CN113053100B

CN113053100B - 一种公交到站时间的预估方法及装置

Info

Publication number: CN113053100B
Application number: CN201911378708.XA
Authority: CN
Inventors: 王传秋; 朱敏; 何幸福; 李亚军; 王绍助
Original assignee: Yutong Bus Co Ltd
Current assignee: Yutong Bus Co Ltd
Priority date: 2019-12-27
Filing date: 2019-12-27
Publication date: 2022-08-12
Anticipated expiration: 2039-12-27
Also published as: CN113053100A

Abstract

本发明涉及一种公交到站时间的预估方法及装置，属于智能交通技术领域。本发明通过对公交运行线路分段，利用车辆运行速度模型，根据每段影响公交车运行速度的因素数据确定每段线路的运行速度，用分段距离除以对应段的运行速度得出各段行驶时间，累加得出站间行驶时间，确定每站预估到站时间，实现对公交到站时间的预估。本发明考虑到了每段线路的上路况不同，影响车辆运行速度的因素种类会有变化，通过计算各段的运行时间来预估到站时间，预测过程更加符合实际路况，得到的预估时间更加准确。

Description

一种公交到站时间的预估方法及装置

技术领域

本发明涉及一种公交到站时间的预估方法及装置，属于智能交通技术领域。

背景技术

当前车辆保有量持续上升，使得交通拥堵，车辆应用场景复杂，交通安全、通行效率和车辆能耗等问题越来越严重。目前公交站牌和收集app上提供的车辆到站时间，多是基于车辆位置与站台距离除以车辆平均速度(GPS速度和车轮速度换算的车速)得出。但由于城市道路中交通环境的复杂性，拥堵严重，路面交通情况多变，尤其是上下班高峰期车辆人流密度大，公交车辆实际到站时间通常和预估时间偏差太大，没有实际价值。

为了提高到站时间预测的准确性，目前出现了根据路况进行公交车到站的时间预估方法，例如，申请公布号为CN108597222的中国专利申请文件，公开了一种基于车路协同的公交到站时间预测方法，该方法通过车载单元与路侧单元之间的实时信息交互，使得公交车进入DSRC通信范围时，路侧单元能够根据当前信号相位、进道口排队车辆、路段车辆的实际情况，通过延迟估计模型预测出公交车的延误时间，提供给交通控制管理中心，实现对公交到站时间的预估，虽然该方法在一定程度上提高了公交到站时间预估的准确性，但是，其仅考虑了车辆拥堵情况，没有考虑公交线路每段路程中影响车辆运行速度的因素不一样，与实际车辆运行情况差异大，预估的到站时间不够准确。

发明内容

本发明的目的是提供一种公交到站时间的预估方法及装置，以解决目前公交到站时间预估不准确的问题。

本发明为解决上述技术问题而提供一种公交到站时间的预估方法，一种公交到站时间的预估方法该预估方法包括以下步骤：

1)将公交运行线路分段，并获取每段影响公交车运行速度的因素数据；

2)根据车辆运行速度模型和获取的各段的因素数据计算每段的车辆运行速度；

3)根据各段的车辆运行速度和各段路程确定每段的运行时间，实现对公交到站的时间预估。

本发明还提供了一种公交到站时间的预估装置，该预估装置包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现本发明的公交到站时间的预估方法。

本发明通过对公交运行线路分段，利用车辆运行速度模型，根据每段影响公交车运行速度的因素数据确定每段线路的运行速度，用分段距离除以对应段的运行速度得出各段行驶时间，累加得出站间行驶时间，确定每站预估到站时间，实现对公交到站时间的预估。本发明考虑到了每段线路的上路况不同，影响车辆运行速度的因素种类会有变化，通过计算各段的运行时间来预估到站时间，预测过程更加符合实际路况，得到的预估时间更加准确。

