CN115641722B - 一种基于动态等待时间的班车出行服务系统及方法 - Google Patents

Abstract

本发明涉及一种基于动态等待时间的班车出行服务系统及方法，属于考虑乘客和驾驶员特性的道路车辆驾驶控制技术领域和智慧出行服务技术领域。包括服务端和终端。服务端包括服务逻辑处理模块、时间预测模块、数据分析模块和数据库；终端包括乘客端和驾驶员端。时间预测模块包括乘客到站时间预测单元和班车到站时间预测单元；数据分析模块包括班车速度分析单元、松弛时间变量分析单元和乘客速度分析单元。本发明的优点是：考虑不同用户的出行特性，为其建立个性化的行程时间预估模型，首次提出了“车等人”的班车运行模式，可以给予用户更加优质的班车乘坐体验，使得班车运营更加人性化。

Description

一种基于动态等待时间的班车出行服务系统及方法

技术领域

本发明属于智能交通领域，具体涉及一种基于动态等待时间的班车出行服务系统及方法。

背景技术

班车即通勤车，是有固定的路线和停靠站，并依照既定时间行驶的车辆。主要目的多为方便职工上下班的出行活动，多为机关、团体等专用的大型客车。其运营模式主要有两种：其一是企业或单位与客运公司签订合同，向其租借或购买客运服务，并提供规划好的班车站点和线路；其二是企业或单位事先购买好客车，聘请驾驶员，并设立其专门的班车运营部门。

目前，很多企业都使用班车来满足员工的上下班出行需求，方便了员工的同时也推动了公共交通的发展。但大量的班车出行仍采用传统的方式，班车按照固定的时间到达站点，乘客按照固定的到站时间选择出发时间，缺少智能化的出行服务，存在以下问题：

1.班车驾驶员方面：驾驶员不知道每站有多少乘客上车和乘客到站时间，导致驾驶员提前到站后不确定是否需要继续等待，以及应该等待多长时间，造成盲目等待而浪费时间。

2.乘客方面：通常情况下乘客都会提前到达站点，以免错过班车，在室外的长时间等待会大大降低乘客的出行体验，尤其是恶劣天气条件下；或者乘客马上到站但却眼看班车离开，乘客将因错过班车而增加通勤时间或者成本，进而导致情绪低落。

中国专利CN102646329B公开了一种智能公交系统，通过车载终端GPS模块与系统其他模块的协调配合，用户能查询到公交车的实时运行轨迹。虽然用户可以通过该系统获知公交车的实时位置信息，提前规划好自己的乘车线路，但是难免存在用户会误判自己到达站点时间的情况，导致错过班车。中国专利CN104036635B公开了一种智能公交应答系统，用户能通过站台终端或车载终端告知司机上、下车需求，使司机不必在每个站点都作停靠。但是在这个公交车系统中只是实现了司机获知已到站点的用户需求，用于解决司机下游站点是否需要停靠的问题，因不能获知即将到达站点的用户具体到站时间，所以不能解决司机下游站点是否需要等待乘客的问题。上述研究成果无法预测乘客的到站时间和班车的最大等待时间。

因此，现亟需一种基于动态等待时间的班车出行服务系统及方法，以实现提升服务品质的“车等人”。

发明内容

鉴于上述问题，本发明的目的是提供一种基于动态等待时间的班车出行服务系统及方法，通过对班车到站时间和乘客到站时间的实时个性化预测，为乘客提供班车到达时间信息和实时步行速度快慢提醒，告知驾驶员每站将要上车的乘客人数和乘客将要到站的具体时间，以及每站最大等待乘客时间，使乘客能有更好的出行的体验，提升幸福指数，以克服上述现有技术的不足。

本发明提供的一种基于动态等待时间的班车出行服务系统，包括：服务端和终端；

所述服务端包括服务逻辑处理模块、时间预测模块、数据分析模块和数据库；所述终端包括乘客端和驾驶员端；

所述服务逻辑处理模块用于根据时间预测结果制定服务策略，向驾驶员端发送是否需要等待乘客，以及如果等待需要等待的时间，向乘客端发送是否需要加速前往站点和“如需班车等待，请确认”的信息；

所述时间预测模块用于根据乘客和班车的实时位置和实时天气，利用由数据分析模块处理好的模型和参数对乘客到站时间和班车到站时间进行预测；所述时间预测模块包括乘客到站时间预测单元和班车到站时间预测单元；其中，所述乘客到站时间预测单元用于预测乘客到站时间，所述班车到站时间预测单元用于预测班车到站时间；

所述数据分析模块用于分析系统收集的乘客和班车历史行程数据，计算获取每位乘客的速度、每条班车线路的速度和松弛时间变量所需的个性化参数，并将其存储在数据库中以供时间预测时使用；所述数据分析模块包括班车速度分析单元、松弛时间变量分析单元和乘客速度分析单元；其中，所述班车速度分析单元用于班车速度的分析，所述松弛时间变量分析单元用于松弛时间的变量分析，所述乘客速度分析单元用于乘客速度的分析；

所述数据库用于保存基本数据、动态数据以及历史数据；

所述乘客端用于为乘客提供班车出行服务；

所述驾驶员端用于为乘客提供班车出行服务。

进一步地，所述数据库内储存的基本数据、动态数据以及历史数据包括如下：

基本数据包括：事先存入的乘客、驾驶员和线路的基本信息，以及时间预测模型基本参数；

其中乘客、驾驶员信息包括姓名、性别、工号、手机号；

线路信息包括站点的位置、路线安排和每两个站点之间路段的道路等级；

时间预测模型基本参数包括标准步行速度、班车自由流速度速度、乘客步行速度的年龄和性别修正系数、标准松弛变量；

所述动态数据包括：来自终端的乘客预约信息和来自时间预测模块的供后续预测周期使用的预测数据；

其中乘客预约信息包括班次、上车站点；

供后续循环使用的预测数据包括预计班车驶离每一站的时间t′_leave，n、预计班车停靠时间t_stop，n和预计班车到达终点站的时间t_{arrive，terminal}；

