CN113034889A - 一种基于公交线网和gps数据的圈次时间计算方法 - Google Patents
一种基于公交线网和gps数据的圈次时间计算方法 Download PDFInfo
- Publication number
- CN113034889A CN113034889A CN202110274364.9A CN202110274364A CN113034889A CN 113034889 A CN113034889 A CN 113034889A CN 202110274364 A CN202110274364 A CN 202110274364A CN 113034889 A CN113034889 A CN 113034889A
- Authority
- CN
- China
- Prior art keywords
- bus
- station
- time
- stop
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及公交车技术领域,尤其涉及一种基于公交线网和GPS数据的圈次时间计算方法,获取公交车站点数据包括站点停靠时间记录和站点行驶路段记录,站点停靠记录包括公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间、异常情况类型;站点行驶记录包括公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速和异常类型,根据站点停靠时间记录数据,计算获得当前车站停站时间预测值;根据站点行驶路段记录,计算获得当前车辆到下一站点的预测值。本发明通过获取公交车运行站的数据,能有效精确的计算得到公交车运行圈次的时间。
Description
技术领域
本发明涉及公交车技术领域,尤其涉及一种基于公交线网和GPS数据的圈次时间计算方法。
背景技术
近年来,城市人口及规模的不断扩大,我国城市交通拥挤和阻塞现象越来越严重。如何科学地管理城市公交系统,提高公交系统的运营效率,已成为有待解决的城市交通问题。公交调度模式的合理的改善是解决公交问题的一个有效的方法。
国内外对于如何优化公交调度都有一定研究。主要有公共交通线路组合调度模型、公交智能调度系统的设计方案、遗传算法和混合遗传算法来进行车辆调度优化的方法以及GPS定位技术应用到公交调度管理中等。
发明内容
有鉴于此,本发明的目的是提供一种基于公交线网和GPS数据的圈次时间计算方法,本发明具体按以下步骤执行:
S1:获取公交车的公交全网站点数据和车辆历史GPS数据,其中站点数据包括站点停靠时间记录和站点行驶路段记录,站点停靠记录包括公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间、异常情况类型;站点行驶记录包括公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速和异常类型;对于管理范围内的所有公交线路,逐一按其站点停靠时间和站间行驶路段进行记录:(1)一个站点停靠时间记录结构如下:公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间、异常类型(正常运营/车辆故障/屯车/临停)、备注等。当GPS判断公交车进入某车站电子围栏时记录驶入时间,离开车站电子围栏时记录驶出时间。
(2)一个站点行驶路段记录结构如下:公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速、异常类型(正常运营/车辆故障/临停)。当每辆公交车进入某一车站时,填写以上数据,根据公交线路数据知道该路段距离,除以上一车站驶出时间和下一公交站驶入时间即可得到该路段速度。
S2:根据站点停靠时间记录数据,计算获得当前车站停站时间预测值;
S3:根据站点行驶路段记录,计算获得当前车辆到下一站点的预测值;根据站点停靠时间记录数据和站点行驶记录数据,获得两站的距离与上一车站驶出时间和下一公交站驶入时间即可得到该路段速度。根据“站点行驶路段记录”结构,对所有公交线路的所有相邻站点的行驶时间进行记录,选择重复路线的相邻站点对的行驶时间进行平均,即可获得前一小段时间每一相邻公交站点对的平均速度及行驶时间,辅以本线路车辆同天日同时段历史行驶时间权重。
S4:根据公交线路运行的车站停站时间和车辆到下一站点的预测值计算公交车运行圈次的时间。
进一步,在步骤S2中,具体采用如式(1)进行计算当前车站停站时间预测值, fθ(x)=θ0x0+θ1x1+…+θnxn (1);
其中:将预测结果表示为n个变量x1~xn的线性相关,其中,x0=1,θ0~θn为待定参数,使用普通最小二乘法使其损失函数如式(2))最小,其中是第i个预测值与真实值的差值,共有m次测试,对每次预测的差值平方求和,由于差值平方后被放大,这使得在线性回归模型中,异常值对误差的影响较大,即模型对异常值较为敏感。
为了减少异常值对模型的影响,岭回归引入正则化项作为阈值,见式(3),其中,λ
是正则化参数,作用是控制θj(j=1,…,n)的取值平衡,以减弱异常值对模型的影响程度
其中,L表示公交车运行圈次时间长度,通过式(3)对异常值的处理以及对式(1)和式(2)的线性叠化,得出最终的公交车运行圈次时间的越策值。
本发明的一种基于公交线网和GPS数据的圈次时间计算方法,本发明将公交车运行的根据站点停靠时间记录数据;以及根据站点行驶路段记录,根据原始的全网站点数据和车辆历史 GPS行驶数据,计算获得当前车辆到下一站点的预测值,最终得到公交车运行圈次的预测值。本方法使用数值可靠,数据获取方便,同时根据获取的数值采用线性迭代,并且通过增正则化参数对数据进行消除异常值的影响,能精确的得到和计算出公交车运行圈次的时间。
