[發(fā)明專利]一種公交車服務(wù)水平可靠性預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201711382496.3
• 申請日: 2017-12-19
• 公開（公告）號: CN108171367A
• 公開（公告）日: 2018-06-15
• 發(fā)明（設(shè)計）人: 馬紅偉;孫峣;宋洋;申嬋;白子建;趙巍;柯水平;劉亞帝;劉巖;張磊
• 申請（專利權(quán)）人: 天津市市政工程設(shè)計研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06N99/00
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 杜文茹

一種公交車服務(wù)水平可靠性預(yù)測方法：選擇影響公交車服務(wù)水平的因素，并將所述影響公交車服務(wù)水平的因素所對應(yīng)的屬性值作為輸入的特性向量；構(gòu)建公交車可靠性預(yù)測值；將輸入的特性向量數(shù)據(jù)生成數(shù)據(jù)集，對數(shù)據(jù)集進行歸一化預(yù)處理；對于有S個樣本數(shù)據(jù)點的樣本，每次采用隨機有放回抽取樣本數(shù)據(jù)的方法采樣，得到訓(xùn)練集；剩下為測試數(shù)據(jù)；進行訓(xùn)練；生成一個分類決策樹；將最下層各子節(jié)點包含的訓(xùn)練樣本值的平均值作為該節(jié)點的輸出值；生長出一片森林；進行基尼重要性值計算；計算影響公交車服務(wù)水平因素的置換重要性值；置換重要性值小于1的因素剔除；預(yù)測未來公交車線路的可靠性；計算公交車可靠性預(yù)測值的精度。本發(fā)明準確率更高，能夠處理高維度數(shù)據(jù)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種公交車服務(wù)水平可靠性預(yù)測方法。特別是涉及一種基于隨機森林的公交車服務(wù)水平可靠性預(yù)測方法。

背景技術(shù)

在智慧城市快速發(fā)展的背景下，智慧交通也受到越來越多的關(guān)注，公交到達時間預(yù)測已成為近年來研究熱點。準確、實時的預(yù)測線路運行狀態(tài)不僅能幫助乘客更好的選擇出行路線，也為交通部門科學(xué)管理提供科學(xué)依據(jù)、制定合理的安排。

在中國的大中城市，公共交通的發(fā)展并不盡如人意。例如：公交車的正點率較低、公交車輛運行的間隔不一致等。隨著生活節(jié)奏的加快，出行者越來越希望快速準時的到達目的地，研究公共交通服務(wù)水平的可靠性有助于公交到站時刻表的確定，提高運輸服務(wù)。

可靠性理論在交通領(lǐng)域最早應(yīng)用于城市道路交通網(wǎng)絡(luò)，用于評價道路網(wǎng)達到某種服務(wù)水平的可靠程度。近年來可靠性理論研究迅速發(fā)展，在路網(wǎng)連通可靠性行程時間可靠性、運行準點可靠性等方面均取得了比較成熟的理論成果。公共交通服務(wù)的可靠性既是公交企業(yè)提高公交運營狀況、提高公交服務(wù)質(zhì)量、提高企業(yè)服務(wù)競爭力的保障,也是增強乘客公交出行便利性的有力保障。

隨機森林是一種機器學(xué)習(xí)算法，在2001由Leo Breiman首次提出。該方法將集成學(xué)習(xí)理論和隨機子空間方法相結(jié)合。同支持向量機類似，隨機森林也是一種基于學(xué)習(xí)的預(yù)測算法。隨機森林方法相比于傳統(tǒng)的Logit模型和支持向量機的預(yù)測能力，預(yù)測的精度總是最優(yōu)的。此外，隨機森林方法已經(jīng)成功的應(yīng)用于全基因組關(guān)聯(lián)分析領(lǐng)域。

隨機森林，是利用多棵樹對樣本進行訓(xùn)練并預(yù)測的一種分類器。該算法已成功地解決如：語音識別，圖像識別，三維物體識別等領(lǐng)域的難題。其在當前的很多數(shù)據(jù)集上，相對其它算法有著很大的優(yōu)勢，并在訓(xùn)練完后它能夠給出哪些特征比較重要，

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是，提供一種準確率更高、處理高維度數(shù)據(jù)的公交車服務(wù)水平可靠性預(yù)測方法。

本發(fā)明所采用的技術(shù)方案是：一種公交車服務(wù)水平可靠性預(yù)測方法，包括如下步驟：

1)選擇影響公交車服務(wù)水平的因素，包括：道路交通狀況、交叉口數(shù)量、天氣狀況、停靠站數(shù)量、公交專用道長度、港灣車站數(shù)量、公交線路運行長度、是否在高峰時段以及是否在休息日/節(jié)假日，并將所述影響公交車服務(wù)水平的因素所對應(yīng)的屬性值作為輸入的特性向量；

2)構(gòu)建公交車可靠性預(yù)測值R_j，j為當前時間段；

3)將輸入的特性向量數(shù)據(jù)生成數(shù)據(jù)集X，對數(shù)據(jù)集X進行歸一化預(yù)處理，從而把樣本數(shù)據(jù)轉(zhuǎn)化為0～1之間的數(shù)據(jù)；

4)對于有S個樣本數(shù)據(jù)點的樣本，每次采用隨機有放回抽取樣本數(shù)據(jù)的方法采樣S次，得到包含S個樣本的訓(xùn)練集；剩下未被選擇的樣本作為測試數(shù)據(jù)，得到新數(shù)據(jù)集X*，新數(shù)據(jù)集X*包含S*個樣本數(shù)據(jù)；

5)對于新數(shù)據(jù)集X*中包含的Z個特征向量，訓(xùn)練時隨機選擇其中的m個特征向量作為輸入；m＝Z/3，m為整數(shù)，且只進不舍；

6)生成一個分類決策樹t；

7)將最下層各子節(jié)點包含的訓(xùn)練樣本值的平均值作為該節(jié)點的輸出值；