[發明專利]一種公交專用道上的公交車車路段運行時間預測方法

有效

• 申請號: 201410609740.5
• 申請日: 2014-11-03
• 公開（公告）號: CN104318757A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 于濱;冮龍輝;李婷;竺寒冰
• 申請（專利權）人: 大連海事大學
• 主分類號: G08G1/00
• 分類號: G08G1/00;G08G1/123
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

技術領域

本發明涉及一種時間預測方法，特別是關于一種公交專用道上的公交車車路段運行時間預測方法。

背景技術

公交專用道是在道路通行條件許可、交通擁擠的重要路段，通過標志、標線等劃出一條或幾條車道，全天候或分時段限制其他車輛的通行，供公交車專用。APTS(Advanced?Public?Transportation?System，先進的公共交通系統)和ATIS(Advanced?Traveler?Information?System，先進的出行者信息系統)是ITS(Intelligent?Transport?System，智能交通系統)的兩大核心子系統，準確合理地預測公交專用道上的公交車運行時間對于ATIS來說，可以提供有效的出行信息，從而讓乘客合理安排自己的出行計劃，提高公交車服務質量，對于APTS來說，可以讓運營者采取適當的措施來調整運營計劃，有效進行運營管理。因此，準確合理的預測公交專用道上的公交車車運行時間是ITS最為關鍵的組成部分，對于提升公交專用道上的公交車服務水平，增強公交車出行吸引力度，緩解城市交通擁堵以及改善人居出行狀況都具有重要意義。

公交專用道上的公交車車運行時間受到很多隨機因素的影響，例如：天氣、交通狀況以及客流的變化等，公交車的運行狀況與這些因素之間存在著非常復雜的關系，因此很難應用數學模型進行準確的標定和預測。現有的用于公交專用道上的公交車車路段運行時間預測的神經網絡算法由于結構確定、過學習和欠學習以及局部收斂等問題，使神經網絡算法的精度并不高，而另一種預測方法——SVM(Support?Vector?Machine，標準支持向量機)的精度過度依賴核函數的選擇，且目前沒有成熟的理論對此進行指導，導致其魯棒性較差，在實際應用中常常得不到較好的預測結果。而多重核學習支持向量機能將多個基本核函數通過加權相加的形式得到組合核函數，避免了核函數選擇的盲目性，降低了對核函數選擇的依賴，提高了預測的魯棒性。

發明內容

針對上述問題，本發明采用提供了一種公交專用道上的公交車車路段運行時間預測方法。

為實現上述目的，本發明采取以下技術方案：一種公交專用道上的公交車車路段運行時間預測方法，它包括以下步驟：1)采集公交車專用道上的公交車運行線路信息、公交車車輛運行信息以及公交車GPS運行數據；2)根據得到的公交車專用道上的公交車運行線路信息、公交車車輛運行信息與公交車GPS運行數據，獲取公交車車輛在各個路段之間的運行時間，并對運行時間進行歸一化處理；3)選取若干基本核函數建立初步的多重核學習支持向量機預測模型，并計算每一核函數所占的權重；4)采用步驟2)中所得數據訓練初步的多重核學習支持向量機預測模型，獲得多重核學習支持向量機預測模型；5)針對多重核學習支持向量機預測模型進行測試，采用均方根誤差RMSE評價測試結果，若不滿意，則返回步驟3)重新選取基本核函數，構建初步的多重核學習支持向量機預測模型；若測試結果滿意，則進入下一步；6)針對道路系統中任意一條線路中公交車車輛站點間運行時間，采用多重核學習支持向量機預測模型進行預測，得到相應的運行時間預測值。

所述步驟1)中，公交專用道上的公交車運行線路信息包括公交車運行線路里程、公交車站點位置以及站點個數和線路情況；公交車車輛運行信息包括公交車發車間隔、公交車客流高峰時段、公交車車輛運行時的天氣狀況和道路交通狀況；公交車GPS運行數據包括公交車站點名稱、公交車車輛車牌編號、公交車車輛班次編號、公交車車輛發車時刻、公交車車輛駛入站點和駛離站點時刻。

所述步驟2)中，根據公交車GPS運行數據，得到車輛經過任意路段的兩個端點的時刻，將這兩個端點的時刻相減，得到該路段上公交車車輛的運行時間，并將運行時間進行歸一化，其歸一化公式為：