所述历史数据包括：来自终端的乘客和班车的历史行程数据；

其中乘客历史行程数据包括乘客历史行程的天气w、出发时间t_psg，start、到站时间t_psg，end、出发地与站点的距离s_psg；

班车历史行程数据包括班车历史行程的天气w、离开每站的时间t_{bus，start，n}、到达每站的时间t_{bus，end，n}和每相邻两站之间的距离s_bus，n。

进一步地，所述乘客端用于为乘客可通过乘客端查看和修改个人信息；进行班车预约并将预约信息发送给服务端数据库；接收来自服务端服务逻辑处理模块的本次行程的相关信息并显示给乘客，其中包括乘客预计到达时间、班车的实时位置、班车预计到达时间、是否将要迟到等信息；为服务端时间预测模块提供乘客的实时位置和实时天气信息；将历史行程数据发送给服务端数据库。

进一步地，所述驾驶员端用于为驾驶员可通过驾驶员端查看和修改个人信息；接收来自务端服务逻辑处理模块的本次行程的相关信息并显示给驾驶员，其中包括乘客预计到达时间、班车预计到达时间、每站乘客的迟到情况、每站是否应该等待和需要等待的时间等信息；为服务端时间预测模块提供班车的实时位置和实时天气信息；将历史行程数据发送给服务端数据库。

本发明的第二个目的是提供一种基于动态等待时间的班车出行服务系统的乘客和班车到站时间实时预测方法，具体包括以下步骤：

步骤S1：服务端时间预测模块的班车到站时间预测单元接收到驾驶员端发来的班车实时位置信息和天气信息，判断班车是否已驶离第n站；

步骤S11：若班车未驶离，则计算班车从第n站到第n+1站的预计行程时间为：

其中s_n，n+1为班车从第n站到第n+1站的距离，v_bus，n为班车从第n站到第n+1站的行驶速度；

计算班车到达第n+1站的预计时间为：

t_arrive，n+1＝t′_leave，n+Δt_n，n+1

其中t′_leave，n为上一预测周期得出的班车驶离第n站的时间；

然后向乘客端发送班车预计到达时间；

步骤S12：若班车已驶离，则时间预测模块的班车到站时间预测单元计算班车从当前位置到第n+1站的预计行程时间为：

其中s_now，n+1为班车当前位置到第n+1站的距离；

计算班车到达第n+1站的预计时间为：

t_arrive，n+1＝t+Δt_now，n+1

其中t为当前时间；

然后向乘客端发送班车预计到达时间；

步骤S2：判断n+1站是否为终点站：

步骤S21：若n+1站是终点站，则已经得到本预测周期每个未到站的预计到站时间，本个预测周期结束，将当前时间、天气、班车和乘客的位置、每一站班车的停靠时间、每一站班车和乘客的预计到站时间存入数据库，然后等待驾驶员端新发送来的位置信息，再开始下一个预测周期；

步骤S22：若n+1站不是终点站，服务端时间预测模块的乘客到站时间预测单元通过从乘客端接收到的乘客实时位置信息和天气信息，计算乘客到第n+1站的预计行程时间为：

其中s_psg，now为乘客当前位置到第n+1站的距离，v_psg为乘客步行速度；

步骤S3：计算乘客到达第n+1站的预计时间为：

t_psg＝t+Δt_psg

然后向乘客端发送乘客预计到达时间，再将第n+1站所有乘客的预计到站时间送给班车到站时间预测单元；

步骤S4：班车到站时间预测单元计算班车可等待的最长时间t_{wait，max，n+1}，然后将班车可等待的最长时间t_{wait，max，n+1}、班车预计到达时间t_arrive，m+1和第n+1站全部m名乘客预计到达时间t_psg，i(i＝1，2，...m)送入服务逻辑处理模块；

步骤S5：服务逻辑处理模块返回第n+1站预计班车停靠时间t_stop，n+1到时间预测模块的班车到站时间预测单元；

步骤S6：计算预计班车驶离第n+1站的时间为：

t_leave，n+1＝t_arrive，n+1+t_stop，n+1

步骤S7：回到步骤S1处，开始下一站的班车到站时间和乘客到站时间预测。

进一步地，在步骤S22中的乘客步行速度v_psg受乘客自身的年龄、性别、行走习惯和天气的影响；

v_psg＝v_psg，0×f₁×f₂×f₃×f_4，w

其中v_psg，0为标准步行速度，取1.3m/s；f₁为性别修正系数，男性取1，女性取0.92；f₂为年龄修正系数，儿童取0.84，青年取1，中老年取0.88；f₃、f_4，w为行走习惯和天气所对应的修正系数；w为天气；

每次行程结束后，数据分析模块的乘客速度分析单元对每位乘客的f₃、f_4，w重新进行计算，具体方法如下：

步骤S221：从数据库读取天气w与当日天气相同的乘客历史行程的出发时间t_psg，start、到站时间t_psg，end和出发地与站点的距离s_psg；计算每个历史行程乘客的平均速度为：

步骤S222：计算天气为w时乘客所有历史行程的平均速度均值

步骤S223：判断w是否为“晴”；

步骤S2231：如果w为晴，则计算行走习惯修正系数为：

而且规定f_4，晴为1；

步骤S2232：如果w不为晴，则计算天气修正系数为：

步骤S224：将结果保存到数据库；

进行乘客到站时间预测时，时间预测模块的乘客到站时间预测单元从数据库读取v_psg，0、f₁、f₂、f₃、f_4，w，然后按上述公式计算v_psg。

进一步地，在步骤S11中的班车行驶速度v_bus，n受线路、天气因素的影响；

v_bus，n＝v_bus，0×f_5，n×f_6，n，w

v_bus，0是班车自由流速度速度，主干路取50km/h，次干路取45km/h，支路取40km/h；f_5，n、f_6，n，w分别为线路和天气所对应的修正系数；w为天气；

