[发明专利]公交到站的预测方法

说明书

技术领域

本发明涉及的是一种信息处理技术领域的方法，具体是一种公交到站的预测方法。

背景技术

公交到站时间预测技术是在城市智能交通系统中公交信息发布的难点和重点。上海市目前正在大力推进城市公共交通，已经形成了城市交通运营管理和服务的信息化雏形。作为城市智能交通系统(ITS)的重要组成部分的交通信息发布系统，近几年快速发展。但是常规公交信息发布系统的建设相对轨道交通信息发布系统还比较落后，乘客对公交车辆运行状况的投诉屡有发生。

目前的预测方法，根据数据选择的来源不同可以分为基于历史数据的到站时间预测方法和基于实时数据的到站时间预测方法。根据路段行驶时间计算方法不同又可以分为：时间序列分析、卡尔曼滤波、人工神经网络、等多种方法。

上述预测模型在预测精度和实际应用上各有特点。经文献检索发现，基于历史数据的到达时间预测模型里，假设公交车的实际行驶情况围绕历史行驶情况小幅度波动。模型以大量历史数据为基础，该类模型原理易懂、操作简单，使用广泛，但是当突发事件导致公交车的实际行驶情况大幅度偏离历史情况时，预测效果会不理想，其预测精度有限，实用性不强。人工神经网络模型在预测精度上具有绝对的优势，它是当前倍受推崇的一种公交车到达时间预测模型。但是，神经网络的训练函数、学习函数以及一些参数的选择却需要经验或试取，并且网络训练时间较长。因此，实现在线的实时训练和动态预测绝非易事。Kalman滤波器模型利用不断逼近的方式获得较高的预测精度，尤其在提前一步预测行程时间时，该模型具有良好的预测性能。但是，其能力却随步骤的增加而不断衰退。

发明内容

本发明针对现有技术存在的上述不足，提供一种公交到站的预测方法，准确性较好且运算速度快，易于物理实现和推广。

本发明是通过以下技术方案实现的，本发明通过分析公交运行历史数据判断运行稳定性，划分出适合不同预测方式的时段。在预测周期内，采用卡尔曼滤波法分析实时GPS数据预测到站时间，最终通过误差加权把历史数据和实时数据两种预测结果综合起来作为最终的发布信息。

本发明具体包括以下步骤：

1)数据采集：通过三种方法采集公交车运行数据，提供公交车实时运行状况信息。

2)数据处理：使用ArcGIS地理信息系统软件，剔除错误数据，确定公交车的实时位置及数据回报的时刻。

3)公交运行稳定性分析：采集半年内的公交运行历史数据，划分为18种情况，每种情况分别进行稳定性分析。

4)公交车到站预测方式选择：根据稳定性分析结果，选择合适的到站预测方式。

5)建立到站时间预测模型：综合考虑公交车运行历史数据和实时GPS数据，分别进行到站时间预测，根据预测过程中的误差对两种预测结果进行加权平均，作为最终的到站时间发布在电子站牌供乘客参考。

本发明方法根据公交车历史运行数据，在分析公交车运行稳定性的基础上，选择不同的预测方式。在分离出适合进行到站时间预测的时段，采用历史数据和实时GPS数据分别预测，最后进行误差加权的方法，预测公交车到站时间。由此综合考虑公交车运行历史规律和实时路况以及交通流信息，能更加准确的对公交车到站时间进行预测。

附图说明

图1为公交车GPS数据处理结果。

图2和图3为公交车运行稳定性分析，其中站点选择徐家汇，公交运行方向为下行，日期为周六、日。

图4为基于历史和实时数据误差加权的公交车到站预测方法流程图。

图5为数据采集示意图。

图6为数据传输示意图。

图7和图8为实时GPS数据汇报点分布示意图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例