[发明专利]一种基于SVM的自适应公交到站时间预测方法

权利要求书

1.一种基于SVM的自适应公交到站时间预测方法，其特征在于：以大量公交实时数据为基础，结合多种影响公交到站时间的动态因素，将其量化并建立了基于SVM的集合了天气、星期、法定假日、地理位置等静态信息和上游路段速度、下游路段速度、下游路段最新花时、路况拥挤程度、时间段等动态信息的公交到站时间预测模型。其中，

分别以x¹，x²，x³，x⁴，和表示。确定SVM特征向量后，将这9个特征作为输入变量，输出变量为公交到站时间。以m车到达k站为例，输入(x¹，x²，x³，x⁴，和)来预测m车到达k+1站点的时间，然后更新k-1→k路段的最新速度与时间，随着公交到站时间的不断更新，后续公交到站时间不断修正，直到公交车运行结束，抵达终点；

同时针对基准系统在预测时，根据大量公交到站时间历史数据的波动性，自适应地选择公交预测模型，以提高预测效率。

2.根据权利要求1所述的基于SVM的自适应公交到站时间预测方法，其特征在于：本方法对每一段公交的到站时间波动性进行分析，如果一个路段的到站时间波动性低于某个阈值，就用到站时间历史数据的平均值作为路段的公交到站时间，否则就采用SVM全局预测模型来预测公交到站时间；

另外，如果某2段以上路段有着相似的波动性，本方法会将其合并成一条路段进行预测，这样的机制同样可以降低预测时间。

3.根据权利要求1所述的基于SVM的自适应公交到站时间预测方法，其特征在于：天气因素为天气状况的变化影响公交的某些性能参数，对于天气信息的采集可以查询天气预报或者实时记录当天的天气情况；

本专利设某一天的天气情况为ω，ω＝{0,1,2,3,4}，其中，0代表晴天，1表示小雨，2表示大雨，3表示雪，4表示冰雪。

4.根据权利要求1所述的基于SVM的自适应公交到站时间预测方法，其特征在于：星期因素为工作日和休息日的交通情况是不同的；

本专利令一周的7天分别表示d＝{1,2,3,4,5,6,7}。

5.根据权利要求1所述的基于SVM的自适应公交到站时间预测方法，其特征在于：法定假日因素为法定假日内，客流量往往会急剧变大，交通繁忙，突发性事件发生频率也较高；

本专利用b来表示当天是否是法定节日，b为布尔型的变量，取值：b＝1，true；b＝0，false。

6.根据权利要求1所述的基于SVM的自适应公交到站时间预测方法，其特征在于：地理位置因素为每段公交路段所处的位置对预测准确性是有一定影响的。

7.根据权利要求1所述的基于SVM的自适应公交到站时间预测方法，其特征在于：使用上游路段、下游路段速度、下游路段最新花时作为道路因素、车辆因素、人为因素、交叉口因素和突发因素等的替代因素。

8.根据权利要求1所述的基于SVM的自适应公交到站时间预测方法，其特征在于：交通用途情况和时间段情况用来说明路段实时交通情况和交通时间对道路交通的影响。