[發明專利]一種專用道公交車輛駐站時間預測方法

有效

• 申請號: 201710265165.5
• 申請日: 2017-04-21
• 公開（公告）號: CN107092988B
• 公開（公告）日: 2020-04-10
• 發明（設計）人: 劉小明;尚春琳;唐少虎;陳智;鄭國榮;蔣源
• 申請（專利權）人: 北方工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 衛麟

技術領域

本發明涉及一種基于專用道公交車輛歷史數據的駐站時間預測方法。

背景技術

近年來隨著城市道路交通擁堵現象的愈加嚴重，便捷高效地出行方式成為緩解擁堵的迫切需求。《國務院關于城市優先發展公共交通的指導意見》指出發展公交優先是緩解擁堵的必然要求。2015年北京市出臺《公交專用車道設置規范》，要求符合相關條件的道路全面實施公交專用道。然而公交車輛駐站時間的波動變化將直接影響到公交車輛的路段時空軌跡分布，在路阻函數、建模仿真、評價線網、公交信號優先控制等領域的研究中有重要作用，因此國內外眾多學者對公交車輛駐站時間預測方面進行了大量研究。

由于公交車輛自身所區別于社會車輛的特點較為明顯，因此有學者將公交駐站時間預測同影響公交車輛駐站的因素、公交車輛停靠過程等相關聯進行研究。隨著交通檢測設備的改進，基于對公交車輛歷史數據回歸分析也成為可能，在傳統的回歸分析方法之上結合卡爾曼濾波、最小二乘法估計、基因表達程序、支持向量機等算法建立了公交駐站時間同公交車頭時距、路段運行時間、準點率等因素的預測分析模型。隨著人工智能在當今科學技術中的飛速發展和應用，給公交車輛的駐站時間預測提供了新的研究思路，利用K近鄰、神經網絡、貝葉斯深度學習等算法搭建公交車輛的位置、速度、車頭時距等多因素綜合影響下的駐站時間預測模型。但是這些策略仍存在以下問題：

①公交駐站時間預測方法研究中，應考慮到不同時段乘客出行及公交運行特征對公交駐站時間的影響；

②基于回歸分析的公交駐站時間預測是其中重要方法之一，但由于公交駐站時間的強隨機性，僅靠單一的回歸模型難以描述公交駐站時間與其主要影響因素間的關系，應考慮建立回歸模型庫，并隨著觀測數據的更新使庫內回歸模型持續優化。

發明內容

為了獲得一種能夠基于專用道公交車輛同一班次前后車到站時間間隔跟后車駐站時間之間數據規律進行專用道公交車輛駐站時間預測分析的方法，進而得到精準的專用道公交車輛的駐站時間預測結果。針對現行專用道公交駐站時間預測策略存在的不足，本發明的針對專用道公交車輛和社會車輛的運行特點設置了一種新的專用道公交駐站時間預測方法，具體采用如下技術方案：該方法包括如下步驟：

(1)將班次、進出站時間信息依照時間先后關系構造數據矩陣A，其中：

a_numn為第n輛車班次，a_arrn和a_depn分別為第n輛車的到站時間和離站時間；

(2)將前后車到站時間間隔Tb與本班次后車駐站時間Ts構成數據矩陣B，其中：

B＝[TB TS]；

(3)令矩陣B中數據組為n組，取其前0.8n組數據為訓練矩陣B_train＝[Tb Ts]，其余的數據構成驗證矩陣

(4)對數據矩陣B中Tb和Ts利用多項式回歸、指數回歸、對數函數回歸策略進行回歸分析并生成回歸分析數據，得到全階段回歸函數簇為：

(5)從數據矩陣B_train中尋找最大的Tb，記為Tb_max，采用聚類算法將Tb分為m組；對每個分組內數據執行多項式回歸、指數回歸、對數函數回歸策略進行回歸分析并生成回歸分析函數簇，得到分階段回歸函數簇為：

(6)將得到的全階段回歸函數簇和分階段回歸函數簇，利用皮爾遜系數進行相關度檢驗，具體如下：

其中：R為相關度，X為實際檢測得出的駐站時間，Y為根據回歸模型預測得出駐站時間，N為數組組數；

(7)選擇步驟(6)中相關度高的函數做為公交駐站時間預測模型，記為f(x)，將驗證矩陣B_check中的Tb_y作為模型輸入，輸出預測駐站時間pretime＝f(Tb_y)。

優選地，還包括如下步驟：

(8)采用平均預測精度衡量預測結果，具體如下：

其中：Preacc為平均預測精度；realtime為公交車輛真實駐站時間；pretime為公交車輛駐站預測時間。

優選地，還包括如下步驟：

(9)采用如下優化判斷流程：若E＜Q，返回步驟(4)，利用新數據對預測模型參數微調整，并剔除超出誤差閾值的點；若E＞Q，返回步驟(2)，利用新數據更新預測模型，并驗證新模型的預測效果，剔除失效數據，其中，E為平均誤差，Q為誤差閾值。