CN117334072A - 公交车辆到站时刻预测方法和装置 - Google Patents
公交车辆到站时刻预测方法和装置 Download PDFInfo
- Publication number
- CN117334072A CN117334072A CN202311627813.9A CN202311627813A CN117334072A CN 117334072 A CN117334072 A CN 117334072A CN 202311627813 A CN202311627813 A CN 202311627813A CN 117334072 A CN117334072 A CN 117334072A
- Authority
- CN
- China
- Prior art keywords
- station
- target
- time
- current
- adjacent
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000004044 response Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种公交车辆到站时刻预测方法和装置,其中,方法包括:确定到站时间预测请求包括的目标公交车辆对应的行驶线路信息;根据行驶线路信息和当前位置信息,确定目标公交车的第一轨迹距离信息、第二轨迹距离信息和站点行驶时长;获取下一车站与目标车站之间的各对相邻两车站在当前时刻信息对应的第一目标时段中所对应的当前行驶时长;基于第一轨迹距离信息、第二轨迹距离信息、站点行驶时长和各对相邻两车站对应的当前行驶时长,预测目标公交车辆由当前位置行驶至目标车站的目标行驶时长。
Description
技术领域
本发明涉及交通控制技术领域,尤其是一种公交车辆到站时刻预测方法和装置。
背景技术
公共交通是人们日常出行常用的交通方式之一。目前公交车辆主要是采取排班制的发车的方式。然而由于道路状况、天气等因素的影响,使得公交车辆实际到达站点的时间与制定的到站时间往往存在较大偏差。
相关技术中,在公开号为CN115966098A的申请中公开了通过历史到达各站点的平均时间,预测到站时刻,然而由于路况等实际因素的影响,仅通过历史到达时刻,往往无法准确预测当前的到站时刻,在公开号为CN115775465A的申请中公开了通过公交车辆离开第一车站的离站时间和在该离站时间对应的时段中由第一车站到达第二车站的运行时长,并根据该运行时长和离站时间,确定到达第二车站的时间,然而该申请仅能预测车辆在两个车站之间到站时间,应用存在较大限制。
发明内容
为了解决上述问题,本发明实施例提供了一种公交车辆到站时刻预测方法。
本发明实施例的一个方面,提供了一种公交车辆到站时刻预测方法,包括:响应于接收到到站时间预测请求,确定所述到站时间预测请求包括的目标公交车辆对应的行驶线路信息,其中,所述到站时间预测请求包括:所述目标公交车辆的当前位置信息、目标车站信息和当前时刻信息;根据所述行驶线路信息和所述当前位置信息,确定所述目标公交车与距离所述目标公交车最近的下一车站之间的第一轨迹距离信息、所述下一车站与所述下一车站的上一车站之间的第二轨迹距离信息、以及所述目标公交车辆由所述目标公交车辆的当前位置到达所述下一车站的站点行驶时长;获取所述下一车站与所述目标车站之间的各对相邻两车站在所述当前时刻信息对应的第一目标时段中所对应的当前行驶时长,其中,对于所述各对相邻两车站,所述当前行驶时长为所述目标公交车由所述相邻两车站中的起点车站行驶至所述相邻两车站中的终点车站的时长;基于所述第一轨迹距离信息、所述第二轨迹距离信息、所述站点行驶时长和所述各对相邻两车站对应的当前行驶时长,预测所述目标公交车辆由当前位置行驶至所述目标车站的目标行驶时长。
本发明实施例的另一个方面,提供了一种公交车辆到站时刻预测装置,包括:第一确定模块,用于响应于接收到到站时间预测请求,确定所述到站时间预测请求包括的目标公交车辆对应的行驶线路信息,其中,所述到站时间预测请求包括:所述目标公交车辆的当前位置信息、目标车站信息和当前时刻信息;第二确定模块,用于根据所述行驶线路信息和所述当前位置信息,确定所述目标公交车与距离所述目标公交车最近的下一车站之间的第一轨迹距离信息、所述下一车站与所述下一车站的上一车站之间的第二轨迹距离信息、以及所述目标公交车辆由所述目标公交车辆的当前位置到达所述下一车站的站点行驶时长;第一获取模块,用于获取所述下一车站与所述目标车站之间的各对相邻两车站在所述当前时刻信息对应的第一目标时段中所对应的当前行驶时长,其中,对于所述各对相邻两车站,所述当前行驶时长为所述目标公交车由所述相邻两车站中的起点车站行驶至所述相邻两车站中的终点车站的时长;预测模块,用于基于所述第一轨迹距离信息、所述第二轨迹距离信息、所述站点行驶时长和所述各对相邻两车站对应的当前行驶时长,预测所述目标公交车辆由当前位置行驶至所述目标车站的目标行驶时长。
本发明实施例的又一个方面,提供了一种电子设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现公交车辆到站时刻预测方法。
本发明实施例的再一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现公交车辆到站时刻预测方法。
