[發明專利]一種基于IC卡數據的公交乘客候車時間范圍的預測方法

有效

• 申請號: 201511021601.1
• 申請日: 2015-12-31
• 公開（公告）號: CN105469602B
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 馬曉磊;吳志海;于海洋;陳棟偉;劉從從
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 北京永創新實專利事務所11121
• 代理人: 趙文穎

技術領域

本發明涉及公共交通信息處理技術領域，具體地說是一種基于IC卡數據的公交乘客候車時間范圍的預測方法。

背景技術

隨著交通的日益發達，公共交通在人們的出行中所占的比重也日趨上升，尤其在一些大城市中，越來越多的人選擇公交地鐵出行，一方面是這種出行成本相對廉價，另一方面是地鐵出行時間可靠性高。在公交運營過程中，由于交通擁堵、站點停靠時間和上下車人數的變化等因素影響，公交車輛的到站時間并不規律。尤其是高峰時段，公交車到站時間不太穩定，容易發生串車現象，極大地影響人們的出行效率，降低了公交的服務水平，降低人們對公交服務的滿意度。因此很有必要將乘客的候車時間進行精確預測，即提供該公交下一車次的到達時間，這對出行者具有很大的意義。

在現有的專利中，已經有一些針對公交到站時間預測的方法。申請號為200910199431.4的專利，《一種公交車到站時間預測模型控制方法》采用BP神經網絡對GPS歷史數據進行訓練得出公交車有發車點到達電子站牌的出的最佳平均行程時間，引入公交動態運行信息來修正有BP神經網絡方法給出的最佳平均行程時間，以此來預測公交到站時間。申請號為201110060991.9的專利，《公交到站的預測方法》采用卡爾曼濾波法分析實時GPS數據預測到站時間，最終通過誤差加權把歷史數據和實時數據兩種預測結果綜合起來作為最終的發布信息。申請號為201110028817.6的專利——《一種基于SVM及H_∞濾波的動態公交到站時間預測方法》，該方法分為兩部分；第一部分是基于SVM方法，利用公交車到達每個站點的歷史時間數據庫構建SVM模型，確定輸入變量的值，預測相鄰站點之間的運行時間；第二部分是基于H∞濾波思想，結合實時公交車運行信息和相鄰站點之間的運行時間，預測公交車到達下游每個站點的時間。

以上的專利存在以下幾個不足：1.算法本身的局限性。BP神經網絡對初始網絡權重非常敏感，容易導致陷入局部最優；卡爾曼濾波采用不斷逼近的方式，對公交前幾站的到站時間預測精度差，而且計算量大，實時性較差；SVM算法對懲罰因子十分敏感，對預測精度影響較大，且在核函數的選擇上受Mercer定理的限制；2.GPS采集數據有限，無法獲得公交車在公交停靠站的停留時間，也不能獲得公交車在某一個站點的上下車人數，會影響預測精度；而且GPS通信易受外界環境(如惡劣天氣、高建筑物)影響，對公交旅行時間的判斷極為不利；3.只給出預測公交到站時間點，這種預測方式不能保證預測結果的可靠性，因此很有必要在保證可靠性的前提下對乘客候車時間范圍進行預測，提高乘客候車時的“安全感”。

發明內容

本發明為解決以上現有技術的不足，提供一種基于IC卡數據的公交乘客候車時間范圍的預測方法。該方法是基于相關向量機的乘客候車時間及其置信區間預測，填補了公交到站時間范圍預測的空白。從出行者的角度來看，本發明可以讓出行者合理安排時間，極大地提高出行者的出行效率，提高出行者候車時的“安全感”，能夠明顯改善公交運營公司的服務水平，提高人們對出行的滿意度。從交通管理部門的角度來看，有利于調度部門進行公交車輛的監控，使公交調度更加合理，能有效減少發生串車的概率。本發明將引入乘客候車時間范圍，將預測結果的不確定性進行量化，以95％的概率預測公交將在某個時間段到來，大大提高出行者候車時的“安全感”，公交服務也將有質的提高。

一種基于IC卡數據的公交乘客候車時間范圍的預測方法，包括以下步驟：

步驟一，建立樣本集；

步驟二，RVM建模及其參數標定；

步驟三，預測BusA和BusB在第二個目標站點的車頭時距；

本發明的優點在于：

(1)本發明的最大特點是能夠預測下一輛公交將在某一時刻至某一時刻到達某個站點，填補了公交到站時間范圍預測的空白，具有很大的創新意義，提供了比其他專利更為合理的預測方式；

(2)本發明結合公交IC卡數據，針對多輛車次，提取大量的乘客信息，不需要車載GPS系統，方便快捷，降低了數據處理成本，而且IC卡數據可以獲取公交車在各個站點的上下車人數，從而獲得公交車在各個站點的停留時間，這一點是GPS數據所不能提供的；

(3)本發明通過預測相鄰兩輛車在各個站點的車頭時距，能讓沒趕上前一班車次的出行者獲取下一車次的到達時間，可以提供類似地鐵提供下一班次到達時間的出行信息服務；