每次行程结束后，数据分析模块的班车速度分析单元对每条线路的f₅、f_6，w重新进行计算，具体方法如下：

步骤S111：从数据库读取天气w与当日天气相同的班车历史行程的离开每站的时间t_{bus，start，n}(n＝1，2，...N-1，n为车站序号，N为车站总数)、到达每站的时间t_{bus，end，n}(n＝2，3，...N，n为车站序号，N为车站总数)和每两站之间的距离s_bus，n(n＝1，2，...N-1，n为这段距离起点的车站序号，N为车站总数)；计算每个历史行程每两站之间班车的平均速度为：

步骤S112：计算天气为w时所有班车历史行程每两站之间的平均速度均值

步骤S113：判断w是否为“晴”；

步骤S1131：如果w为晴，则计算每两站之间的线路修正系数为：

而且规定f_6，n，晴为1；

步骤S1132：如果w不为晴，则计算每两站之间的天气修正系数为：

步骤S114：将结果保存到数据库；

进行班车到站时间预测时，时间预测模块的班车到站时间预测单元从数据库读取v_bus，0、f₅、f₆，然后按上述公式计算v_bus，n。

进一步地，在步骤S4中的班车可等待的最长时间t_{wait，max，n}每一预测周期班车可等待的总时间为：

t_wait，sum＝max(t_std-t′_{arrive，terminal}-t_slack，0)

其中t_std为客户单位规定班车到达终点站的时间，t′_{arrive，terminal}为上一预测周期得出的班车到达终点站的时间，其在上一周期结束时已经被保存到数据库，可以在当前预测周期直接读取，如果当前周期为当日第一个周期则取该线路当前天气的历史真实值，t_slack为松弛时间变量；

班车在第n站可等待的最长时间为：

其中n_now为班车当前所在或刚离开的站点，m_i为第i站的乘客总数，t′_stop，i为上一预测周期得出的班车在第i站的停靠时间，其在上一周期结束时已经被保存到数据库，可以在当前预测周期直接读取，如果当前周期为当日第一个周期则取该线路当前天气的历史真实值，t_patient为由车上乘客耐心影响的班车可等待最长时间的上限，取3min，t_geton(m)为让m名乘客全部上车所需时间，t_geton(m)＝2m秒。

进一步地，所述松弛时间变量t_slack的计算，松弛时间变量t_slack表示假设班车进行了最长时间的等待后，预计到达终点站的时间与按照规定要求班车到达终点站的最迟时间之差，且受线路、天气因素的影响；

t_slack＝f₇×f_8，w×t_slack，0

其中，f₇、f_8，w为线路和天气所对应的修正系数；w为天气；t_slack，0为标准松弛变量，取3min；

每次行程结束后，数据分析模块的松弛时间变量分析单元对每条线路的f₇、f_8，w重新进行计算，具体方法如下：

步骤S41：从数据库读取天气w与当日天气相同的班车历史行程的到达终点站的时间t_{arrive，terminal，w}；

步骤S42：计算天气为w时班车到达终点站历史时间的标准差s(t_{arrive，terminal，w})；

步骤S43：判断w是否为“晴”；

步骤S431：如果w为晴，则计算线路修正系数为：

而且规定f_8，晴为1；

步骤S432：如果w不为晴，则计算天气修正系数为：

而且不对f₇进行修改；

步骤S44：将结果保存到数据库；

进行班车到站时间预测时，时间预测模块的班车到站时间预测单元从数据库读取f7、f_8，w、t_slack，0，然后计算t_slack。

本发明第三个目的是提供一种基于动态等待时间的班车出行服务系统的班车等待方法，具体包括以下步骤：

步骤S1：时间预测模块将第n站班车可等待的最长时间t_{wait，max，n}、班车预计到达时间t_arrive，n和第n站的全部m名乘客预计到达时间t_psg，i(i＝1，2，...m)发送到服务逻辑处理模块，选出最后一名乘客的预计到站时间为：

t_psg，last＝max(t_psg，i)

服务逻辑处理模块根据以上变量进行如下判断；

步骤S11：t_arrive，n＞t_psg，last，则服务逻辑处理模块向驾驶员端发送“班车无需等待”的信息，将

发送给时间预测模块；其中

为让第n站的全部m_n名乘客全部上车所需时间，t_geton(m)＝2m秒；

步骤S12：t_arrive，n＜t_psg，last＜t_arrive，n+t_{wait，max，n}，则服务逻辑处理模块向驾驶员端发送“班车需要等待直至该乘客到站”的信息和需要等待的时长，向乘客端发送“乘客需要加速前往车站”的信息，将t_stop，n＝t_psg，last-t_arrive，n发送给时间预测模块；

步骤S13：t_arrive，n+t_{wait，max，n}＜t_psg，last＜t_arrive，n+1.2t_{wait，max，n}，则为了尽可能接到乘客，服务逻辑处理模块向驾驶员端发送班车需要等待的时长，其值为可等待的最长时间，向乘客端发送“如果需要班车等待，请加速前往站点，并按‘确认’”的信息，然后将t_stop，n＝t_{wait，max，n}发送给时间预测模块；在下一个预测周期结束时，如果没收到乘客端发来的回复，则认为该乘客放弃本次班车行程，将其在服务端数据库当日当站的乘客列表中标注“放弃行程”，本次行程的剩余预测周期不再考虑该乘客；

步骤S14：t_psg，last＞t_arrive，n+1.2t_{wait，max，n}，则认为该乘客放弃本次班车行程，将其在服务端数据库当日当站的乘客列表中标注“放弃行程”，本次行程的剩余预测周期不再考虑该乘客，然后重新计算t_psg，last并进行上述判断过程。