本发明中可以根据目标公交车辆的当前位置信息、目标车站信息、当前时刻信息以及目标公交车辆的行驶路线信息,确定出目标公交车与距离目标公交车最近的下一车站之间的第一轨迹距离信息、该下一车站与该下一车站的上一车站之间的第二轨迹距离信息、以及目标公交车辆由目标公交车辆的当前位置到达该下一车站的站点行驶时长,之后获取该下一车站与目标车站之间的各对相邻两车站在当前时刻信息对应的第一目标时段中所对应的当前行驶时长,并由第一轨迹距离信息、第二轨迹距离信息、站点行驶时长和各对相邻两车站对应的当前行驶时长,预测出目标公交车辆由当前位置行驶至目标车站的目标行驶时长。由此实现了无论目标公交车辆当前是否停靠在车站,都能准确确定出目标公交车辆由目标公交车辆的当前位置到达目标车站所需的目标行驶时长,提高了到站时间预测的灵活性和应用范围。
另外,本发明中在每次确定相邻两车站对应的当前行驶时长时,均根据相邻两车站在当前时刻对应的第一目标时段的历史行驶时长和第二目标时段对应的实时行驶时长对当前权重参数进行更新,由此进一步增加了预测得到的目标行驶时长的准确性。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本发明的实施例,并且连同描述一起用于解释本发明的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本发明,其中:
图1是本发明一示例性实施例提供的公交车辆到站时刻预测方法的流程示意图;
图2是本发明一示例性实施例提供的步骤S130的流程示意图;
图3是本发明一个实施例中的公交车辆到站时刻预测装置的结构框图;
图4为本发明电子设备一个应用实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1是本发明一示例性实施例提供的公交车辆到站时刻预测方法的流程示意图。本实施例可应用在电子设备上,如图1所示,包括如下步骤:
步骤S110,响应于接收到到站时间预测请求,确定该到站时间预测请求包括的目标公交车辆对应的行驶线路信息。
其中,该到站时间预测请求包括:该目标公交车辆的当前位置信息、目标车站信息和当前时刻信息。该目标车站信息包括用户要到达的车站的名称等信息,当前时刻可以为用户通过客户端发送到站时间预测请求的时刻。目标公交车辆的当前位置信息包括目标公交车辆当前在世界坐标系中的坐标值,可以通过对目标公交车辆进行GPS(GlobalPositioning System,全球定位系统)定位,获得目标公交车辆的当前位置信息。
该行驶线路信息包括:目标公交车站的行驶方向、在行驶路线中的各车站、以及目标公交车辆在各车站的行驶顺序。
示例性的,目标公交车辆的行驶线路信息可以包括:由车站A开向车站K(对应行驶方式),车站A、车站B、车站C、车站D、车站F和车站K(对应各车站),车站A→车站B→车站C→车站D→车站F→车站K(对应行驶顺序),相应的,目标公交车辆100从车站A开出,依次途径车站B、车站C、车站D和车站F,最终到达车站K。
步骤S120,根据该行驶线路信息和目标公交车辆的当前位置信息,确定目标公交车与距离目标公交车最近的下一车站之间的第一轨迹距离信息、该下一车站与该下一车站的上一车站之间的第二轨迹距离信息、以及目标公交车辆由目标公交车辆的当前位置到达该下一车站的站点行驶时长。
其中,该下一站为在该行驶线路信息中目标公交车辆即将到达的车站。第一轨迹距离信息包括:该下一车站与目标公交车辆的当前位置之间的实际路线距离,第二轨迹距离信息包括:该下一车站与该上一站之间的实际路线距离。
示例性的,还以步骤S110中的示例为例进行说明,当目标公交车100的当前位置为位于车站B与车站C之间,则车站C为目标公交车站的下一车站,车站B为车站C的上一车站,相应的,第一轨迹距离信息包括目标公交车辆100由当前位置与车站C之间的轨迹距离,第二轨迹距离信息包括车站B与车站C之间的轨迹距离。
在一个具体实现中,可以根据目标公交车辆的行驶速率和第一轨迹距离信息,得到目标公交车辆由目标公交车辆的当前位置到达该下一车站的站点行驶时长。
步骤S130,获取该下一车站与目标车站之间的各对相邻两车站在该当前时刻信息对应的第一目标时段中所对应的当前行驶时长。
在一个具体实现中,可以将行驶路线中相邻的两个车站称为一对相邻两车站。示例性的,还以步骤S110中的示例为例进行说明,该行驶线路信息包括5对相邻两车站,具体为:车站A与车站B为一对相邻两车站,车站B与车站C为一对相邻两车站,车站C与车站D为一对相邻两车站,车站D与车站F为一对相邻两车站,车站F与车站K为一对相邻两车站。
可以根据时刻与时段之间的对应关系,确定当前时刻对应的第一目标时段。示例性的,可以将9:00~10:00之间包括的所有时刻均对应9:00~10:00的时段,由此,在当前时刻为9:31时,则第一目标时段为9:00~10:00的时段。
对于该下一车站与目标车站之间的各对相邻两车站,该当前行驶时长为该目标公交车由该相邻两车站中的起点车站行驶至该相邻两车站中的终点车站的时长。
在一些可选实施方式中,图2是本发明一示例性实施例提供的步骤S130的流程示意图,如图2所示,包括如下步骤:
步骤S131,对于该下一车站与目标车站之间的各对相邻两车站,获取当前权重参数、相邻两车站在第一预设时长中的第一目标时段对应的历史行驶时长,以及该相邻两车站对应的实时行驶时长。
其中,该历史行驶时长为在第一预设时长中的第一目标时段中,公交车辆由该相邻两车站中的起点车站行驶至该相邻两车站中的终点车站的时长。该实时行驶时长为在第二目标时段内该公交车辆由该相邻两车站中的起点车站行驶至该相邻两车站中的终点车站的时长,该第二目标时段为距离当前时刻第二预设时长内对应的时段,第一预设时长大于第二预设时长。
