间运行时间计算

根据由步骤(2)获取的公交车辆到达各站点的时刻，计算得到公交的站间运行时间为：

其中：i,j分别为预测路段上游车站和下游车站的编号，且满足站点j＞i，表示车辆n从站点到站点j的运行时间。

步骤(4)建立模型输入数据集

选择预测车辆前一辆车经过目标路段的运行时间预测车辆前一辆车与预测车站车头时距预测时段类型，具体的数据判定是高峰时段为1，反之为0，并且预测车辆经过上一区域的运行时间作为特征数据建立模型输入数据集，得到输入数据集包含有效数据共600组。

步骤(5)建立参数优化目标函数

以预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)作为主要参数，建立预测模型参数优化目标函数为：

f＝NPIAW+φ(PICP)EXP(-ω(PICP-μ)) (2)

其中：ω和μ为给定参数，μ取值90％，ω取值50，φ(PICP)是关于预测区间有效覆盖率的指示函数，可表达为：

预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)的计算方法分别为：

其中

其中，N为样本总体数量，t_i表示第i个样本运行时间的实际值，L_i,U_i分别表示第i个样本运行时间区间预测的上界和下界，D表示所有样本中实际运行时间最大值与最小值的差值。

步骤(6)建立公交站间运行时间区间预测模型

构建两个以径向基RBF作为核函数的支持向量回归机(SVR)，分别预测公交站间运行时间预测区间的上界和下界，每个SVR均包含三个模型参数，分别为惩罚系数C、不敏感损失系数ε和RBF核参数γ；两个SVR均以实施例4所得数据集作为模型训练数据输入部分，其中上界预测模型的训练数据输出部分为预测目标实际运行时间的(2-μ)倍，下界预测模型的训练数据输出部分为预测目标实际运行时间的μ倍。

步骤(7)预测模型参数寻优，包括采用粒子群算法(PSO)对两个SVR模型中的参数进行寻优，其具体步骤如下：

(a)初始化粒子群：设置粒子群算法的参数，其中的种群规模数量设为24，最大迭代次数为500，然后每个粒子对应具有一组具有不同模型参数的上、下界SVR预测模型，并给定模型参数的限定范围，这里设C的范围为[10-2,103]，ε的范围为[10-4,10-1]，γ的范围为[0,10]，每个粒子由一组上、下界SVR预测模型中的6个模型参数决定其位置和速度；

(b)计算每个粒子的适应度：使用模型训练数据对SVR预测模型进行训练，并对该模型进行5-折交叉验证，以实施例5建立的参数优化目标函数作为适应度函数，以验证数据计算每个粒子的适应度；

(c)最优适应度更新：每次迭代过程中，比较每个粒子当前适应度和该个体最优适应度，若当前适应度小于该个体最优适应度，则将该个体最优适应度替换为当前适应度，否则保留原值；将更新后的个体最优适应度与全局最优适应度进行比较，若某个体最优适应度小于全局最优适应度，则将全局最优适应度替换为该个体最优适应度，否则保留原值；同时，记录个体最优适应度和全局最优适应度以及其所处的位置，同时对粒子的位置和速度进行更新。

(d)验证是否满足终止条件：比较次数是否达到最大迭代次数或适应度值是否达到步骤a中设置的要求。若满足预设条件，算法收敛，最后一次迭代的全局最优值对应的模型参数即为所求的最优值；否则返步骤b，算法继续迭代；

得到最优模型参数值组合

[C₁，γ₁，ε₁，C₂，γ₂，ε₂]_opt为：[585，8.36，0.087，650，1.33，0.05]

步骤(8)模型应用

以采用实施例6所得最优模型参数组合建立的一组上、下界SVR预测模型，并采用模型训练数据对预测模型进行训练得到最终公交站间运行区间预测模型；以公交车辆GPS历史数据和实时上传数据提取预测目标特征数据，并输入到该区间预测模型，模型输出结果即为预测车辆从预测路段上游站点运行到下游站点运行时间区间的上、下界预测值。

