CN117789509A - 基于公交车历史到站时间计算车辆预计到达时间的算法 - Google Patents
基于公交车历史到站时间计算车辆预计到达时间的算法 Download PDFInfo
- Publication number
- CN117789509A CN117789509A CN202311856071.7A CN202311856071A CN117789509A CN 117789509 A CN117789509 A CN 117789509A CN 202311856071 A CN202311856071 A CN 202311856071A CN 117789509 A CN117789509 A CN 117789509A
- Authority
- CN
- China
- Prior art keywords
- time
- vehicle
- station
- arrival time
- arrival
- 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
- 238000012937 correction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 7
- 230000003203 everyday effect Effects 0.000 abstract description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于公交车技术领域，尤其是基于公交车历史到站时间计算车辆预计到达时间的算法。本发明具体步骤如下：S1、收集各个线路上下行的站点之间的距离Sn；S2、基于公交车的历史进出站数据，先按照不同线路下的上下行对应的站点在不同时间段下的进出站数据进行分段，再计算该分段内所有车辆的进站所花费的时间平均值，并将此数据保存在数据库中；S3、计算车辆到站时间t。本发明公交车按照既定的线路每天营运，其车辆在不同的时间段的进站所花费的时间较好的反映了道路的拥堵程度，能够更加准确的预测到站时间。
Description
技术领域
本发明属于公交车技术领域，尤其涉及基于公交车历史到站时间计算车辆预计到达时间的算法。
背景技术
准确的预测公交车的到站时间是公交营运单位最为关心的技术之一，现阶段较多技术依靠通讯和距离速度的技术手段获取的信息来为公交到达时间做预测，精确度会因为随机干扰因素以及道路早晚高分变得不那么准确，进而导致预测的公交车到达时间不准确。而且，现有的预测公交车的到站时间计算的是两个站点之间的直线距离所需要的时间，而往往乘客在查时间时，公交车并非是正好在站点上，而是在两个站点之间，这样预测出的数据会存在较大的偏差。且现有的预测没有体现拥堵程度。因此，亟需基于公交车历史到站时间计算车辆预计到达时间的算法解决上述问题。
发明内容
为了克服上述现有技术中的缺陷，为此，本发明提供基于公交车历史到站时间计算车辆预计到达时间的算法。本发明公交车按照既定的线路每天营运，其车辆在不同的时间段的进出站数据较好的反映了道路的拥堵程度，能够更加准确的预测到站时间。
为实现上述目的，本发明采用以下技术方案：
基于公交车历史到站时间计算车辆预计到达时间的算法，具体步骤如下：
S1、收集各个线路上下行的站点之间的距离Sn；
S2、基于公交车的历史进出站数据，先按照不同线路下的上下行对应的站点在不同时间段下的进出站数据进行分段，再计算该分段内所有车辆的进站所花费的时间平均值，并将此数据保存在数据库中；
S3、计算车辆到站时间t：
根据车辆上传的gps信息判断出车辆所在的位置，若车辆此刻正在站点，到站时间t为当前站点到后面电子站牌所经过的每两个相邻站点的时间总和，且车辆到达每个站点的时间为当天日期的第7天前的此刻所有车辆分别进入每个站点所花费的时间平均值；
根据车辆上传的gps信息判断出车辆所在的位置，若车辆在对应线路上下行的两个站点之间，则先计算车辆当前位置到下一站点的直线距离S0，然后获取前后两个站点的距离Sn以及当天日期的第7天前的此刻所有车辆进入当前车辆后面第一个站点所花费的时间平均值tn，则车辆当前位置到下一个站点所花费的时间t0＝(S0/Sn)×tn，到站时间t为t0加上当前位置往后的每个站点到后面电子站牌所经过的每两个相邻站点的时间总和，且往后的每两个相邻站点的时间均为当天日期的第7天前的此刻所有车辆分别进入每个站点所花费的时间平均值；若在对应的时间段内获取不到对应的花费时间，则t0按照Sn/v计算获得。
优选的，步骤S2中，公交车的历史进出站数据由车辆上传的gps信息和当前最近站点的直线距离S进行判断；若S小于80米，则判断这个车辆进入对应的站点，保存进站数据并设置对应的标志；若S大于50米并且是第一站，则判断这个车辆离开对应的站点，并设置对应的标志。