附图说明
图1是本发明的方法流程图;
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明,显然,所描述的实施例仅仅只是本申请一部分实施例,而不是全部的实施例,基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本实施例中,如图1所示,本发明具体按以下步骤执行:
S1:获取公交车的公交全网站点数据和车辆历史GPS数据,其中站点数据包括站点停靠时间记录和站点行驶路段记录,站点停靠记录包括公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间、异常情况类型;站点行驶记录包括公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速和异常类型;对于管理范围内的所有公交线路,逐一按其站点停靠时间和站间行驶路段进行记录:(1)一个站点停靠时间记录结构如下:公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间、异常类型(正常运营/车辆故障/屯车/临停)、备注等。当GPS判断公交车进入某车站电子围栏时记录驶入时间,离开车站电子围栏时记录驶出时间。
(2)一个站点行驶路段记录结构如下:公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速、异常类型(正常运营/车辆故障/临停)。当每辆公交车进入某一车站时,填写以上数据,根据公交线路数据知道该路段距离,除以上一车站驶出时间和下一公交站驶入时间即可得到该路段速度。
S2:根据站点停靠时间记录数据,计算获得当前车站停站时间预测值;
S3:根据站点行驶路段记录,计算获得当前车辆到下一站点的预测值;根据站点停靠时间记录数据和站点行驶记录数据,获得两站的距离与上一车站驶出时间和下一公交站驶入时间即可得到该路段速度。根据“站点行驶路段记录”结构,对所有公交线路的所有相邻站点的行驶时间进行记录,选择重复路线的相邻站点对的行驶时间进行平均,即可获得前一小段时间每一相邻公交站点对的平均速度及行驶时间,辅以本线路车辆同天日同时段历史行驶时间权重。
S4:根据公交线路运行的车站停站时间和车辆到下一站点的预测值计算公交车运行圈次的时间。
本实施例中,在步骤S2中,具体采用如式(1)进行计算当前车站停站时间预测值,
fθ(x)=θ0x0+θ1x1+…+θnxn (1);
其中:将预测结果表示为n个变量x1~xn的线性相关,其中,x0=1,θ0~θn为待定参数,使用普通最小二乘法使其损失函数如式(2))最小,其中是第i个预测值与真实值的差值,共有m次测试,对每次预测的差值平方求和,由于差值平方后被放大,这使得在线性回归模型中,异常值对误差的影响较大,即模型对异常值较为敏感。
本实施例中,为了减少异常值对模型的影响,岭回归引入正则化项作为阈值,见式(3),其中,λ是正则化参数,作用是控制θj(j=1,…,n)的取值平衡,以减弱异常值对模型的影响程度
其中,L表示公交车运行圈次时间长度,通过式(3)对异常值的处理以及对式(1)和式(2)的线性叠化,得出最终的公交车运行圈次时间的越策值。
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。本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (4)
1.一种基于公交线网和GPS数据的圈次时间计算方法,其特征在于:具体按以下步骤执行:
S1:获取公交车的公交全网站点数据和车辆历史GPS数据,其中站点数据包括站点停靠时间记录和站点行驶路段记录,站点停靠记录包括公交线路号、上下行方向、停靠的公交站点号、公交车号、驶入时间、驶出时间、异常情况类型;
站点行驶记录包括公交线路号、上下行方向、公交车号、上一公交站编号、驶出时间、下一公交站编号、驶入时间、路段车速和异常类型;
S2:根据站点停靠时间记录数据,计算获得当前车站停站时间预测值;
S3:根据站点行驶路段记录,计算获得当前车辆到下一站点的预测值;
S4:根据公交线路运行的车站停站时间和车辆到下一站点的预测值计算公交车运行圈次的时间。
2.根据权利要求1所述的一种基于公交线网和GPS数据的圈次时间计算方法,其特征在于:在步骤S1中,根据站点停靠时间记录数据和站点行驶记录数据,获得两站的距离与上一车站驶出时间和下一公交站驶入时间即可得到该路段速度。
3.根据权利要求1所述的一种基于公交线网和GPS数据的圈次时间计算方法,其特征在于:所述异常类型包括车辆故障、屯车或临停类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110274364.9A CN113034889A (zh) | 2021-03-15 | 2021-03-15 | 一种基于公交线网和gps数据的圈次时间计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110274364.9A CN113034889A (zh) | 2021-03-15 | 2021-03-15 | 一种基于公交线网和gps数据的圈次时间计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113034889A true CN113034889A (zh) | 2021-06-25 |
