[發明專利]一種公交車到站時間測算方法和裝置

有效

• 申請號: 201310214542.4
• 申請日: 2013-05-31
• 公開（公告）號: CN104217605B
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 張偉偉;陳耀偉
• 申請（專利權）人: 張偉偉;陳耀偉
• 主分類號: G08G1/123
• 分類號: G08G1/123
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙)11413
• 代理人: 項京,馬敬

技術領域

本發明涉及信息處理技術，特別是涉及一種公交車到站時間測算方法和裝置。

背景技術

隨著城市智能交通的發展，城市交通運營管理和服務信息化水平已經得到很大提高，但對于公交系統，公交到站預測仍然是難點和重點，對公交到站的準確預測直接關系到公交乘客的滿意度。

目前，在一些城市已經出現了公交到站預測服務，比如，在公交車站旁設立電子屏幕，顯示某一線路的公交車到達當前車站還需經過的車站的數目。但是，公交車距離當前車站的車站數目，對于用戶來說并不直觀，用戶更希望知道等待時間，即公交車到達當前公交車站的預計時間。因此，目前應運而生了一種基于人工神經網絡來測算公交車到站時間的方法。

在目前基于人工神經網絡測算公交車到站時間的方法中，首先建立公交車運行的歷史數據庫；然后，采用人工神經網絡方法對歷史數據進行訓練，得出公交車由發車點到達目標車站的最佳平均行程時間；最后，在實際道路預測中，引入公交車當前在道路上運行的動態運行信息來修正預先得到的最佳平均行程時間，從而測算出公交車到站的時間。

由此可見，在現有技術中，雖然能夠利用人工神經網絡來測算公交車到站時間，但是，其測算依據主要是公交車運行的歷史數據，公交車當前在道路上運行的動態運行信息只是用來修正預先測算的到站時間。而目前，道路運行狀況越來越復雜和多變，主要依據歷史數據測算到站時間，即使經過修正也仍然會導致測算時間不準確。另外，現有技術中在進行人工神經網絡訓練的時候，針對一條公交線路進行一個人工神經網絡模型的建立和訓練，沒有考慮公交車在運行中的不同道路階段具有明顯差異的特征，也會導致訓練結果不準確，從而使得最終測算的公交車到站時間不準確。

發明內容

本發明實施例的目的在于提出一種公交車到站時間測算方法和裝置，能夠使得測算出的公交車到站時間更為準確。

為達到上述目的，本發明實施例公開了一種公交車到站時間測算方法，將每一條公交運行線路劃分為多個運行部，為每一個運行部分別建立對應的人工神經網絡模型；針對每一個運行部，獲取其對應的影響公交車到站時間的影響因素的歷史值以及該運行部對應的歷史運行時間，并輸入其對應的人工神經網絡模型，訓練后得到其對應的人工神經網絡模型的參數值；該方法還包括：確定公交車當前位置和目標站之間的所有目標運行部，針對每一個目標運行部，獲取其對應的所述影響因素的當前值，并輸入其對應的人工神經網絡模型，根據訓練得到的人工神經網絡模型的參數值，得到與各個目標運行部對應的各人工神經網絡模型的輸出值，根據所有輸出值得到公交車到達目標站的時間。

較佳地，所述將每一條公交運行線路劃分為多個運行部包括：將每一條公交車運行線路上的每一個交叉路口、每一個車站、每兩個交叉路口之間的路段，分別劃分為一個運行部；

和/或，

所述人工神經網絡模型包括：一個輸入層、一個隱層和一個輸出層，其中，輸入層神經元為所述影響公交車到站時間的影響因素；輸出層神經元為時間；隱層神經元的個數利用如下公式確定：其中S為隱層神經元個數，a為輸入層神經元的個數，b為輸出層神經元的個數，n為1到10之間的整數。

可選地，所述影響公交車到站時間的影響因素包括：時間段、天氣狀況、特殊事件、周末節假日、上下游路況、車輛距車站位置以及車輛在前一段運行過程中晚點程度中的任意一個或多個。

其中，所述影響因素的歷史值和所述影響因素的當前值均為歸一化數值；

該歸一化數值的得到方法包括：

當所述影響因素中包括時間段時，將一天的時間以早、午、晚高峰為分界，分為七個時間段，分別對應歸一化數值為0.1，0.2，0.3，0.4，0.5，0.6，0.7；

當所述影響因素中包括天氣狀況時，極其惡劣對應的歸一化數值為0.9，惡劣對應的歸一化數值為0.5，正常對應的歸一化數值為0.1；

當所述影響因素中包括特殊事件時，交通正常對應的歸一化數值為0.1，影響嚴重對應的歸一化數值為0.5,極其嚴重對應的歸一化數值為0.9；

當所述影響因素中包括周末節假日時，周一至周日對應的歸一化數值分別為0.1至0.7，小長假對應的歸一化數值為0.8，長假對應的歸一化數值為0.9；

當所述影響因素中包括上下游路況時，暢通對應的歸一化數值為0.1，擁堵對應的歸一化數值為0.5，嚴重擁堵對應的歸一化數值為0.9；

當所述影響因素中包括車輛距車站位置時，以車輛位置所在的兩站之間的距離為分母，以車輛距離下一個站點的距離為分子，將得到的分數值作為歸一化數值；