一種多線路公交到站時間預測方法
【技術領域】
[0001] 本發(fā)明涉及一種時間預測方法，特別是涉及一種多線路公交到站時間預測方法。
【背景技術】
[0002] 車輛定位系統(tǒng)（AVL，automatic vehicle location)、識別系統(tǒng)（AVI，automatic vehicle identification)和自動乘客計數(shù)設備（APC，automatic passenger counters) 等一些高新技術逐步應用到運輸管理領域，這些系統(tǒng)和技術是智能交通系統(tǒng)（ITS， intelligent transportation systems)的重要組成部分。同時，公交公司也意識到了這些 高新技術能為其帶來經(jīng)營效益。這些高新技術可以幫助公交公司獲得實時公交信息，從而 減少乘客的出行時間，提高管理和服務水平。準確的實時公交信息既可以幫助乘客合理地 選擇他們的出行時間，還可以幫助乘客選擇最合適的公交車出行。因此，通過使用高新技術 為乘客提供實時公交到站信息成為研究的熱門。
[0003] 目前有很多關于預測單條公交線路的公交車運行或到達時間的研究，但通過整合 多條公交線路的公交車的信息來預測公交運行或到達時間的研究卻很少。由于每條路段都 有好幾條公交線路，因此，通過整合多條公交線路的信息，可以提高公交到站時間預測模型 的精度。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術問題是，提供一種能夠為公交乘客提供公交車的準確到站 時間的多線路公交到站時間預測方法。
[0005] 本發(fā)明所采用的技術方案是：一種多線路公交到站時間預測方法，首先定義 preceding bus表示為最后一輛或幾輛剛剛到達待預測公交站點的公交車，預測方法具體 包括如下步驟：
[0006] 1)給出任一條公交線路的公交車在設定位置的到達時間，預測公交車在所述設定 位置和待預測公交站點間的運行時間，從而得出多線路公交車在待預測公交站點的到達時 間，具體表達如下：
[0008] 其中，s表示待預測公交站點，η表示目標公交車的編號，1表示目標公交車η的線 路編號，a表示設定位置，表示多線路公交車到達待預測公交站點s的時間，12,表示公 交線路1上的目標公交車η到達設定位置a的時間，
表示目標公交車η在設定位置 a和待預測公交站點s之間的運行時間；
[0009] 2)把多線路preceding bus的運行時間作為預測運行時間的輸入變量，目標公交 車在設定位置a和待預測公交站點s之間的運行時間的函數(shù)表示如下：
[0011] 其中，表示目標公交車η與線路集合L中任一公交線路的preceding bus的 相隔時間，1:1#表示目標公交車η和同一公交線路1上的preceding bus的相隔時間， 表示路線集合L中任一線路的preceding bus在設定位置a和待預測公交站點s之間的平 均運行時間，Osm表示同一公交線路1上的preceding bus在設定位置a和待預測公交站點 s之間的運行時間；
[0012] 3)使用支持向量機來預測公交到站時間。
[0013] 步驟2)中所述的^、^表示目標公交車η與線路集合L中任一公交線路的 preceding bus的相隔時間中的任一公交線路的preceding bus與目標公交車η屬于同一 條公交線，或屬于不同公交線路。
[0014] 步驟2)中所述的
[0016] 其中，L表示線路集合，表示公交線路1上的目標公交車η到達設定位置a的 時間，k表示線路集合L中任一公交線路的preceding bus，1??表示線路集合L中任一公 交線路的preceding bus k到達設定位置a的時間。
[0017] 步驟2)中所述的表示目標公交車η和同一公交線路1的preceding bus的相 隔時間，和.表不為：
[0019] 其中，k+μ表示同一公交線路1的preceding bus，表示k+μ公交車到達 設定位置a的時間。
[0020] 步驟2)中所述的表示路線集合L中任一線路的preceding bus在設定位置a 和待預測公交站點s之間的平均運行時間，表示為：