本发明的优点及积极效果是：

1、本发明考虑不同用户的出行特性，为其建立个性化的行程时间预估模型，首次提出了“车等人”的班车运行模式，可以给予用户更加优质的班车乘坐体验，使得班车运营更加人性化。

2、本发明通过对班车到站时间和乘客到站时间的实时个性化预测，为乘客提供班车到达时间信息和实时步行速度快慢提醒，告知驾驶员每站将要上车的乘客人数和乘客将要到站的具体时间，以及每站最大等待乘客时间，使乘客能有更好的出行的体验，提升幸福指数。

附图说明

通过参考以下结合附图的说明，并且随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：

图1本发明实施例中一种基于动态等待时间的班车出行服务系统的整体结构图。

图2本发明实施例中一种基于动态等待时间的班车出行服务系统的时间预测逻辑框图。

附图标记：服务逻辑处理模块1、时间预测模块2、乘客到站时间预测单元201、班车到站时间预测单元202、数据分析模块3、班车速度分析单元301、松弛时间变量分析单元302、乘客速度分析单元303、数据库4、乘客端5、驾驶员端6。

具体实施方式

在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。在其它例子中，为了便于描述一个或多个实施例，公知的结构和设备以方框图的形式示出。

实施例1

图1示出了根据本发明实施例的整体结构示意图。

如图1所示，本发明实施例提供的基于动态等待时间的班车出行服务系统，由服务端和终端两部分组成。其中服务端包括服务逻辑处理模块1、时间预测模块2、数据分析模块3和数据库4，时间预测模块2包括乘客到站时间预测单元201和班车到站时间预测单元202；数据分析模块3包括班车速度分析单元301、松弛时间变量分析单元302和乘客速度分析单元303；终端由乘客端5和驾驶员端6组成。

本实施例中的服务端4用于承担整个系统的绝大部分计算工作，并可以与终端进行交互以及存储数据。

本实施例中的数据分析模块3用于分析系统收集的乘客和班车历史行程数据，计算获取每位乘客的速度、每条班车线路的速度和松弛时间变量所需的个性化参数，并将其存储在数据库4中以供时间预测时使用。

本实施例中的时间预测模块2用于根据乘客和班车的实时位置和实时天气，利用由数据分析模块处理好的模型和参数对乘客到站时间和班车到站时间进行预测。其中，乘客到站时间预测单元201用于预测乘客到站时间，班车到站时间预测单元202用于预测班车到站时间。

本实施例中的服务逻辑处理模块1用于根据时间预测结果制定服务策略，向驾驶员端6发送是否需要等待乘客，以及如果等待需要等待的时间，向乘客端5发送是否需要加速前往站点和“如需班车等待，请确认”的信息。

本实施例中的数据库4用于保存基本数据、动态数据以及历史数据。

其中，基本数据包括事先存入的乘客、驾驶员和线路的基本信息，以及时间预测模型基本参数。

乘客、驾驶员信息包括姓名、性别、工号、手机号。

线路信息包括站点的位置、路线安排和每两个站点之间路段的道路等级。

时间预测模型基本参数包括标准步行速度、班车自由流速度速度、乘客步行速度的年龄和性别修正系数、标准松弛变量。

其中，动态数据包括来自终端的乘客预约信息和来自时间预测模块的供后续预测周期使用的预测数据。

乘客预约信息包括班次、上车站点。

供后续循环使用的预测数据包括预计班车驶离每一站的时间t′_leave，n、预计班车停靠时间t_stop，n和预计班车到达终点站的时间t_{arrive，terminal}。

其中，历史数据包括来自终端的乘客和班车的历史行程数据。

乘客历史行程数据包括乘客历史行程的天气w、出发时间t_psg，start、到站时间t_psg，end、出发地与站点的距离s_psg，full。

班车历史行程数据包括班车历史行程的天气w、离开每站的时间t_{bus，start，n}、到达每站的时间t_{bus，end，n}和每相邻两站之间的距离s_bus，n。

本实施例中的乘客端5用于为乘客提供班车出行服务。具体包括乘客可通过乘客端查看和修改个人信息；进行班车预约并将预约信息发送给服务端数据库；接收来自服务端服务逻辑处理模块的本次行程的相关信息并显示给乘客，包括乘客预计到达时间、班车的实时位置、班车预计到达时间、是否将要迟到等信息；为服务端时间预测模块提供乘客的实时位置和实时天气信息；将历史行程数据发送给服务端数据库。

本实施例中的驾驶员6端用于帮助驾驶员为乘客提供班车出行服务。具体包括驾驶员可通过驾驶员端查看和修改个人信息；接收来自务端服务逻辑处理模块的本次行程的相关信息并显示给驾驶员，其中包括乘客预计到达时间、班车预计到达时间、每站乘客的迟到情况、每站是否应该等待和需要等待的时间等信息；为服务端时间预测模块提供班车的实时位置和实时天气信息；将历史行程数据发送给服务端数据库。

实施例2

图2示出了根据本发明实施例的整体结构示意图。

如图2所示，本发明实施例提供的乘客和班车到站时间实时预测方法，具体包括以下步骤：

步骤1：服务端时间预测模块的班车到站时间预测单元接收到驾驶员端发来的班车实时位置信息和天气信息，判断班车是否已驶离第n站。

(1)若班车未驶离，则计算班车从第n站到第n+1站的预计行程时间为：

其中s_n，n+1为班车从第n站到第n+1站的距离，v_bus，n为班车从第n站到第n+1站的行驶速度。

计算班车到达第n+1站的预计时间为：

t_arrive，n+1＝t′_leave，n+Δt_n，n+1

其中t′_leave，n为上一预测周期得出的班车驶离第n站的时间。

然后向乘客端发送班车预计到达时间。

(2)若班车已驶离，则时间预测模块的班车到站时间预测单元计算班车从当前位置到第n+1站的预计行程时间为：

其中s_now，n+1为班车当前位置到第n+1站的距离。

计算班车到达第n+1站的预计时间为：

t_arrive，n+1＝t+Δt_now，n+1

其中t为当前时间。

然后向乘客端发送班车预计到达时间。

步骤2：判断n+1站是否为终点站：

(1)若n+1站是终点站，则已经得到本预测周期每个未到站的预计到站时间，本个预测周期结束，将当前时间、天气、班车和乘客的位置、每一站班车的停靠时间、每一站班车和乘客的预计到站时间存入数据库，然后等待驾驶员端新发送来的位置信息，再开始下一个预测周期。