第一预设时长和第二预设时长均可以根据实际需求设置,第一预设时长可以包括多个时段。例如,第一预设时长可以为1天、7天、30天、365天等,第二预设时长可以15min、30min等;第一预设时段包括的时段可以为:9:00~10:00、10:01~11:00、11:01~12:00等。
示例性的,假设当前时刻为9时20分,第二预设时长为15min,则第二目标时段则为9:20~9:35。
在一些可选实施方式中,可以通过如下方式获得行驶线路信息中的每对相邻两车站在第一预设时长中的各时段对应的历史行驶时长,具体包括:
对于该行驶线路信息中的任一对相邻两车站,获取该任一对相邻两车站在第一预设时长中的各时段对应的多个第一初始行驶时长;之后对于第一预设时长中的各时段,将该任一对相邻两车站在该时段对应的多个第一初始行驶时长的平均值作为该任一对相邻两车站在该时段对应的历史行驶时长。
在一个具体实现方式中,对于每对相邻两车站,在第一预设时长包括的任一时段中,公交车辆每次由该对相邻两车站的起点车站行驶至该对相邻两车站的终点车站的行驶时长,即为该对相邻两车站在第一预设时长中的该任一时段对应的一个第一初始行驶时长。
可以采集每对相邻两车站在第一预设时长包括的每个时段所对应的多个第一初始行驶时长,之后计算该对相邻两车站在每一时段对应的多个第一初始行驶时长的平均值,并将平均值作为该对相邻两车站在相应时段对应的历史行驶时长。
示例性的,以步骤S110示例为例,假设第一预设时长可以为3天,第一预设时长包括的时段为:9:00~10:00、10:01~11:00、11:01~12:00,确定由B车站与C车站一对相邻两车站L在第一预设时长包括的各时段对应的历史行驶时长,可以采集相邻两车站L在距离当前时刻3天内上述的每个时段公交车辆由B车站行驶至C车站所需的多个第一初始行驶时长,之后可以先去除各的无效第一初始行驶时长,然后计算相邻两车站L在每个时段对应的多个第一初始行驶时长的平均值,由平均值获得相邻两车站L在每个时段对应的历史行驶时长。具体数据详见表1。假设第一目标时段为9:00~10:00,相应的,相邻两车站L在第一预设时长中的第一目标时段对应的历史行驶时长为7min。
表1
相邻两车站 | 时段 | 第一初始行驶时长 | 历史行驶时长 |
B车站、C车站 | 9:00~10:00 | 5min、7min、9min | 7min |
B车站、C车站 | 10:01~11:00 | 3min、4min、5min | 4min |
B车站、C车站 | 11:01~12:00 | 3min、4min、5min | 4min |
在一些可选实施方式中,可以通过如下方式获得该相邻两车站对应的实时行驶时长,具体包括:
获取第一目标时段内公交车辆由该相邻两车站的起点车站行驶至该相邻两车站的终点车站的多个第二初始行驶时长,即获取在第二目标时段中该相邻两车站对应的实时行驶时长;之后,将多个第二初始行驶时长的平均值作为相邻两车站对应的实时行驶时长。
对于每对相邻两车站,在第二目标时段中,公交车辆每次由该对相邻两车站的起点车站行驶至该对相邻两车站的终点车站的行驶时长,即为该对相邻两车站在第二目标时段对应的一个第二初始行驶时长。
步骤S132,根据该相邻两车站对应的历史行驶时长和实时行驶时长,以及当前权重参数,确定该相邻两车站对应的预测行驶时长。
在一些可选实施方式中,可以根据该相邻两车站对应的历史行驶时长和实时行驶时长,以及当前权重参数,利用式(5)计算得到该相邻两车站对应的预测行驶时长;
,(5),
其中,为该相邻两车站对应的预测行驶时长,/>为该相邻两车站之间对应的实时行驶时长,/>为该相邻两车站之间对应的历史行驶时长,/>为当前权重参数。
步骤S133,根据该相邻两车站对应的预测行驶时长、历史行驶时长和实时行驶时长,对当前权重参数进行更新处理,得到更新权重参数。
在一些可选实施方式中,可以通过如下方式获得更新权重参数,具体包括:根据该相邻两车站对应的预测行驶时长、实时行驶时长和历史行驶时长,确定更新参数;之后基于该更新参数和当前权重参数,确定更新权重参数。
在一些可选实施方式中,可以通过如下方式获得更新参数,具体包括:
根据该相邻两车站对应的预测行驶时长、实时行驶时长和历史行驶时长,利用式(2),确定更新参数;
,(2),
其中,为更新参数。
在一些可选实施方式中,可以通过如下方式获得更新权重参数,具体包括:
根据更新参数和当前权重参数,利用式(3),确定更新权重参数;
,(3),
其中,为更新权重参数。
在一种实施方式中,当下次接收到到站时间预测请求可以将本次获得的更新权重参数作为当前权重参数。
步骤S134,基于更新权重参数、该相邻两车站之间对应的历史行驶时长和实时行驶时长,得到公交车辆通过该相邻两车站对应的当前行驶时长。
在一些可选实施方式中,根据更新权重参数、该相邻两车站之间对应的历史行驶时长和实时行驶时长,利用式(1),确定该相邻两车站对应的当前行驶时长;
,(1),
其中,为相邻两车站对应的当前行驶时长。
基于上述步骤S131~步骤S134确定该下一车站与目标车站之间的各对相邻两车站对应的当前行驶时长。
步骤S140,基于第一轨迹距离信息、第二轨迹距离信息、站点行驶时长和该下一车站与目标车站之间的各对相邻两车站对应的当前行驶时长,预测目标公交车辆由当前位置行驶至目标车站的目标行驶时长。
