[發明專利]一種基于大數據和動態多維度精確預測公交車輛到站方法

在審

• 申請號: 202210436807.4
• 申請日: 2022-04-25
• 公開（公告）號: CN114550459A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 劉晟;范匯濤;李剛;劉躍;周慧博;孫龍
• 申請（專利權）人: 南京智慧交通信息股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 南京鑫之航知識產權代理事務所(特殊普通合伙) 32410
• 代理人: 姚蘭蘭

本發明公開了一種基于大數據和動態多維度精確預測公交車輛到站方法，屬于智能公交應用技術領域，通過建立基于實時Gps、實時車載客流量、紅綠燈等待、車輛報警等多重因素影響車輛實時運行速度的模型，基于不同線路不同時段進行數據訓練，得出車輛在任意一點距離后續站臺到站時間的精確預測，公交車到站預測時間與實際到站時間出現出入時有機制可以進行修正，實現修正被觸發多次后對影響的權重進行自動變更的機制，通過建立不同峰段的公交到站倉庫速度曲線圖，設定前移波動值、后移波動值并與實時車速比較，提高了預測的準確性，本發明車解決客流對停站時間影響無法判斷以及車輛突發情況無法識別等因素影響實際到站時間的問題。

技術領域

本發明屬于智能公交應用技術領域，具體涉及基于大數據和動態多維度精確預測公交車輛到站方法。

背景技術

在當下的公交到站預測方法中，基于車輛實時Gps和車載終端提供的車速來計算到站時間的方式存在計算精度不高、跨站大誤差越大、對突然情況沒有應對機制等問題；

現有電子站牌并沒有普及到每個城市，即使有的城市已經運行，試行的結果并不很理想,電子站牌的服務沒有全面考慮到市民乘車的各項需求，存在設計不合理，顯示內容不正常，錯誤顯示或者干脆不顯示等問題，由于通信中斷、數據丟失或電源切斷等原因無法獲取數據導致電子站牌無法正確更新；

乘客無法獲取可靠的結果合理規劃出行方案、減少等車時間，因此需要有一種基于大數據和動態多維度精確預測公交車輛到站方法來解決現有的問題。

發明內容

本發明的目的在于提供一種基于大數據和動態多維度精確預測公交車輛到站方法，以解決公交車輛由于預測到站時間不準確的問題。

為實現上述目的，本發明提供如下技術方案：一種基于大數據和動態多維度精確預測公交車輛到站方法，包括以下步驟：

步驟1、采集公交車輛歷史數據，建立公交線路在不同峰段的公交到站數據倉庫；

步驟2、采用獲取車輛到站信息、出站信息的裝置獲取車輛到站信息、出站信息，篩選不合格客流數據，并將合格客流數據后錄入數據倉庫；

步驟3、標識使用權重，分析計算客流量在每條線路上對車輛的速度權得以及分析計算客流量對站點停留時間權重，并作為測算模型的輸入因子；

步驟4、建立每個峰段的公交到站倉庫速度曲線圖，設定前移波動值、后移波動值并與實時車速比較；

步驟5、清洗和整理公交gps糾偏、車輛軌跡匹配數據，與客流量權重、車輛報警權重與速度曲線圖區間條件關聯后作為公交線路軌跡的車輛到站測算模型的輸入因子，計算車輛距第一個站臺的時間；

步驟6、建立訓練集，并將訓練最優模型預測車輛對后續站點的到站時間。

優選的，所述公交車輛歷史數據包括：公交線路發車時間、相鄰站點間隔時間、到站時間、紅綠燈等待時間；

其中，所述公交車發車數據的獲取數據源與調度系統相連接；

到站時間、相鄰站點間隔時間通過公交車車載終端上傳的進出站數據分析獲取；

紅綠燈等待數據的獲取數據接口與第三方平臺接口相連接。

優選的，所述公交到站數據倉庫的模型包括：

下一站時間預測模型、用于預測車輛距離下一站的時間；

站臺間的時間預測模型，用于預測車輛后續間隔站臺間的時間；

N站時間預測模型，用于預測距離后N站時間，所述距離后N站時間為距離下一站時間預測與后續間隔站臺時間之和。

優選的，所述獲取車輛到站信息、出站信息的裝置包括安裝于公交車輛上的車載終端，其采集到站上站客流量、下站客流量、第一次開門時間、最后一次關門時間、車輛停站時間；所述車載終端與攝像頭和傳感器相連接，所述傳感器識別人臉行為判斷上下車時間。

優選的，所述不合格客流數據的篩選步驟包括：

刪除實時客流+上客流-下客流0的數據；