[发明专利]一种基于大数据和人工智能的公交车通行时间预测方法

权利要求书

1.基于大数据和人工智能的公交车通行时间预测方法，其特征在于，该方法包括以下步骤：

根据公交车站点以及红绿灯将公交路段分段为多个子路段；

获取公交车的行驶数据和公交车所在的子路段内的车辆光流信息，所述行驶数据包括三轴角速度、行驶速度和真实通行时间；将所述车辆光流信息的均值作为所述子路段的路况特征；

根据所述三轴角速度的变化量和所述行驶速度的变化量之比得到所述子路段的路段特征向量，将所述子路段的路段特征向量聚类为多个分割路段，并得到各所述分割路段内所述路段特征向量的元素数量；由所述分割路段内所述元素数量的最大差异值和所述分割路段的数量的乘积得到复杂度指标；

对所述分割路段之间的分割点处相邻两个窗口内的行驶速度变化量进行滤波，将滤波后行驶速度变化量的均值作为速度变化特征值，将多个所述分割点处的所述速度变化特征值的均值作为驾驶习惯指标；

将所述路况特征、所述路段特征向量和所述驾驶习惯指标输入通行时间预测网络输出对应子路段的预测通行时间；所述通行时间预测网络的损失函数为：

其中，为一个批次数据的数量；为通过所述通行时间预测网络模拟预测的第个数据的预测通行时间；为第个数据的真实通行时间；为第个数据的复杂度指标；

获取所述公交车在各红绿灯的等待时间以及各站点的停靠时间；由多个所述子路段的预测通行时间、所述等待时间和所述停靠时间之和得到所述公交路段的通行时间。

2.根据权利要求1所述的基于大数据和人工智能的公交车通行时间预测方法，其特征在于，所述获取公交车的行驶数据和公交车所在的子路段内的车辆光流信息，包括：

采集道路图像；

将所述道路图像中车辆行驶区域的像素值置为1，其他区域的像素值置为0，得到遮罩图像；

根据所述遮罩图像和所述道路图像得到车辆行驶区域图像；

对所述车辆行驶区域图像进行关键点检测，得到所述车辆行驶区域图像内各车辆关键点的车辆光流信息。

3.根据权利要求1所述的基于大数据和人工智能的公交车通行时间预测方法，其特征在于，所述将所述子路段的路段特征向量聚类为多个分割路段，包括：

对所述路段特征向量进行有序聚类，得到分割点和每个分割类别的分割类别直径；由所述分割点和所述分割类别直径，得到多个分割路段和每个分割路段中所述路段特征向量的元素数量。

4.根据权利要求1所述的基于大数据和人工智能的公交车通行时间预测方法，其特征在于，所述由所述分割路段内所述元素数量的最大差异值和所述分割路段的数量的乘积得到复杂度指标，包括：

所述复杂度指标的计算公式为：

其中，为所述复杂度指标；为所述分割路段的数量；为第个分割路段中所述路段特征向量的元素数量。

5.根据权利要求1所述的基于大数据和人工智能的公交车通行时间预测方法，其特征在于，所述对所述分割路段之间的分割点处相邻两个窗口内的行驶速度变化量进行滤波，将滤波后行驶速度变化量的均值作为速度变化特征值，包括：

获取所述子路段内公交车的行驶速度变化量序列，以所述子路段内所述分割路段之间的分割点为中心点，获取与所述中心点相邻两个相同宽度的窗口内的相邻行驶速度变化量序列；

对两个相邻行驶速度变化量序列进行最大值滤波，将滤波结果的均值作为速度变化特征值。