进一步地，所述的车辆运行速度模型为：

X＝a₁f₁+a₂f₂+…+a_mf_m+ε

其中，X为车辆运行速度，f_i为影响公交车运行速度的第i个因素数据，a_i为第i个因素数据的权值，m为因素数据的个数，ε为特殊因子。

进一步地，为了提高车辆运行速度模型的准确性，所述的车辆运行速度模型采用因子分析法建立，建立过程如下：

A.获取车辆运行数据集，所述车辆运行数据集包括车辆的速度数据以及与车辆速度相关的因素数据；

B.根据因子分析法的一般模型，并基于步骤A中获取的车辆运行数据集确定各因子的权重，实现对车辆运行速度模型的构建。

进一步地，所述的因素数据包括红灯剩余时长、拥堵路段长度、坡道位置、坡道、弯道位置、弯道长度、弯道曲率、车流量和前车车速。

进一步地，为了方便获取因素数据，所述步骤A中的各因素数据是通过车载单元和路侧单元获取。

附图说明

图1本发明采用的基于V2X的公交车辆运行场景示意图。

具体实施方式

方法实施例

本发明的公交到站时间预估方法是将公交运行线路划分成若干段，根据车辆运行速度模型以及每段影响车辆运行速度的各因素数据确定每段的运行时间，从而实现对公交到站时间的预估。其中影响车辆运行速度的各因素数据是由车载单元和路侧单元获取，如图1所示，车载单元(OBU)安装在车辆上，路侧单元(RSU)安装在道路两旁，车载单元可通过V2X、射频识别(RFID)或移动通信网络(4G、5G)等方式实现车车通信以及车与交通设施通信，获取道路的拥堵情况、人流和车流的密度情况、前进到下一站的信号灯相位信息、周边道路数据信息(坡道、弯道、隧道、事故多发区、路段限速、红绿灯的位置等信息)等，可通过GPS定位技术获取自车位置信息(经度、纬度、高程、方向、GPS速度)，也可通过车速信号、惯性导航、差分定位等技术实现增强定位。下面就该方法的具体实现过程进行详细说明。

1.利用公交车辆运行数据集构建车辆运行速度模型。

车辆主要通过CAN总线采集车内各ECU的信息及车上安装检测到的实时信息(经度、纬度、高程、方向、GPS速度、车速传感器获取的车速)，结合通过V2X获取到的周边道路数据信息、周边其他交通参与者的信息及状态、前方信号灯的实时状态、碰撞预警、前方拥堵提醒、限速预警等信息，经由车辆监控主控端远程发送至云端，实现对公交车辆运行数据集的构建。

下面对数据集中的各信息进行介绍：

周边道路数据信息：由路侧单元发出局部道路数据信息、地图信息以及从路口信号机处获得信号灯数据信息和实时状态信息，包含局部区域的路口信息、路段信息(弯道、坡路、隧道等)、车道信息、道路之间的连接关系等。

限速预警：自车分析接收到的RSU消息，提取限速路段信息和具体限速值。

前方信号灯的实时状态：包含一个或多个路信号灯的当前状态信息，结合MAP(地图)消息，为车辆提供实时的前方信号灯相位信息。

碰撞预警包含前向碰撞预警和交叉路口碰撞预警等，自车接收远车数据，主要包括远车经纬度、高程、方向、车体尺寸、速度、三轴加速度、横摆角速度等信息。

前方拥堵提醒：自车根据收到的道路数据，以及本车的定位和运行数据，判定本车在路网中所处的位置和运动方向，判断车辆前方道路是否有交通拥堵。

周边其他交通参与者的信息及状态：路侧单元通过路侧本身拥有的相应检测手段，得到其周边交通参与者的实时状态信息(这里的交通参与者包括路侧单元本身、周围车辆、非机动车、行人等)，广播给周边车辆，支持这些车辆的相关应用。

基于构建的上述公交车辆运行数据集，取一条公交线路的M辆公交车的运行数据，包括原始速度特征和与车辆速度相关的m个因素数据，其中原始速度特征用X＝(X₁,X₂,...,X_p)^T表示，作为因变量；因素数据用f₁,f₂,...,f_m(m＜p)表示，分别代表某一车辆在某一时刻互不相关的m个与车速相关的因素的数据，作为自变量，如红灯剩余时长、拥堵路段长度、坡道位置、坡度、坡道长度、弯道位置、弯道长度、弯道曲率、车流量、前车车速等信息。

根据上述数据构成的样本的相关矩阵R和协方差矩阵S，用R和S做因子分析，研究相关矩阵或协方差阵的内部依赖关系，剔除与车速相关程度较低的变量，重新组合成一组新的互相无关的向量来代替原来的变量信息，选取对车辆运行速度相关的前几个因子，假设前几个因子为m个。

根据实际交通场景中出现影响速度的因素进行分组，并对各分组的速度值取均值E(X)和方差Var(X)。

E(X)＝μ＝(μ₁,μ₂,...,μ_p)^T

Var(X)＝∑＝(σ_ij)^T

采用因子分析的一般模型，建立下式

其中f₁,f₂,...,f_m(m＜p)作为公共因子，在本实施例中指的是影响公交车运行速度的因素数据(简称影响因素数据)，ε₁,ε₂,...,ε_m(m＜p)为特殊因子，将上式改写成矩阵形式：