(2)若n+1站不是终点站，服务端时间预测模块的乘客到站时间预测单元通过从乘客端接收到的乘客实时位置信息和天气信息，计算乘客到第n+1站的预计行程时间为：

其中s_psg，now为乘客当前位置到第n+1站的距离，v_psg为乘客步行速度。

步骤3：计算乘客到达第n+1站的预计时间为：

t_psg＝t+Δt_psg

然后向乘客端发送乘客预计到达时间，再将第n+1站所有乘客的预计到站时间送给班车到站时间预测单元。

步骤4：班车到站时间预测单元计算班车可等待的最长时间t_{wait，max，n+1}，然后将班车可等待的最长时间t_{wait，max，n+1}、班车预计到达时间t_arrive，n+1和第n+1站全部m名乘客预计到达时间t_psg，i(i＝1，2，...m)送入服务逻辑处理模块。

步骤5：服务逻辑处理模块返回第n+1站预计班车停靠时间t_stop，n+1到时间预测模块的班车到站时间预测单元。

步骤6：计算预计班车驶离第n+1站的时间为：

t_leave，n+1＝t_arrive，n+1+t_stop，n+1

步骤7：回到步骤1处，开始下一站的班车到站时间和乘客到站时间预测。

本实施例中的乘客速度v_psg受乘客自身的年龄、性别、行走习惯和天气的影响。

v_psg＝v_psg，0×f₁×f₂×f₃×f_4，w

其中v_psg，0为标准步行速度，取1.3m/s。f₁为性别修正系数，男性取1，女性取0.92；f₂为年龄修正系数，儿童取0.84，青年取1，中老年取0.88；f₃、f_4，w为行走习惯和天气所对应的修正系数；w为天气。

每次行程结束后，数据分析模块的乘客速度分析单元对每位乘客的f₃、f_4，w重新进行计算，具体方法如下：

步骤1：从数据库读取天气w与当日天气相同的乘客历史行程的出发时间t_psg，start、到站时间t_psg，end和出发地与站点的距离s_psg。计算每个历史行程乘客的平均速度为：

步骤2：计算天气为w时乘客所有历史行程的平均速度均值

步骤3：判断w是否为“晴”。

(1)如果w为晴，则计算行走习惯修正系数为：

而且规定f_4，晴为1。

(2)如果w不为晴，则计算天气修正系数为：

步骤4：将结果保存到数据库。

进行乘客到站时间预测时，时间预测模块的乘客到站时间预测单元从数据库读取v_psg，0、f₁、f₂、f₃、f_4，w，然后按上述公式计算v_psg。

本实施例中班车的速度v_bus，n受线路、天气因素的影响。

v_bus，n＝v_bus，0×f_5，n×f_6，n，w

v_bus，0是班车自由流速度速度，主干路取60km/h，次干路取50km/h，支路取40km/h；f_5，n、f_6，n，w分别为线路和天气所对应的修正系数；w为天气。

每次行程结束后，数据分析模块的班车速度分析单元对每条线路的f₅、f_6，w重新进行计算，具体方法如下：

步骤1：从数据库读取天气w与当日天气相同的班车历史行程的离开每站的时间t_{bus，start，n}(n＝1，2，...N-1，n为车站序号，N为车站总数)、到达每站的时间t_{bus，end，n}(n＝2，3，...N，n为车站序号，N为车站总数)和每两站之间的距离s_bus，n(n＝1，2，...N-1，n为这段距离起点的车站序号，N为车站总数)。计算每个历史行程每两站之间班车的平均速度为：

步骤2：计算天气为w时所有班车历史行程每两站之间的平均速度均值

步骤3：判断w是否为“晴”。

(1)如果w为晴，则计算每两站之间的线路修正系数为：

而且规定f_6，n，晴为1。

(2)如果w不为晴，则计算每两站之间的天气修正系数为：

步骤4：将结果保存到数据库。

进行班车到站时间预测时，时间预测模块的班车到站时间预测单元从数据库读取v_bus，0、f₅、f₆，然后按上述公式计算v_bus，n。

本实施例中的班车可等待的最长时间t_{wait，max，n}：

每一预测周期班车可等待的总时间为：

t_wait，sum＝max(t_std-t′_arrive，_terminal-t_slack，0)

其中t_std为客户单位规定班车到达终点站的时间，t′_{arrive，terminal}为上一预测周期得出的班车到达终点站的时间(上一周期结束时已经保存到数据库，可以在当前预测周期直接读取，如果当前周期为当日第一个周期则取该线路当前天气的历史真实值)，t_slack为松弛时间变量。

班车在第n站可等待的最长时间为：

其中n_now为班车当前所在或刚离开的站点，m_i为第i站的乘客总数，t′_stop，i为上一预测周期得出的班车在第i站的停靠时间(上一周期结束时已经保存到数据库，可以在当前预测周期直接读取，如果当前周期为当日第一个周期则取该线路当前天气的历史真实值)，t_patient为由车上乘客耐心影响的班车可等待最长时间的上限，取3min，t_geton(m)为让m名乘客全部上车所需时间，t_geton(m)＝2m秒。