在一些可选实施方式中,可以通过如下方式获得目标公交车辆由当前位置到达目标车站的目标行驶时长,具体包括:
根据第一轨迹距离信息、第二轨迹距离信息、站点行驶时长和该下一车站与目标车站之间的各对相邻两车站对应的当前行驶时长,利用式(4),确定目标公交车辆由当前位置到达目标车站的目标行驶时长;
,(4),
其中,为目标公交车辆由当前位置行驶至目标车站的目标行驶时长,/>为站点行驶时长,/>为第一轨迹距离信息,/>为第二轨迹距离信息,/>为各对相邻两车站对应的当前行驶时长之和,m小于n。
在一种实施方式中,可以根据目标行驶时长和当前时刻,确定目标公交车辆由当前位置到达目标车站的时刻。例如,目标行驶时长可以15min,当前时刻为10:30,则目标公交车辆由当前位置到达目标车站的时刻为10:45。
本发明中可以根据目标公交车辆的当前位置信息、目标车站信息、当前时刻信息以及目标公交车辆的行驶路线信息,确定出目标公交车与距离目标公交车最近的下一车站之间的第一轨迹距离信息、该下一车站与该下一车站的上一车站之间的第二轨迹距离信息、以及目标公交车辆由目标公交车辆的当前位置到达该下一车站的站点行驶时长,之后获取该下一车站与目标车站之间的各对相邻两车站在当前时刻信息对应的第一目标时段中所对应的当前行驶时长,并由第一轨迹距离信息、第二轨迹距离信息、站点行驶时长和各对相邻两车站对应的当前行驶时长,预测出目标公交车辆由当前位置行驶至目标车站的目标行驶时长。由此实现了无论目标公交车辆当前是否停靠在车站,都能准确确定出目标公交车辆由目标公交车辆的当前位置到达目标车站所需的目标行驶时长,提高了到站时间预测的灵活性和应用范围。
另外,本发明中在每次确定相邻两车站对应的当前行驶时长时,均根据相邻两车站在当前时刻对应的第一目标时段的历史行驶时长和第二目标时段对应的实时行驶时长对当前权重参数进行更新,由此进一步增加了预测得到的目标行驶时长的准确性。
图3是本发明一个实施例中的公交车辆到站时刻预测装置的结构框图。如图3所示,公交车辆到站时刻预测装置包括:
第一确定模块200,用于响应于接收到到站时间预测请求,确定所述到站时间预测请求包括的目标公交车辆对应的行驶线路信息,其中,所述到站时间预测请求包括:所述目标公交车辆的当前位置信息、目标车站信息和当前时刻信息;
第二确定模块210,用于根据所述行驶线路信息和所述当前位置信息,确定所述目标公交车与距离所述目标公交车最近的下一车站之间的第一轨迹距离信息、所述下一车站与所述下一车站的上一车站之间的第二轨迹距离信息、以及所述目标公交车辆由所述目标公交车辆的当前位置到达所述下一车站的站点行驶时长;
第一获取模块220,用于获取所述下一车站与所述目标车站之间的各对相邻两车站在所述当前时刻信息对应的第一目标时段中所对应的当前行驶时长,其中,对于所述各对相邻两车站,所述当前行驶时长为所述目标公交车由所述相邻两车站中的起点车站行驶至所述相邻两车站中的终点车站的时长;
预测模块230,用于基于所述第一轨迹距离信息、所述第二轨迹距离信息、所述站点行驶时长和所述各对相邻两车站对应的当前行驶时长,预测所述目标公交车辆由当前位置行驶至所述目标车站的目标行驶时长。
在本发明的一个实施例中,本发明实施例中的第一获取模块220包括:
第一子模块,用于对于所述各对相邻两车站,获取当前权重参数、所述相邻两车站在第一预设时长中的所述第一目标时段对应的历史行驶时长,以及所述相邻两车站对应的实时行驶时长,其中,所述历史行驶时长为在所述第一预设时长中的所述第一目标时段中,公交车辆由所述相邻两车站中的起点车站行驶至所述相邻两车站中的终点车站的时长,所述实时行驶时长为在第二目标时段内所述公交车辆由所述起点车站行驶至所述终点车站的时长,所述第二目标时段为距离所述当前时刻第二预设时长内对应的时段,所述第一时长大于所述第二预设时长;
第二子模块,用于根据所述相邻两车站对应的历史行驶时长和实时行驶时长,以及所述当前权重参数,确定所述相邻两车站对应的预测行驶时长;
第三子模块,用于根据所述相邻两车站对应的预测行驶时长、历史行驶时长和实时行驶时长,对所述当前权重参数进行更新处理,得到更新权重参数;
第四子模块,用于基于所述更新权重参数、所述相邻两车站之间对应的历史行驶时长和实时行驶时长,得到所述相邻两车站对应的当前行驶时长。
在本发明的一个实施例中,本发明实施例中的第四子模块具体用于:
根据所述更新权重参数、所述相邻两车站之间对应的历史行驶时长和实时行驶时长,利用式(1),确定所述相邻两车站对应的当前行驶时长;
,(1),
其中,为所述相邻两车站对应的当前行驶时长,/>为所述更新权重参数,为所述相邻两车站之间对应的实时行驶时长,/>为所述相邻两车站之间对应的历史行驶时长。
在本发明的一个实施例中,本发明实施例中的第三子模块具体包括:
第一单元,用于根据所述相邻两车站对应的预测行驶时长、实时行驶时长和历史行驶时长,确定更新参数;
第二单元,用于基于所述更新参数和所述当前权重参数,确定所述更新权重参数。
在本发明的一个实施例中,本发明实施例中的第一单元具体用于:
根据所述相邻两车站对应的预测行驶时长、实时行驶时长和历史行驶时长,利用式(2),确定所述更新参数;
,(2),
其中,为所述更新参数,/>为所述相邻两车站对应的预测行驶时长。
在本发明的一个实施例中,本发明实施例中的第二单元具体用于:
根据所述更新参数和所述当前权重参数,利用式(3),确定所述更新权重参数;
,(3),
其中,为所述当前权重参数。
在本发明的一个实施例中,本发明实施例中的预测模块230具体用于:
根据所述第一轨迹距离信息、所述第二轨迹距离信息、所述站点行驶时长和所述各对相邻两车站对应的当前行驶时长,利用式(4),确定所述目标公交车辆由当前位置到达目标车站的目标行驶时长;
,(4),
其中,为所述目标公交车辆由当前位置行驶至目标车站的目标行驶时长,为所述站点行驶时长,/>为所述第一轨迹距离信息,/>为所述第二轨迹距离信息,/>为所述各对相邻两车站对应的当前行驶时长,m小于n。
在本发明的一个实施例中,本发明实施例中的公交车辆到站时刻预测装置还包括:
第二获取模块,用于对于所述行驶线路信息中的任一对相邻两车站,获取所述任一对相邻两车站在所述第一预设时长中的各时段对应的多个第一初始行驶时长;
第三确定模块,用于对于所述第一预设时长中的各时段,将所述任一对相邻两车站在所述时段对应的多个第一初始行驶时长的平均值作为所述任一对相邻两车站在所述时段对应的历史行驶时长。
在本发明的一个实施例中,本发明实施例中的第一子模块具体用于:
获取所述第二目标时段内所述公交车辆由所述起点车站行驶至所述终点车站的多个第二初始行驶时长;
将所述多个第二初始行驶时长的平均值作为所述相邻两车站对应的实时行驶时长。
另外,本发明实施例还提供了一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现本发明上述任一实施例所述的公交车辆到站时刻预测方法。
图4为本发明电子设备一个应用实施例的结构示意图。下面,参考图4来描述根据本发明实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
如图4所示,电子设备包括一个或多个处理器和存储器。
处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器可以运行所述程序指令,以实现上文所述的本发明的各个实施例的公交车辆到站时刻预测方法以及/或者其他期望的功能。
在一个示例中,电子设备还可以包括:输入装置和输出装置,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入设备还可以包括例如键盘、鼠标等等。
该输出装置可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出设备可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图4中仅示出了该电子设备中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本发明各种实施例的公交车辆到站时刻预测方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本发明各种实施例的公交车辆到站时刻预测方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种公交车辆到站时刻预测方法,其特征在于,包括:
响应于接收到到站时间预测请求,确定所述到站时间预测请求包括的目标公交车辆对应的行驶线路信息,其中,所述到站时间预测请求包括:所述目标公交车辆的当前位置信息、目标车站信息和当前时刻信息;
根据所述行驶线路信息和所述当前位置信息,确定所述目标公交车与距离所述目标公交车最近的下一车站之间的第一轨迹距离信息、所述下一车站与所述下一车站的上一车站之间的第二轨迹距离信息、以及所述目标公交车辆由所述目标公交车辆的当前位置到达所述下一车站的站点行驶时长;
获取所述下一车站与所述目标车站之间的各对相邻两车站在所述当前时刻信息对应的第一目标时段中所对应的当前行驶时长,其中,对于所述各对相邻两车站,所述当前行驶时长为所述目标公交车由所述相邻两车站中的起点车站行驶至所述相邻两车站中的终点车站的时长;
基于所述第一轨迹距离信息、所述第二轨迹距离信息、所述站点行驶时长和所述各对相邻两车站对应的当前行驶时长,预测所述目标公交车辆由当前位置行驶至所述目标车站的目标行驶时长。
2.根据权利要求1所述的方法,其特征在于,所述获取所述下一车站与所述目标车站之间的各对相邻两车站在所述当前时刻信息对应的第一目标时段中所对应的当前行驶时长,包括:
对于所述各对相邻两车站,获取当前权重参数、所述相邻两车站在第一预设时长中的所述第一目标时段对应的历史行驶时长,以及所述相邻两车站对应的实时行驶时长,其中,所述历史行驶时长为在所述第一预设时长中的所述第一目标时段中,公交车辆由所述相邻两车站中的起点车站行驶至所述相邻两车站中的终点车站的时长,所述实时行驶时长为在第二目标时段内所述公交车辆由所述起点车站行驶至所述终点车站的时长,所述第二目标时段为距离所述当前时刻第二预设时长内对应的时段,所述第一预设时长大于所述第二预设时长;
根据所述相邻两车站对应的历史行驶时长和实时行驶时长,以及所述当前权重参数,确定所述相邻两车站对应的预测行驶时长;
根据所述相邻两车站对应的预测行驶时长、历史行驶时长和实时行驶时长,对所述当前权重参数进行更新处理,得到更新权重参数;
基于所述更新权重参数、所述相邻两车站之间对应的历史行驶时长和实时行驶时长,得到所述相邻两车站对应的当前行驶时长。
3.根据权利要求2所述的方法,其特征在于,所述基于所述更新权重参数、所述相邻两车站之间对应的历史行驶时长和实时行驶时长,得到所述公交车辆通过所述相邻两车站对应的当前行驶时长,包括:
根据所述更新权重参数、所述相邻两车站之间对应的历史行驶时长和实时行驶时长,利用式(1),确定所述相邻两车站对应的当前行驶时长;