优选的，对于预测的站点为首站时，车辆进入站点的到站时间为车辆出站时间(即发车时间)。
优选的，步骤S2中，分段时间按每10分钟进行分段，在业务层面上设有提供设置不同时间段的不同间隔。如高峰期间隔设短一点，非高峰期时间设置长一点，即，也可以根据线路所在的道路不同高峰时间对时间分段进行缩小或者扩大。
优选的，步骤S1中业务层面上设有提供允许纠错距离Sn的入口。
优选的，gps信息包括线路、上下行、gps位置和时间。
优选的，步骤S3中，v为30km/h，v在业务层面上设有提供允许手动输入的入口。
优选的，步骤S3中，使用第三方地图提供的api接口，返回道路上两个点之间开车的最短路径Sn需要一开始将数据初始化完成并保存在数据库中。
本发明的优点在于：
(1)本发明公交车按照既定的线路每天营运，其车辆在不同的时间段的进出站数据较好的反映了道路的拥堵程度，能够更加准确的预测到站时间。
(2)本发明在公交车进出站时间的数据基础上，将进出站数据加工成不同线路的上下行的所有站点在不同时间段进出站所花费的时间数据(划分不同线路上下行时间段对应的进站时间是为了能够体现出道路的早晚高峰，不同的线路上下行所对应的道路上的站点在不同的时间段所花费的进站时间必定是有相当大的差距)，然后根据车辆实时gps上传上来的数据(包括线路、上下行、gps位置、时间)判断出车辆在对应线路上下行的哪两个站点之间以及到后面电子站牌所经过的站点，为乘客提供更为高效的公交到站时间预报。
(3)本发明利用历史进出站时间数据时，按照相同的星期不同的时间段进行比对，这样既能体现出道路的拥堵程度，也能更好的排除周一早高峰、周五晚高峰相对于其他日期的拥堵程度。Sn的计算使用第三方地图接口api返回的道路两点之间的最短距离，这是最接近于两者之间的真实开车距离，相较于直接使用两点之间计算距离可能会出现转弯等未计算在内的情况，该种方式获得的数据更加准确。
(4)本发明尤其在判断车辆在两个站点时间位置预测的到站时间，采用当前位置到下一站的位置所花费的时间，相较于传统的直接统计两个站点的所花的时间，预测结果更加准备，精准度更高。
附图说明
图1为本发明实施例1的某一条线路的上(下)行站点线路图。
图2为本发明实施例1处理好的数据格式。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明，基于本发明中的实施例，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，都属于本发明保护的范围。
实施例1
如图1-2所示，基于公交车历史到站时间计算车辆预计到达时间的算法，具体步骤如下：
t:车辆到达电子站牌所需要的时间，即预测所花费的时间；
t0:车辆当前位置到下一个站点所花费的时间；
tn(t1、t2...tn):在某个时间段内车辆到达站点在两个站点之间所花费的时间；
S0:车辆当前位置到下一站的直线距离；
Sn(S1、S2...Sn):线路上下行上相邻两个站点之间的距离；(使用第三方地图提供的api接口，返回道路上两个点之间开车的最短路径，需要一开始将数据初始化好)；
v：业务平台设置的默认速度，如果没有设置的话，默认30km/h；
基于公交车历史到站时间计算车辆预计到达时间的算法的算法，其方案如下：
如图1所示当前车辆在第二站和第三站之间，电子站牌在第八站，在电子站牌候车的乘客如果想知道这辆公交车还有多久到达，则时间t＝t0+t3+t4+t5+t6+t7；其中t1、t2、t3...tn的计算方式为凌晨对前一天的公交车进出站数据进行数据处理并保存在数据库中的作为历史静态数据；其中t0需要单独处理，因为它处在两个站点之间，不是一个独立完整的tn，计算方式为车辆到后面站点的距离S0(两点之间的直线距离)和前一个站点到后面一个站点的距离S2(调用第三方地图的api接口，返回两点之间的道路距离，比直接使用两点之间的直线距离更加准确)的比例乘以这个区间的时间t2。
所以首先需要知道各个线路上下行的站点之间的距离Sn，先通过逻辑初始化好此数据并保存起来，业务层面上可以提供对此数值的修改，因为可能第三方地图api接口返回的数据和实际情况有出入，这里业务功能提供允许纠错的入口。
其次需要依赖于公交车的进出站数据，其来源是根据车辆上传的gps和当前最近站点的直线距离S进行判断的，如果S小于80米，则判断这个车辆进入对应的站点，保存进站数据并设置对应的标志，防止进站数据保存多次，如果S大于50米并且是第一站，则判断这个车辆离开对应的站点，并设置对应的标志，防止出站数据保存多次。(预测是车辆进入站点的到站时间，所以只需要记录车辆的进站时间即可，但是这里要对第一站特别处理，我们采用第一站的出站时间来计算，因为大多数公交车在首站的时候是提前启动等待发车的，这个时候判断进站没有问题，但是车辆会一直等待到发车时间到才会离开，不像中途站点，即停即走，所以首站用车辆出站时间计算较为准确)。