本实施例中的松弛时间变量t_slack：

松弛时间变量t_slack表示假设班车进行了最长时间的等待后，预计到达终点站的时间与按照规定要求班车到达终点站的最迟时间之差，且受线路、天气因素的影响。

t_slack＝f₇×f_8，w×t_slack，0

其中，f₇、f_8，w为线路和天气所对应的修正系数；w为天气；t_slack，0为标准松弛变量，取3min。

每次行程结束后，数据分析模块的松弛时间变量分析单元对每条线路的f₇、f_8，w重新进行计算，具体方法如下：

步骤1：从数据库读取天气w与当日天气相同的班车历史行程的到达终点站的时间t_{arrive，terminal，w}。

步骤2：计算天气为w时班车到达终点站历史时间的标准差s(t_{arrive，terminal，w})。

步骤3：判断w是否为“晴”。

如果w为晴，则计算线路修正系数为：

而且规定f_8，晴为1。

(2)如果w不为晴，则计算天气修正系数为：

而且不对f₇进行修改。

步骤4：将结果保存到数据库。

进行班车到站时间预测时，时间预测模块的班车到站时间预测单元从数据库读取f7、f_8，w、t_slack，0，然后计算t_slack。

实施例3

本实施例中的班车等待方法，具体包括以下步骤：

步骤1：时间预测模块将第n站班车可等待的最长时间t_{wait，max，n}、班车预计到达时间t_arrive，n和第n站的全部m名乘客预计到达时间t_psg，i(i＝1，2，...m)发送到服务逻辑处理模块，选出最后一名乘客的预计到站时间为：

t_psg，last＝max(t_psg，i)

服务逻辑处理模块根据以上变量进行如下判断。

步骤11：t_arrive，n＞t_psg，last，则服务逻辑处理模块向驾驶员端发送“班车无需等待”的信息，将

发送给时间预测模块。其中

为让第n站的全部m_n名乘客全部上车所需时间，t_get。n(m)＝2m秒。

步骤12：t_arrive，n＜t_psg，last＜t_arrive，n+t_{wait，max，n}，则服务逻辑处理模块向驾驶员端发送“班车需要等待直至该乘客到站”的信息和需要等待的时长，向乘客端发送“乘客需要加速前往车站”的信息，将t_stop，n＝t_psg，last-t_arrive，n发送给时间预测模块。

步骤13：t_arrive，n+t_{wait，max，n}＜t_psg，last＜t_arrive，n+1.2t_{wait，max，n}，则为了尽可能接到乘客，服务逻辑处理模块向驾驶员端发送班车需要等待的时长，其值为可等待的最长时间，向乘客端发送“如果需要班车等待，请加速前往站点，并按‘确认’”的信息，然后将t_stop，n＝t_{wait，max，n}发送给时间预测模块。在下一个预测周期结束时，如果没收到乘客端发来的回复，则认为该乘客放弃本次班车行程，将其从当日当站的乘客列表中删除，本次行程的剩余预测周期不再考虑该乘客。

步骤14：t_psg，last＞t_arrive，n+1.2t_{wait，max，n}，则认为该乘客放弃本次班车行程，将其在服务端数据库当日当站的乘客列表中标注“放弃行程”，本次行程的剩余预测周期不再考虑该乘客，然后重新计算t_psg，last并进行上述判断过程。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种基于动态等待时间的班车出行服务系统，其特征在于，包括：服务端和终端；

所述服务端包括服务逻辑处理模块、时间预测模块、数据分析模块和数据库；所述终端包括乘客端和驾驶员端；

所述服务逻辑处理模块用于根据时间预测结果制定服务策略，向驾驶员端发送是否需要等待乘客，以及如果等待需要等待的时间，向乘客端发送是否需要加速前往站点和“如需班车等待，请确认”的信息；

所述时间预测模块用于根据乘客和班车的实时位置和实时天气，利用由数据分析模块处理好的模型和参数对乘客到站时间和班车到站时间进行预测；所述时间预测模块包括乘客到站时间预测单元和班车到站时间预测单元；其中，所述乘客到站时间预测单元用于预测乘客到站时间，所述班车到站时间预测单元用于预测班车到站时间；

所述数据分析模块用于分析系统收集的乘客和班车历史行程数据，计算获取每位乘客的速度、每条班车线路的速度和松弛时间变量所需的个性化参数，并将其存储在数据库中以供时间预测时使用；所述数据分析模块包括班车速度分析单元、松弛时间变量分析单元和乘客速度分析单元；其中，所述班车速度分析单元用于班车速度的分析，所述松弛时间变量分析单元用于松弛时间的变量分析，所述乘客速度分析单元用于乘客速度的分析；

所述数据库用于保存基本数据、动态数据以及历史数据；

所述乘客端用于为乘客提供班车出行服务；

所述驾驶员端用于为乘客提供班车出行服务；

所述松弛时间变量t_slack的计算，松弛时间变量t_slack表示假设班车进行了最长时间的等待后，预计到达终点站的时间与按照规定要求班车到达终点站的最迟时间之差，且受线路、天气因素的影响；