[0023] 吃夕表示preceding bus中的第j輛在設定位置a和待預測公交站點s之間的運 行時間，Γ表示preceding bus的權重的和，δ表示預測范圍，即被選中的公交車的數(shù)量。
[0024] 步驟2)中所述的表示同一公交線路1上的preceding bus在設定位置a和待 預測公交站點s之間的運行時間，表示為：
[0026] 其中，表示公交路線1上的公交車k+ Ii到達待預測公交站點s的到站時間， 1Sjg表示路線1上的公交車k+ μ到達設定位置a的時間。
[0027] 步驟3)所述的使用支持向量機來預測公交到站時間，是將模型的輸入變量定為： 目標公交車η與線路集合L中任一公交線路的preceding bus的相隔時間14#，目標公 交車η和同一公交線路1上的preceding bus的相隔時間，路線集合L中任一線路的 preceding bus在設定位置a和待預測公交站點s之間的平均運行時間以及同一公交 線路1上的preceding bus在設定位置a和待預測公交站點s之間的運行時間
[0028] 本發(fā)明的一種多線路公交到站時間預測方法，使用實際數(shù)據(jù)，通過整合多條公交 線路的公交車的信息來預測公交車的到站時間，為公交乘客提供公交車的準確到站時間， 從而減少乘客的焦慮和等待時間。其次，本發(fā)明使用支持向量機（SVM，Support Vector Machine)來預測多線路公交車到站時間，并與人工神經(jīng)網(wǎng)絡（ANN，Artificial Neural Network)、k 近鄰算法（k-NN，k_Nearest Neighbor)和線性回歸（LR，linear regression) 三種預測方法進行了比較和評估，最終得出支持向量機預測公交到站時間的精度最高。本 發(fā)明具有以下優(yōu)點：
[0029] 1、本發(fā)明在常規(guī)的單線路公交到站時間預測的基礎上，創(chuàng)新性的通過整合多條公 交線路的信息來預測公交車的到站時間，提高了預測的精度。
[0030] 2、本發(fā)明使用支持向量機（SVM，Support Vector Machine)來預測公交到站時 間時，并將其與人工神經(jīng)網(wǎng)絡（ANN，Artificial Neural Network)、k近鄰算法（k_NN， k-Nearest Neighbor)和線性回歸（LR，linear regression)三種預測方法進行了比較，得 出預測公交到站時間精度最高的方法是支持向量機。
[0031] 3、本發(fā)明所需數(shù)據(jù)來源于智能交通系統(tǒng)，便于收集，耗費人力物力小。4、本發(fā)明方 法可以通過計算機實現(xiàn)自動化的預測，發(fā)明方法的實用性強。
【附圖說明】
[0032] 圖1是本發(fā)明多線路公交到站時間預測方法模型示意圖；
[0033] 圖2是解釋單線路公交車運行時間預測與多線路公交運行時間預測的不同點的 說明圖；
[0034] 圖3是基于支持向量機的多線路公交到站時間預測模型的結構；
[0035] 圖4給出了 6種不同參數(shù)的支持向量機模型的預測誤差；
[0036] 圖5是四種模型的平均絕對誤差、平均絕對百分誤差和均方根誤差的比較；
[0037] 圖6a是支持向量機模型預測出的公交運行時間和觀測到的運行時間；
[0038] 圖6b是人工神經(jīng)網(wǎng)絡模型預測出的公交運行時間和觀測到的運行時間；
[0039] 圖6c是k近鄰模型預測出的公交運行時間和觀測到的運行時間；
[0040] 圖6d是線性回歸模型預測出的公交運行時間和觀測到的運行時間。
【具體實施方式】
[0041] 下面結合實施例和附圖對本發(fā)明的一種多線路公交到站時間預測方法做出詳細 說明。應理解這些實例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之 后，本領域技術人員對本發(fā)明的各種等價形式的修改均落于本申請所附權利要求所限定的 范圍。
[0042] 本發(fā)明的一種多線路公交到站時間預測方法，為了方便說明，首先定義pre