再然后，有了进出站数据之后，对一天的数据进行加工处理，将进出站数据按照不同时间段下的不同线路下的上(下)行对应的站点在此时间段下所有车辆的进站所花费的时间平均值，按照每10分钟进行分段(也可以根据线路所在的道路不同高峰时间对时间分段进行缩小或者扩大)，将此数据保存在数据库中，在进行到站时间预测的时候拿来使用。处理好的数据格式如图2所示。
最后计算到站时间t，根据车辆上传的gps信息(包括线路、上下行、gps位置、时间)判断出车辆在对应线路上下行的哪两个站点之间以及到后面电子站牌所经过的站点集合，先计算车辆到后面站点的直线距离S0，然后获取前后两个站点的距离S2以及当天日期的第7天前(利用相同的星期进行比对)的此刻所有车辆进入当前车辆后面第一个站点所花费的时间平均值t2，t0＝S0/S2*t2，t3、t4、t5、t6、t7分别取对应时间段(gps上传的时间+到达对应区间所花费的时间)所花费的时间平均值，比如t2直接获取当前gps上传的时间所在的时间段内对应站点到站所花费的时间，t3的取值时间段就是gps上传的时间+车辆到达后面站点花费的时间(即t0)后的时间所在的时间段，t4的取值时间段就是gps上传的时间+车辆到达后面站点花费的时间(即t0+t3)后的时间所在的时间段，后面以此类推。如果在对应的时间段内获取不到对应的花费时间，则按照Sn/v计算获得。
以上仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。
Claims (8)
1.基于公交车历史到站时间计算车辆预计到达时间的算法，其特征在于，具体步骤如下：
S1、收集各个线路上下行的站点之间的距离Sn；
S2、基于公交车的历史进出站数据，先按照不同线路下的上下行对应的站点在不同时间段下的进出站数据进行分段，再计算该分段内所有车辆的进站所花费的时间平均值，并将此数据保存在数据库中；
S3、计算车辆到站时间t：
根据车辆上传的gps信息判断出车辆所在的位置，若车辆此刻正在站点，到站时间t为当前站点到后面电子站牌所经过的每两个相邻站点的时间总和，且车辆到达每个站点的时间为当天日期的第7天前的此刻所有车辆分别进入每个站点所花费的时间平均值；
根据车辆上传的gps信息判断出车辆所在的位置，若车辆在对应线路上下行的两个站点之间，则先计算车辆当前位置到下一站点的直线距离S0，然后获取前后两个站点的距离Sn以及当天日期的第7天前的此刻所有车辆进入当前车辆后面第一个站点所花费的时间平均值tn，则车辆当前位置到下一个站点所花费的时间t0＝(S0/Sn)×tn，到站时间t为t0加上当前位置往后的每个站点到后面电子站牌所经过的每两个相邻站点的时间总和，且往后的每两个相邻站点的时间均为当天日期的第7天前的此刻所有车辆分别进入每个站点所花费的时间平均值；若在对应的时间段内获取不到对应的花费时间，则t0按照Sn/v计算获得。
2.根据权利要求1所述的基于公交车历史到站时间计算车辆预计到达时间的算法，其特征在于：步骤S2中，公交车的历史进出站数据由车辆上传的gps信息和当前最近站点的直线距离S进行判断；若S小于80米，则判断这个车辆进入对应的站点，保存进站数据并设置对应的标志；若S大于50米并且是第一站，则判断这个车辆离开对应的站点，并设置对应的标志。
3.根据权利要求2所述的基于公交车历史到站时间计算车辆预计到达时间的算法，其特征在于：对于预测的站点为首站时，车辆进入站点的到站时间为车辆出站时间。
4.根据权利要求1所述的基于公交车历史到站时间计算车辆预计到达时间的算法，其特征在于：步骤S2中，分段时间按每10分钟进行分段，在业务层面上按需设有提供设置不同时间段的不同间隔。
5.根据权利要求1所述的基于公交车历史到站时间计算车辆预计到达时间的算法，其特征在于：步骤S1中业务层面上设有提供允许纠错距离Sn的入口。
6.根据权利要求1所述的基于公交车历史到站时间计算车辆预计到达时间的算法，其特征在于：所述gps信息包括线路、上下行、gps位置和时间。
7.根据权利要求1所述的基于公交车历史到站时间计算车辆预计到达时间的算法，其特征在于：步骤S3中，所述v为30km/h，v在业务层面上设有提供允许手动输入的入口。
