[發明專利]一種基于RFID數據考慮貨車混入率的公交行程時間預測方法

有效

• 申請號: 202010845605.6
• 申請日: 2020-08-20
• 公開（公告）號: CN111951556B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 孫棣華;趙敏;諶銳
• 申請（專利權）人: 重慶大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/123
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 武君

本發明公開了一種基于RFID數據考慮貨車混入率的公交行程時間預測方法，該方法針對目前少有學者基于RFID數據進行公交行程時間預測的現狀和未考慮貨車這一對公交跟馳行為和駕駛策略產生直接影響的特定類型車輛混入比率對公交行程時間的影響等問題，利用RFID數據，考慮貨車混入率對公交行程時間的相關影響重構公交車路段行程時間數據樣本，建立LSTM?SVR組合預測模型實現對目標班次公交行程時間的精準預測，提高魯棒性和泛化能力，為智慧公交出行提供參考依據。

技術領域

本發明屬于智能交通信息技術領域，涉及一種基于RFID(Radio FrequencyIdentification)數據考慮貨車混入率的公交行程時間預測方法，可適用于已部署RFID設備裝置的城市道路中公交車行程時間的預測。

背景技術

對于城市道路中公交車行程時間的精準預測不僅有利于保證城市公共交通系統的正常高效運行，提升公共交通服務水平，而且還能進一步輔助出行者完成最優出行路線決策，縮短行程時間，一定程度上緩解交通擁堵等。

貨車由于體積大、性能差、存在大量視角盲區等特點，在城市道路中與公交車混行時，極易導致公交車駕駛員駕駛風格的轉變和跟車距離的調整，進而對公交行程時間產生不可忽視的影響作用。隨著近年來國內經濟的迅猛發展，貨車數量不斷增加，這種影響作用也同樣呈現出不斷加深的變化趨勢。考慮貨車混入率對公交行程時間的影響作用，構建組合預測模型，將有利于提高模型的預測精度和泛化能力。再者，基于RFID數據研究公交行程時間預測方法，相較于傳統的GPS數據，因其能夠有效識別城市道路中不同類型車輛信息，使得考慮貨車混入率這一重要影響因素對預測模型進行改進成為可能。

專利文獻CN102610088A公開了一種基于自適應衰減卡爾曼濾波的公交車站點間行程時間預測方法，該方法利用車載GPS裝置獲取站點間公交車歷史行程時間數據，結合自適應衰減濾波預測模型對未來站點間公交車行程時間進行預測。但是該方法依賴于大量車載GPS數據，因其存在定位漂移、易受天氣條件影響等局限性，使得模型預測精度不高；且該方法中的預測模型僅考慮公交車歷史行程時間數據對預測目標班次公交車行程時間的影響進行預測，未考慮車型因素對公交車行程時間的影響作用，導致模型的魯棒性和泛化能力均較差。

發明內容

有鑒于此，本發明的目的是提供一種基于RFID數據考慮貨車混入率的公交行程時間預測方法。

本發明的目的是通過以下技術方案來實現的：

一種基于RFID數據考慮貨車混入率的公交行程時間預測方法，該方法包括以下步驟：

1)根據RFID數據，獲取城市道路中公交車通過上、下游RFID基站的路段行程時間和路段行程時間數據樣本T；

2)根據公交車通過上、下游RFID基站所確定的時間域，實時計算并更新路段貨車混入率；

3)考慮路段貨車混入率對公交車路段行程時間的相關影響，重構公交車路段行程時間數據樣本；

4)分別構建考慮貨車混入率的LSTM公交行程時間預測模型和考慮貨車混入率的SVR公交行程時間預測模型，并在測試集數據樣本中完成公交行程時間的預測；

5)根據兩類模型的預測值與實際值，建立LSTM-SVR組合預測模型進行公交行程時間預測。

進一步，所述步驟1)的具體過程如下：在儲存有RFID數據的數據庫中選取路段上游基站和下游基站的全部公交車過車數據，再利用數據庫查詢語句查找具有相同EID的數據，判斷具有相同EID的汽車電子標識數據的車輛通過上、下游RFID基站的時間是否符合實際車輛行駛方向。若符合，則保留該項數據；否則，將其刪除，完成車牌匹配；

公交車通過上、下游RFID基站的路段行程時間的計算公式如下：

T＝t_downstream-t_upstream