下表为本实例数据分别采用本发明所述方法(即SVR-LUBE)和传统的重抽样法Bootstrap的区间预测性能比较。对比结果显示该专利提出的方法在有效覆盖率近似的情况下预测区间的平均宽度(NPIAW)指标和综合指标f明显优于传统的Bootstrap方法。另外，图3给出了部分实例数据运用SVR-LUBE区间预测模型得到的公交车到站时间观测值以及预测区间。

表SVR-LUBE和Bootstrap模型的预测性能比较

Claims (7)

1.一种基于支持向量机的公交站间运行时间区间预测方法，其特征在于：所述的预测方法包括以下步骤：

(1)公交车GPS轨迹数据预处理：首先采集公交车的GPS轨迹数据，所述公交车GPS轨迹数据包括公交车的车辆编号、线路编号和数据采集的时间点以及该时刻公交车经纬度坐标、公交车速度、行驶方向角，然后进行初步处理，剔除数据中的异常数据，所述的异常数据包括漂移数据和冗余重复数据，最后对数据中缺失的数据进行估计；

(2)公交到站时刻提取：根据步骤(1)预处理后的样本数据，按照线路编号筛选出目标线路的数据，并与目标线路的站点经纬度坐标信息进行比对，确定公交车辆到达各站点的时刻其中i表示目标线路站点编号，n表示当前车辆在该行驶方向上已运行车辆中的序号，所述序号按照公交车从起始站点的发车时间依次排序；

(3)公交站间运行时间计算：根据由步骤(2)获取的公交车辆到达各站点的时刻，计算得到公交的站间运行时间为：

<mrow> <msubsup> <mi>T</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> <mi>n</mi> </msubsup> <mo>=</mo> <msubsup> <mi>A</mi> <mi>j</mi> <mi>n</mi> </msubsup> <mo>-</mo> <msubsup> <mi>A</mi> <mi>i</mi> <mi>n</mi> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

其中：分别表示公交车在站点j、站点i的时刻，表示公交车n从站点i到站点j的运行时间，且满足站点j位于站点i目标线路的同一个行驶方向(上行或下行)的下游；

(4)建立模型输入数据集：选取与预测目标区域公交运行时间相关的信息作为特征数据，并以此建立模型输入数据集；

(5)建立参数优化目标函数：以预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)作为主要参数，建立预测模型参数优化目标函数为：

f＝NPIAW+φ(PICP)EXP(-ω(PICP-μ)) (2)

其中：ω和μ为给定参数，μ为预测区间的名义置信水平，ω作为对有效覆盖率误差的惩罚系数，φ(PICP)是关于预测区间有效覆盖率的指示函数，表达式为：

<mrow> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>P</mi> <mi>I</mi> <mi>C</mi> <mi>P</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mi>f</mi> <mi> </mi> <mi>P</mi> <mi>I</mi> <mi>C</mi> <mi>P</mi> <mo>&amp;GreaterEqual;</mo> <mi>&amp;mu;</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mi>f</mi> <mi> </mi> <mi>P</mi> <mi>I</mi> <mi>C</mi> <mi>P</mi> <mo>&lt;</mo> <mi>&amp;mu;</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>

预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)的计算

方法分别为：

其中

<mrow> <mi>N</mi> <mi>P</mi> <mi>I</mi> <mi>A</mi> <mi>W</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>D</mi> <mi>N</mi> </mrow> </mfrac> <msubsup> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>U</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>L</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>

其中，N为样本总体数量，t_i表示第i个样本运行时间的实际值，L_i,U_i分别表示第i个样本运行时间区间预测的上界和下界，D表示所有样本中实际运行时间最大值与最小值的差值；