t_slack＝f₇×f_8，w×t_slack，0

其中，f₇、f_8，w为线路和天气所对应的修正系数；w为天气；t_slack，0为标准松弛变量，取3min；

每次行程结束后，数据分析模块的松弛时间变量分析单元对每条线路的f₇、f_8，w重新进行计算，具体方法如下：

步骤41：从数据库读取天气w与当日天气相同的班车历史行程的到达终点站的时间t_{arrive，terminal，w}；

步骤42：计算天气为w时班车到达终点站历史时间的标准差s(t_{arrive，terminal，w})；

步骤43：判断w是否为“晴”；

步骤431：如果w为晴，则计算线路修正系数为：

而且规定f_8，晴为1；

步骤432：如果w不为晴，则计算天气修正系数为：

而且不对f₇进行修改；

步骤44：将结果保存到数据库；

进行班车到站时间预测时，时间预测模块的班车到站时间预测单元从数据库读取f₇、f_8，w、t_slack，0，然后计算t_slack。

2.根据权利要求1所述的一种基于动态等待时间的班车出行服务系统，其特征在于，所述数据库内储存的基本数据、动态数据以及历史数据包括如下：

基本数据包括：事先存入的乘客、驾驶员和线路的基本信息，以及时间预测模型基本参数；

其中乘客、驾驶员信息包括姓名、性别、工号、手机号；

线路信息包括站点的位置、路线安排和每两个站点之间路段的道路等级；

时间预测模型基本参数包括标准步行速度、班车自由流速度速度、乘客步行速度的年龄和性别修正系数、标准松弛变量；

所述动态数据包括：来自终端的乘客预约信息和来自时间预测模块的供后续预测周期使用的预测数据；

其中乘客预约信息包括班次、上车站点；

供后续循环使用的预测数据包括预计班车驶离每一站的时间t′_leave，n、预计班车停靠时间t_stop，n和预计班车到达终点站的时间t_{arrive，terminal}；

所述历史数据包括：来自终端的乘客和班车的历史行程数据；

其中乘客历史行程数据包括乘客历史行程的天气w、出发时间t_psg，start、到站时间t_psg，end、出发地与站点的距离s_psg；

班车历史行程数据包括班车历史行程的天气w、离开每站的时间t_{bus，start，n}、到达每站的时间t_{bus，end，n}和每相邻两站之间的距离s_bus，n。

3.根据权利要求1所述的一种基于动态等待时间的班车出行服务系统，其特征在于，所述乘客端用于为乘客可通过乘客端查看和修改个人信息；进行班车预约并将预约信息发送给服务端数据库；接收来自服务端服务逻辑处理模块的本次行程的相关信息并显示给乘客，其中包括乘客预计到达时间、班车的实时位置、班车预计到达时间、是否将要迟到信息；为服务端时间预测模块提供乘客的实时位置和实时天气信息；将历史行程数据发送给服务端数据库。

4.根据权利要求1所述的一种基于动态等待时间的班车出行服务系统，其特征在于，所述驾驶员端用于为驾驶员可通过驾驶员端查看和修改个人信息；接收来自务端服务逻辑处理模块的本次行程的相关信息并显示给驾驶员，其中包括乘客预计到达时间、班车预计到达时间、每站乘客的迟到情况、每站是否应该等待和需要等待的时间信息；为服务端时间预测模块提供班车的实时位置和实时天气信息；将历史行程数据发送给服务端数据库。

5.根据权利要求1所述的一种基于动态等待时间的班车出行服务系统的乘客和班车到站时间实时预测方法，其特征在于，包括以下步骤：

步骤S1：服务端时间预测模块的班车到站时间预测单元接收到驾驶员端发来的班车实时位置信息和天气信息，判断班车是否已驶离第n站；

步骤S11：若班车未驶离，则计算班车从第n站到第n+1站的预计行程时间为：

其中s_n，n+1为班车从第n站到第n+1站的距离，v_bus，n为班车从第n站到第n+1站的行驶速度；

计算班车到达第n+1站的预计时间为：

t_arrive，n+1＝t′_leave，n+Δt_n，n+1

其中t′_leave，n为上一预测周期得出的班车驶离第n站的时间；

然后向乘客端发送班车预计到达时间；

步骤S12：若班车已驶离，则时间预测模块的班车到站时间预测单元计算班车从当前位置到第n+1站的预计行程时间为：

其中s_now，n+1为班车当前位置到第n+1站的距离；

计算班车到达第n+1站的预计时间为：

t_arrive，n+1＝t+Δt_now，n+1

其中t为当前时间；

然后向乘客端发送班车预计到达时间；

步骤S2：判断n+1站是否为终点站：

步骤S21：若n+1站是终点站，则已经得到本预测周期每个未到站的预计到站时间，本个预测周期结束，将当前时间、天气、班车和乘客的位置、每一站班车的停靠时间、每一站班车和乘客的预计到站时间存入数据库，然后等待驾驶员端新发送来的位置信息，再开始下一个预测周期；

步骤S22：若n+1站不是终点站，服务端时间预测模块的乘客到站时间预测单元通过从乘客端接收到的乘客实时位置信息和天气信息，计算乘客到第n+1站的预计行程时间为：

其中s_psg，now为乘客当前位置到第n+1站的距离，v_psg为乘客步行速度；

步骤S3：计算乘客到达第n+1站的预计时间为：

t_psg＝t+Δt_psg

然后向乘客端发送乘客预计到达时间，再将第n+1站所有乘客的预计到站时间送给班车到站时间预测单元；

步骤S4：班车到站时间预测单元计算班车可等待的最长时间t_{wait，max，n+1}，然后将班车可等待的最长时间t_{wait，max，n+1}、班车预计到达时间t_arrive，n+1和第n+1站全部m名乘客预计到达时间t_psg，i(i＝1，2，...m)送入服务逻辑处理模块；

步骤S5：服务逻辑处理模块返回第n+1站预计班车停靠时间t_stop，n+1到时间预测模块的班车到站时间预测单元；

步骤S6：计算预计班车驶离第n+1站的时间为：

t_leave，n+1＝t_arrive，n+1+t_stop，n+1

步骤S7：回到步骤S1处，开始下一站的班车到站时间和乘客到站时间预测。

6.根据权利要求5所述的一种基于动态等待时间的班车出行服务系统的乘客和班车到站时间实时预测方法，其特征在于，在步骤S22中的乘客步行速度v_psg受乘客自身的年龄、性别、行走习惯和天气的影响；

v_psg＝v_psg，0×f₁×f₂×f₃×f_4，w

其中v_psg，0为标准步行速度，取1.3m/s；f₁为性别修正系数，男性取1，女性取0.92；f₂为年龄修正系数，儿童取0.84，青年取1，中老年取0.88；f₃、f_4，w为行走习惯和天气所对应的修正系数；w为天气；