Family
ID=76469518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110274364.9A Pending CN113034889A (zh) | 2021-03-15 | 2021-03-15 | 一种基于公交线网和gps数据的圈次时间计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113034889A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105390013A (zh) * | 2015-11-18 | 2016-03-09 | 北京工业大学 | 一种利用公交ic卡预测公交到站时间的方法 |
CN106781506A (zh) * | 2017-02-21 | 2017-05-31 | 济南全通信息科技有限公司 | 基于公交车gps数据的大范围城市公交线网实时运行水平评价方法 |
CN111985731A (zh) * | 2020-09-09 | 2020-11-24 | 中国科学院自动化研究所 | 城市公共交通站点人数的预测方法及系统 |
-
2021
- 2021-03-15 CN CN202110274364.9A patent/CN113034889A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105390013A (zh) * | 2015-11-18 | 2016-03-09 | 北京工业大学 | 一种利用公交ic卡预测公交到站时间的方法 |
CN106781506A (zh) * | 2017-02-21 | 2017-05-31 | 济南全通信息科技有限公司 | 基于公交车gps数据的大范围城市公交线网实时运行水平评价方法 |
CN111985731A (zh) * | 2020-09-09 | 2020-11-24 | 中国科学院自动化研究所 | 城市公共交通站点人数的预测方法及系统 |
Non-Patent Citations (2)
Title |
---|
沈倩倩: "城市公交车辆到站时间预测研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
赖永炫: "一种基于Gradient Boosting的公交车运行时长预测方法", 《大数据》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724601B (zh) | 一种适用于数据缺失的机动车交通流预测方法 | |
CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
CN111724595B (zh) | 一种基于收费数据的高速公路断面流量估计方法 | |
CN107481512A (zh) | 自动驾驶公交的智能调度方法 | |
CN112071060A (zh) | 一种基于城市路网交通环境变化的应急救援路径规划方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN102708679A (zh) | 一种城市信号交叉口短时交通流预测方法 | |
CN105006147A (zh) | 一种基于道路时空关联关系的路段行程时间推断方法 | |
CN114023073B (zh) | 一种基于车辆行为分析的高速公路拥堵预测方法 | |
CN110288829B (zh) | 一种港湾式公交停靠站停车泊位数量设置判别方法 | |
CN106379379B (zh) | 一种城市轨道交通乘客上下车时间的预测方法 | |
CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
CN102819956B (zh) | 一种基于单截面环形线圈检测器的道路交通事件检测方法 | |
CN116109081A (zh) | 一种基于物联网的动态公交调度优化方法和装置 | |
CN109544967A (zh) | 一种基于低频avl数据的公交线网运行状态监控方法 | |
CN117593167B (zh) | 基于大数据的智能城市规划管理方法及系统 | |
CN113034889A (zh) | 一种基于公交线网和gps数据的圈次时间计算方法 | |
Messer | Advanced freeway system ramp metering strategies for Texas | |
CN113053119A (zh) | 一种基于公交运行历史数据的圈次时间预测方法 | |
CN114582141B (zh) | 常发车流量大路段识别方法及系统 | |
CN112668973B (zh) | 一种智能无人物流运输方法和系统 | |
CN115188192A (zh) | 一种基于行程预测的自动控制泊车系统及方法 | |
JP3932383B2 (ja) | 走行所要時間予測装置 | |
CN112101677B (zh) | 一种公共交通出行路径规划方法、装置、设备及存储介质 | |
CN112053570B (zh) | 一种城市交通路网运行状态监测评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210625 |