X＝μ+AF+ε

其中F＝(f₁,f₂,...,f_m)^T为公共因子向量，A＝(a_ij)_p×m为因子载荷矩阵，ε＝(ε₁,ε₂,...,ε_m)^T特殊因子向量为m维不可观测的随机变量，其均值为0，它表示该因变量中不能被公共因子所解释的部分。

用采用主成分法、主因子法或者极大似然法做因子载荷矩阵A＝(a_ij)_p×m和特殊因子方差矩阵

的参数估计。估计函数的输入值包含样本方差矩阵或相关矩阵及主因子的个数，函数的输出有估计参数的方法，因子载荷，共性方差和特殊方差，以及F因子对变量X的贡献、贡献率和累积贡献率。因为参数估计作为数据挖掘的一般方法，属于现有技术，在此不做描述。

计算出因子载荷矩阵后，需要对因子载荷矩阵做多次旋转变换，使得因子载荷的每一列各元素的平方按列向0或1两极转化，达到结构简化的目的，计算得出公共因子得分和特殊因子，确定各种影响因素对公交车行驶速度的相关系数以及特殊因素加权，进而得出车辆运行速度模型为：

X＝a₁f₁+a₂f₂+…+a_mf_m+ε

2.对待估计车辆所在线路进行分段，并实时获取每段线路内影响因素数据。

根据道路实际场景对站间距离进行分段，可将每一站划分为一段，也可将影响因素数据种类相同的划分一段，在划分时可根据道路情况进行灵活划分。考虑到公交车实际运行过程中会遇到各种影响车速的情况，公交车在不同场景条件下速度不同，即公交车的速度在全线路可视为以各种影响因素为自变量的分段函数，为简化计算，本发明按照全线路依影响因素组来分段，该段内速度一定或有较小幅度的波动，以方便计算分段内运行时间及后续站点的到站时间。每段线路内的影响因素数据可通过步骤1中的方式获取，即通过车载单元和路侧单元采集相关数据。

3.将获取的每段线路内的影响因素数据代入到车辆运行速度模型中进行计算，得到各段的行驶时间，实现对公交到站的预测。

在带入车辆运行速度模型，若该段内某项影响因素数据不存在时，则车辆运行速度模型中的该项影响因素数据为0，实现对车辆运行速度模型进行实例化，得到该段的运行速度，用该段的分段距离除以该段的运行速度得出本段行驶时间，以此类推，得出每个分段的行驶时间，累加得出站间行驶时间；各个站间行驶时间累加，得出每站预估到站时间，可发布至公交站牌和公交候车app的后台。并以固定时间间隔，根据当前运行线路上的场景变化，更新以上时间信息，实现每站候车时间的动态更新。

装置实施例

本发明公交到站时间的预估装置包括存储器和处理器，以及存储在存储器上并在处理器上运行的计算机程序，处理器与存储器相耦合，处理器执行所述计算机程序时实现本发明的公交到站时间的预估方法，具体的过程已在方法的实施例中进行了详细说明，这里不再赘述。

Claims

1.一种公交到站时间的预估方法，其特征在于，该预估方法包括以下步骤：

1)将公交运行线路依据影响因素数据种类进行分段，将影响因素数据种类相同的划分为一段，并获取每段影响公交车运行速度的因素数据；

2)根据车辆运行速度模型和获取的各段的因素数据计算每段的车辆运行速度；所述的车辆运行速度模型采用因子分析法建立，建立过程如下：

B.根据因子分析法的一般模型，并基于步骤A中获取的车辆运行数据集确定各因子的权重，实现对车辆运行速度模型的构建；

2.根据权利要求1所述的公交到站时间的预估方法，其特征在于，所述的车辆运行速度模型为：

X＝a₁f₁+a₂f₂+…+a_mf_m+ε

其中，X为车辆运行速度，f_m 为影响公交车运行速度的第m 个因素数据，a_m 为第m 个因素数据的权值，m为因素数据的个数，ε为特殊因子。

3.根据权利要求1或2所述的公交到站时间的预估方法，其特征在于，所述的因素数据包括红灯剩余时长、拥堵路段长度、坡道位置、坡道、弯道位置、弯道长度、弯道曲率、车流量和前车车速。

4.根据权利要求1所述的公交到站时间的预估方法，其特征在于，所述步骤A中的各因素数据是通过车载单元和路侧单元获取。

5.一种公交到站时间的预估装置，其特征在于，该预估装置包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的公交到站时间的预估方法。