每次行程结束后，数据分析模块的乘客速度分析单元对每位乘客的f₃、f_4，w重新进行计算，具体方法如下：

步骤S221：从数据库读取天气w与当日天气相同的乘客历史行程的出发时间t_psg，start、到站时间t_psg，end和出发地与站点的距离s_psg；计算每个历史行程乘客的平均速度为：

步骤S222：计算天气为w时乘客所有历史行程的平均速度均值

步骤S223：判断w是否为“晴”；

步骤S2231：如果w为晴，则计算行走习惯修正系数为：

而且规定f_4，晴为1；

步骤S2232：如果w不为晴，则计算天气修正系数为：

步骤S224：将结果保存到数据库；

进行乘客到站时间预测时，时间预测模块的乘客到站时间预测单元从数据库读取v_psg，0、f₁、f₂、f₃、f_4，w，然后按上述公式计算v_psg。

7.根据权利要求5所述的一种基于动态等待时间的班车出行服务系统的乘客和班车到站时间实时预测方法，其特征在于，在步骤S11中的班车行驶速度v_bus，n受线路、天气因素的影响；

v_bus，n＝v_bus，0×f_5，n×f_6，n，w

v_bus，0是班车自由流速度速度，主干路取50km/h，次干路取45km/h，支路取40km/h；f_5，n、f_6，n，w分别为线路和天气所对应的修正系数；w为天气；

每次行程结束后，数据分析模块的班车速度分析单元对每条线路的f₅、f_6，w重新进行计算，具体方法如下：

步骤S111：从数据库读取天气w与当日天气相同的班车历史行程的离开每站的时间t_{bus，start，n}(n＝1，2，...N-1，n为车站序号，N为车站总数)、到达每站的时间t_{bus，end，n}(n＝2，3，...N，n为车站序号，N为车站总数)和每两站之间的距离s_bus，n(n＝1，2，...N-1，n为这段距离起点的车站序号，N为车站总数)；计算每个历史行程每两站之间班车的平均速度为：

步骤S112：计算天气为w时所有班车历史行程每两站之间的平均速度均值

步骤S113：判断w是否为“晴”；

步骤S1131：如果w为晴，则计算每两站之间的线路修正系数为：

而且规定f_6，n，晴为1；

步骤S1132：如果w不为晴，则计算每两站之间的天气修正系数为：

步骤S114：将结果保存到数据库；

进行班车到站时间预测时，时间预测模块的班车到站时间预测单元从数据库读取v_bus，0、f₅、f₆，然后按上述公式计算v_bus，n。

8.根据权利要求5所述的一种基于动态等待时间的班车出行服务系统的乘客和班车到站时间实时预测方法，其特征在于，在步骤S4中的班车可等待的最长时间t_{wait，max，n}每一预测周期班车可等待的总时间为：

t_wait，sum＝max(t_std-t′_{arrive，terminal}-t_slack，0)

其中t_std为客户单位规定班车到达终点站的时间，t′_{arrive，terminal}为上一预测周期得出的班车到达终点站的时间，其在上一周期结束时已经被保存到数据库，可以在当前预测周期直接读取，如果当前周期为当日第一个周期则取该线路当前天气的历史真实值，t_slack为松弛时间变量；

班车在第n站可等待的最长时间为：

其中n_now为班车当前所在或刚离开的站点，m_i为第i站的乘客总数，t′_stop，i为上一预测周期得出的班车在第i站的停靠时间，其在上一周期结束时已经被保存到数据库，可以在当前预测周期直接读取，如果当前周期为当日第一个周期则取该线路当前天气的历史真实值，t_patrent为由车上乘客耐心影响的班车可等待最长时间的上限，取3min，t_geton(m)为让m名乘客全部上车所需时间，t_geton(m)＝2m秒。

9.根据权利要求1所述的一种基于动态等待时间的班车出行服务系统的班车等待方法，其特征在于，包括以下步骤：

步骤S1：时间预测模块将第n站班车可等待的最长时间t_{wait，max，n}、班车预计到达时间t_arrive，n和第n站的全部m名乘客预计到达时间t_psg，i(i＝1，2，...m)发送到服务逻辑处理模块，选出最后一名乘客的预计到站时间为：

t_psg，last＝max(t_psg，i)

服务逻辑处理模块根据以上变量进行如下判断；

步骤S11：t_arrive，n＞t_psg，last，则服务逻辑处理模块向驾驶员端发送“班车无需等待”的信息，将

发送给时间预测模块；其中

为让第n站的全部m_n名乘客全部上车所需时间，t_geton(m)＝2m秒；

步骤S12：t_arrive，n＜t_psg，last＜t_arrive，n+t_{wait，max，n}，则服务逻辑处理模块向驾驶员端发送“班车需要等待直至该乘客到站”的信息和需要等待的时长，向乘客端发送“乘客需要加速前往车站”的信息，将t_stop，n＝t_psg，last-t_arrive，n发送给时间预测模块；

步骤S13：t_arrive，n+t_{wait，max，n}＜t_psg，last＜t_arrive，n+1.2t_{wait，max，n}，则为了尽可能接到乘客，服务逻辑处理模块向驾驶员端发送班车需要等待的时长，其值为可等待的最长时间，向乘客端发送“如果需要班车等待，请加速前往站点，并按‘确认’”的信息，然后将t_stop，n＝t_{wait，max，n}发送给时间预测模块；在下一个预测周期结束时，如果没收到乘客端发来的回复，则认为该乘客放弃本次班车行程，将其在服务端数据库当日当站的乘客列表中标注“放弃行程”，本次行程的剩余预测周期不再考虑该乘客；

步骤S14：t_psg，last＞t_arrive，n+1.2t_{wait，max，n}，则认为该乘客放弃本次班车行程，将其在服务端数据库当日当站的乘客列表中标注“放弃行程”，本次行程的剩余预测周期不再考虑该乘客，然后重新计算t_psg，last并进行上述判断过程。

Images