[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

说明书

本发明涉及人工智能技术领域，具体涉及大数据和人工智能的公交车通行时间预测方法。该方法首先将公交路段分段为多个子路段，获取公交车的行驶数据和子路段内的车辆光流信息。根据行驶数据和车辆光流信息各子路段的路况特征、路段特征向量、复杂度指标和驾驶习惯指标；将路况特征、路段特征向量和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；通行时间预测网络的损失函数由复杂度指标、预测通行时间和真实通行时间构建；由多个子路段的预测通行时间、红绿灯的等待时间和公交车站点的停靠时间之和得到公交路段的通行时间。本发明通过对各子路段的通行时间进行预测，减小了累计误差，提升了通行时间的准确性。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于大数据和人工智能的公交车通行时间预测方法。

背景技术

随着我国社会经济的不断发展，城市交通拥堵、出行不便等问题日益突出，严重影响了人们的正常生活和城市的发展。发展城市公共交通不仅是缓解城市交通拥堵的有效措施，还是改善城市人居环境，促进城市可持续发展的必然要求。公交车作为城市公共交通中最常见的交通方式，公交车的通行时间判断直接影响公交车的调度结果，且公交车通行时间预测对人们出行有着积极作用。

目前，公交车通行时间预测通常根据历史GPS数据，得到由当前实时位置到达各站点的平均距离和平均通行时间。该方法没有根据影响公交通行时间的因素进行通行时间预测，而是直接得到平均历史通行时间，会导致预测的公交通行时间准确性较差。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于大数据和人工智能的公交车通行时间预测方法，所采用的技术方案具体如下：

本发明一个实施例提供了一种基于大数据和人工智能的公交车通行时间预测方法，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。

优选的，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。