,(1),
其中,为所述相邻两车站对应的当前行驶时长,/>为所述更新权重参数,/>为所述相邻两车站之间对应的实时行驶时长,/>为所述相邻两车站之间对应的历史行驶时长。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述相邻两车站对应的预测行驶时长、历史行驶时长和实时行驶时长,对所述当前权重参数,得到更新权重参数,包括:
根据所述相邻两车站对应的预测行驶时长、实时行驶时长和历史行驶时长,确定更新参数;
基于所述更新参数和所述当前权重参数,确定所述更新权重参数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述相邻两车站对应的预测行驶时长、实时行驶时长和历史行驶时长,确定更新参数,包括:
根据所述相邻两车站对应的预测行驶时长、实时行驶时长和历史行驶时长,利用式(2),确定所述更新参数;
,(2),
其中,为所述更新参数,/>为所述相邻两车站对应的预测行驶时长。
6.根据权利要求5所述的方法,其特征在于,所述基于所述更新参数和所述当前权重参数,确定所述更新权重参数,包括:
根据所述更新参数和所述当前权重参数,利用式(3),确定所述更新权重参数;
,(3),
其中,为所述当前权重参数。
7.根据权利要求1-3中任一项所述的方法,其特征在于,所述基于所述第一轨迹距离信息、所述第二轨迹距离信息、所述站点行驶时长和所述各对相邻两车站对应的当前行驶时长,预测所述目标公交车辆由当前位置到达目标车站的目标行驶时长,包括:
根据所述第一轨迹距离信息、所述第二轨迹距离信息、所述站点行驶时长和所述各对相邻两车站对应的当前行驶时长,利用式(4),确定所述目标公交车辆由当前位置到达目标车站的目标行驶时长;
,(4),
其中,为所述目标公交车辆由当前位置行驶至目标车站的目标行驶时长,/>为所述站点行驶时长,/>为所述第一轨迹距离信息,/>为所述第二轨迹距离信息,为所述各对相邻两车站对应的当前行驶时长,m小于n。
8.根据权利要求1-3中任一项所述的方法,其特征在于,还包括:
对于所述行驶线路信息中的任一对相邻两车站,获取所述任一对相邻两车站在第一预设时长中的各时段对应的多个第一初始行驶时长;
对于所述第一预设时长中的各时段,将所述任一对相邻两车站在所述时段对应的多个第一初始行驶时长的平均值作为所述任一对相邻两车站在所述时段对应的历史行驶时长。
9.根据权利要求2或3所述的方法,其特征在于,获取所述相邻两车站对应的实时行驶时长,包括:
获取所述第二目标时段内所述公交车辆由所述起点车站行驶至所述终点车站的多个第二初始行驶时长;
将所述多个第二初始行驶时长的平均值作为所述相邻两车站对应的实时行驶时长。
10.一种公交车辆到站时刻预测装置,其特征在于,包括:
第一确定模块,用于响应于接收到到站时间预测请求,确定所述到站时间预测请求包括的目标公交车辆对应的行驶线路信息,其中,所述到站时间预测请求包括:所述目标公交车辆的当前位置信息、目标车站信息和当前时刻信息;
第二确定模块,用于根据所述行驶线路信息和所述当前位置信息,确定所述目标公交车与距离所述目标公交车最近的下一车站之间的第一轨迹距离信息、所述下一车站与所述下一车站的上一车站之间的第二轨迹距离信息、以及所述目标公交车辆由所述目标公交车辆的当前位置到达所述下一车站的站点行驶时长;
第一获取模块,用于获取所述下一车站与所述目标车站之间的各对相邻两车站在所述当前时刻信息对应的第一目标时段中所对应的当前行驶时长,其中,对于所述各对相邻两车站,所述当前行驶时长为所述目标公交车由所述相邻两车站中的起点车站行驶至所述相邻两车站中的终点车站的时长;
预测模块,用于基于所述第一轨迹距离信息、所述第二轨迹距离信息、所述站点行驶时长和所述各对相邻两车站对应的当前行驶时长,预测所述目标公交车辆由当前位置行驶至所述目标车站的目标行驶时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311627813.9A CN117334072B (zh) | 2023-12-01 | 2023-12-01 | 公交车辆到站时刻预测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311627813.9A CN117334072B (zh) | 2023-12-01 | 2023-12-01 | 公交车辆到站时刻预测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117334072A true CN117334072A (zh) | 2024-01-02 |
CN117334072B CN117334072B (zh) | 2024-02-23 |
Family
ID=89277683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311627813.9A Active CN117334072B (zh) | 2023-12-01 | 2023-12-01 | 公交车辆到站时刻预测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117334072B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118003953A (zh) * | 2024-04-09 | 2024-05-10 | 青岛城运数字科技有限公司 | 一种充电站内充电行为的控制方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737504A (zh) * | 2012-07-13 | 2012-10-17 | 重庆大学 | 一种基于驾驶特性的公交车到站时间实时估计方法 |