(6)建立公交站间运行时间区间预测模型：构建两个以径向基RBF作为核函数的支持向量回归机(SVR)，分别预测公交站间运行时间预测区间的上界和下界，每个SVR均包含三个模型参数，分别为惩罚系数C、不敏感损失系数ε和RBF核参数γ；两个SVR均以步骤(4)所得数据集作为模型训练数据输入部分，其中上界预测模型的训练数据输出部分为预测目标实际运行时间的(2-μ)倍，下界预测模型的训练数据输出部分为预测目标实际运行时间的μ倍；

(7)预测模型参数寻优：采用粒子群算法(PSO)对两个SVR模型中的参数进行寻优；

(8)模型应用：所的模型是以采用步骤(6)所得最优模型参数建立的一组上、下界SVR预测模型，并采用模型训练数据对预测模型进行训练得到最终公交站间运行区间预测模型；以公交车辆GPS历史数据和实时上传数据提取预测目标特征数据，并输入到该区间预测模型，模型输出结果即为预测车辆从预测区域上游站点运行到下游站点运行时间区间的上、下界预测值。

2.根据权利要求1所述的一种基于支持向量机的公交站间运行时间区间预测方法，其特征在于：所述步骤(1)中对漂移数据的筛选设置两个识别规则，所述的识别规则一是筛选与该车辆上GPS数据中经纬度坐标点距离超出了阈值的数据，所述阈值设定为公交极限行驶速度与GPS数据采集时间间隔的乘积；二是筛选GPS数据中坐标点的位置偏离道路中心线的垂直距离超出了可接受阈值的数据，所述可接受阈值设置为25-50m。

3.根据权利要求1所述的一种基于支持向量机的公交站间运行时间区间预测方法，其特征在于：所述步骤(4)中特征数据包括预测车辆之前k辆车经过目标区域的运行时间、预测车辆之前k辆车与预测车辆之间的车头时距、预测时段类型、预测车辆经过上一区域的运行时间。

4.根据权利要求3所述的一种基于支持向量机的公交站间运行时间区间预测方法，其特征在于：所述的预测车辆之前k辆车预测车辆之间的车头时距为目标区域上游车站到达时刻之差。

5.根据权利要求1所述的一种基于支持向量机的公交站间运行时间区间预测方法，其特征在于：所述步骤(5)中名义置信水平设置为90％或95％。

6.根据权利要求1所述的一种基于支持向量机的公交站间运行时间区间预测方法，其特征在于：所述步骤(5)中惩罚系数的取值范围为[50,100]。

7.根据权利要求1所述的一种基于支持向量机的公交站间运行时间区间预测方法，其特征在于：所述步骤(7)包括以下步骤：

a、初始化粒子群：设置粒子群算法的参数，包括粒子的总个数、算法的最大和最小权重因子值、算法的最大迭代次数、适应度终止值，每个粒子对应具有一组具有不同模型参数的上、下界SVR预测模型，并给定模型参数C、ε、γ的限定范围，每个粒子由一组上、下界SVR预测模型中的6个模型参数决定其位置和速度；

b、计算每个粒子的适应度：使用模型训练数据对SVR预测模型进行训练，并对该模型进行交叉验证，以步骤(5)建立的参数优化目标函数作为适应度函数，以验证数据计算每个粒子的适应度；

c、最优适应度更新：每次迭代过程中，比较每个粒子当前适应度和该个体最优适应度，若当前适应度小于该个体最优适应度，则将该个体最优适应度替换为当前适应度，否则保留原值；将更新后的个体最优适应度与全局最优适应度进行比较，若某个体最优适应度小于全局最优适应度，则将全局最优适应度替换为该个体最优适应度，否则保留原值；同时记录个体最优适应度和全局最优适应度以及其所处的位置，同时对粒子的位置和速度进行更新；

d、验证是否满足终止条件：比较次数是否达到最大迭代次数或适应度值是否达到步骤a中设置的要求；若满足预设条件，算法收敛，最后一次迭代的全局最优值对应的模型参数即为所求的最优值；否则返步骤b，算法继续迭代。