8.根据权利要求1所述的基于公交车历史到站时间计算车辆预计到达时间的算法，其特征在于：步骤S3中，使用第三方地图提供的api接口，返回道路上两个点之间开车的最短路径Sn需要一开始将数据初始化完成并保存在数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311856071.7A CN117789509A (zh) | 2023-12-29 | 2023-12-29 | 基于公交车历史到站时间计算车辆预计到达时间的算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311856071.7A CN117789509A (zh) | 2023-12-29 | 2023-12-29 | 基于公交车历史到站时间计算车辆预计到达时间的算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117789509A true CN117789509A (zh) | 2024-03-29 |
Family
ID=90387734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311856071.7A Pending CN117789509A (zh) | 2023-12-29 | 2023-12-29 | 基于公交车历史到站时间计算车辆预计到达时间的算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117789509A (zh) |
-
2023
- 2023-12-29 CN CN202311856071.7A patent/CN117789509A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109544908B (zh) | 一种实时预测公交到站时间的方法、电子设备及存储介质 | |
| CN109034566B (zh) | 一种基于公交站点上下客流的智能调度方法及装置 | |
| CN104064024B (zh) | 一种基于历史数据的公交车辆到站时间预测方法 | |
| CN105632222B (zh) | 预报到站时间的方法及其系统 | |
| CN109166337B (zh) | 公交到站时间生成方法、装置及公交乘客出行od获取方法 | |
| CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
| CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
| CN105427594A (zh) | 一种基于双向上车客流的公交断面客流量获取方法及系统 | |
| CN106382939A (zh) | 一种基于历史数据的导航路径行驶时间预测系统及方法 | |
| CN110298516B (zh) | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 | |
| CN113888857A (zh) | 基于车联网的公共交通管理系统、装置及方法 | |
| CN114662801B (zh) | 一种公交车辆的运营精准管理方法及其系统 | |
| CN105243868A (zh) | 一种公交车辆到站时间预测方法及装置 | |
| CN111047858A (zh) | 一种融合算法的公交客流出行od确定方法及装置 | |
| CN111161531A (zh) | 一种基于公交车载终端判断线路正返程和进出站的方法 | |
| CN109727474B (zh) | 一种基于融合数据的公交车进出站精确识别方法 | |
| JP2840993B2 (ja) | 列車運行管理システム | |
| CN117789509A (zh) | 基于公交车历史到站时间计算车辆预计到达时间的算法 | |
| CN108682152B (zh) | 一种基于前车数据的公交车异常数据修复方法 | |
| CN115762131A (zh) | 一种应用于公共交通的智能行车计划编制方法及系统 | |
| CN103605905A (zh) | 一种城市轨道交通首班车发车时间计算方法 | |
| CN112860766B (zh) | 一种公交运行车次认定方法及装置 | |
| 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 | |
| CN112396865A (zh) | 一种基于线路轨迹的实时公交到站预测方法 | |
| CN113065803A (zh) | 站间行车数据处理方法、装置、电子设备及存储介质 |
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 |