US20130304378A1 (en) * | 2012-05-09 | 2013-11-14 | Google Inc. | Public Transportation Journey Planning |
CN104064024A (zh) * | 2014-06-23 | 2014-09-24 | 银江股份有限公司 | 一种基于历史数据的公交车辆到站时间预测方法 |
CN108877276A (zh) * | 2018-08-31 | 2018-11-23 | 深圳市东部公共交通有限公司 | 快速预测公交行驶时间方法、装置及计算机终端 |
CN109544908A (zh) * | 2018-10-24 | 2019-03-29 | 佛山市慧城信息科技有限公司 | 一种实时预测公交到站时间的方法、电子设备及存储介质 |
JP2019177760A (ja) * | 2018-03-30 | 2019-10-17 | 株式会社日立製作所 | 輸送機関混雑予測システム及び混雑予測方法 |
US20200265710A1 (en) * | 2019-02-20 | 2020-08-20 | Baidu Online Network Technology (Beijing) Co., Ltd. | Travelling track prediction method and device for vehicle |
CN113066302A (zh) * | 2021-03-24 | 2021-07-02 | 北京百度网讯科技有限公司 | 车辆信息预测方法、装置及电子设备 |
US20210311500A1 (en) * | 2020-04-02 | 2021-10-07 | Toyota Jidosha Kabushiki Kaisha | Transportation system, operation management device, and operation management method |
CN115188215A (zh) * | 2022-06-21 | 2022-10-14 | 青岛海信网络科技股份有限公司 | 电子设备及站点间公交行驶时长的预测方法 |
WO2023029234A1 (zh) * | 2021-09-01 | 2023-03-09 | 北京航空航天大学杭州创新研究院 | 一种面向有缺失数据的公交车到站时间预测方法 |
CN115966098A (zh) * | 2021-10-12 | 2023-04-14 | 青岛海信网络科技股份有限公司 | 一种预测公交车到站时间的方法及设备 |
WO2023071768A1 (zh) * | 2021-10-26 | 2023-05-04 | 上海瑾盛通信科技有限公司 | 到站提醒方法、装置、终端、存储介质及程序产品 |
-
2023
- 2023-12-01 CN CN202311627813.9A patent/CN117334072B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130304378A1 (en) * | 2012-05-09 | 2013-11-14 | Google Inc. | Public Transportation Journey Planning |
CN102737504A (zh) * | 2012-07-13 | 2012-10-17 | 重庆大学 | 一种基于驾驶特性的公交车到站时间实时估计方法 |
CN104064024A (zh) * | 2014-06-23 | 2014-09-24 | 银江股份有限公司 | 一种基于历史数据的公交车辆到站时间预测方法 |
JP2019177760A (ja) * | 2018-03-30 | 2019-10-17 | 株式会社日立製作所 | 輸送機関混雑予測システム及び混雑予測方法 |
CN108877276A (zh) * | 2018-08-31 | 2018-11-23 | 深圳市东部公共交通有限公司 | 快速预测公交行驶时间方法、装置及计算机终端 |
CN109544908A (zh) * | 2018-10-24 | 2019-03-29 | 佛山市慧城信息科技有限公司 | 一种实时预测公交到站时间的方法、电子设备及存储介质 |
US20200265710A1 (en) * | 2019-02-20 | 2020-08-20 | Baidu Online Network Technology (Beijing) Co., Ltd. | Travelling track prediction method and device for vehicle |
US20210311500A1 (en) * | 2020-04-02 | 2021-10-07 | Toyota Jidosha Kabushiki Kaisha | Transportation system, operation management device, and operation management method |
