[发明专利]一种基于公交网络的乘客需求预测系统和方法

说明书

本发明公开了一种基于公交网络的乘客需求预测系统和方法，该方法综合考虑非均匀性、突发性和周期性等因素，通过随时间变化的泊松模型，加权时间变化的泊松模型，综合自回归移动平均模型等预测模型和基于滑动窗口的整合框架最终得到公交网络中的乘客需求预测。本发明预测得到的乘客需求量能够为乘客提供更加便捷舒适的公交出行环境，如减少乘客的等车时间、避免公交车过度拥挤或者过度松散的情况。

技术领域

本发明涉及一种基于公交网络的乘客需求预测系统和方法。

背景技术

伴随着经济的高速发展，交通运输业得到了飞速发展，但是交通状况却不断恶化，产生了一系列交通问题：交通拥挤和道路阻塞的现象日趋严重，交通事故频繁发生，随之带来的能源消耗和环境污染也越来越引起社会的普遍关注。公共交通工具，尤其是公交车服务可以有效缓解这些问题。公交服务能有效地利用现有交通设施，减少交通负荷和环境污染，保证交通安全，提高运输效率，改善道路使用者的方便性和舒适性。另外公交车分布范围广，价格便宜，因而日益受到各国人们的青睐。2011年新加坡500万居民中平均每天乘坐公交车的就有330多万。然而目前公交车的服务质量还有待提高，乘客在乘坐公交车时希望尽可能缩短等车时间，尽可能乘坐不拥挤的公交车。事实上，过度拥挤的公交车可能会吓走很多乘客，从而使他们放弃乘坐公交车。因此合理均衡的公交服务应该是满足公交公司和乘客双方的利益最大化。如果失去这种均衡就会出现下面两种情形中的一种：1）过多的空车和很少的乘客需求；2）乘客的等待时间很长和过度拥挤的公交车。可见，准确的、实时的乘客需求预测可以帮助公交公司决定合理的公交发车时间间隔，并且可以减少乘客的等车时间，这正是人们急切需要的。

然而，由于很多不确定因素的存在，本发明需要面对如下三个挑战：1）非均匀性。乘客对公交服务的需求在不同站点间，不同工作日间，以及同一天的不同时间段都存在差异；2）突发性。每个公交站点的乘客需求量都是不同的，并且很多公交站点的乘客需求是有突发性的，会受到很多意外事件的影响，如交通拥堵，天气变化等；3）周期性。乘客对公交服务的需求在不同周的同一工作日，以及同一天的早晨和傍晚都存在很高的相关度。为了很好地解决这些挑战性问题，本发明提出了一种基于公交网络的乘客需求预测系统和方法。基于历史的GPS数据和公交服务数据（如乘客的上/下车站点），针对每个公交站点的乘客需求建立一个P分钟的时间序列直方图。本发明采用有名的时间序列预测技术，如随时间变化的泊松模型、加权时间变化的泊松模型和综合自回归移动平均模型等来预测公交网络中的乘客需求。