CN113066302A (zh) * | 2021-03-24 | 2021-07-02 | 北京百度网讯科技有限公司 | 车辆信息预测方法、装置及电子设备 |
WO2023029234A1 (zh) * | 2021-09-01 | 2023-03-09 | 北京航空航天大学杭州创新研究院 | 一种面向有缺失数据的公交车到站时间预测方法 |
CN115966098A (zh) * | 2021-10-12 | 2023-04-14 | 青岛海信网络科技股份有限公司 | 一种预测公交车到站时间的方法及设备 |
WO2023071768A1 (zh) * | 2021-10-26 | 2023-05-04 | 上海瑾盛通信科技有限公司 | 到站提醒方法、装置、终端、存储介质及程序产品 |
CN115188215A (zh) * | 2022-06-21 | 2022-10-14 | 青岛海信网络科技股份有限公司 | 电子设备及站点间公交行驶时长的预测方法 |
Non-Patent Citations (2)
Title |
---|
华雪东 等: "基于数据融合的公交到站时间组合预测模型", 公路交通科技, vol. 36, no. 2 * |
王茁;: "基于预测算法的公交车实时到站时间查询系统", 华东交通大学学报, no. 01 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118003953A (zh) * | 2024-04-09 | 2024-05-10 | 青岛城运数字科技有限公司 | 一种充电站内充电行为的控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117334072B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9076330B2 (en) | Estimation of arrival times at transit stops | |
CN117334072B (zh) | 公交车辆到站时刻预测方法和装置 | |
US20200211070A1 (en) | Vehicle Allocation to Customers for Ride-Sharing | |
CN107818498B (zh) | 订单分配计算方法和系统、服务器、存储介质 | |
US20140343974A1 (en) | Selecting a Subset of Transit Trips Based on Time and Duration | |
Rajput et al. | Advanced urban public transportation system for Indian scenarios | |
CN112669604B (zh) | 城市交通调度方法及装置 | |
WO2024104189A1 (zh) | 车辆定位方法、装置、电子设备、存储介质 | |
US9146123B2 (en) | Method and system for providing driving directions | |
CN116321004A (zh) | 一种确定目标位置的方法、装置、系统及存储介质 | |
CN113447040B (zh) | 行驶轨迹确定方法、装置、设备以及存储介质 | |
CN114578402A (zh) | 目标位置信息确定方法、装置、电子设备以及存储介质 | |
CN112669603B (zh) | 基于大数据的城市交通协同方法及装置 | |
CN115206102A (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN111144594B (zh) | 一种出发时刻确定方法、装置及设备 | |
CN114488237A (zh) | 定位方法、装置、电子设备及智能驾驶方法 | |
CN108961761B (zh) | 用于生成信息的方法和装置 | |
US20210041257A1 (en) | Method, Apparatus, Computer Device and Readable Storage Medium for Processing Position Information | |
CN113837502A (zh) | 一种基于深度学习的航班价格预测方法及系统 | |
JP2013054002A (ja) | 位置推定装置、方法及びコンピュータ・プログラム | |
CN112927018A (zh) | 基于智能穿戴设备的线下服务信息推送方法、系统和设备 | |
CN112685531A (zh) | 车辆匹配方法和装置、计算设备以及计算机可读存储介质 | |
CN113673919A (zh) | 多车协同路径确定方法及装置、电子设备和存储介质 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
US20220358615A1 (en) | Systems and methods for plan determination |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |