一種到站時(shí)間預(yù)測(cè)系統(tǒng)與方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及無(wú)線通信技術(shù)領(lǐng)域，特別設(shè)及一種到站時(shí)間預(yù)測(cè)系統(tǒng)與方法。
【背景技術(shù)】
[0002] 目前，公共交通工具到站時(shí)間預(yù)測(cè)的現(xiàn)有技術(shù)為：采用歷史數(shù)據(jù)來(lái)進(jìn)行統(tǒng)計(jì)和平 均，取得各個(gè)站到站之間的平均車速和旅行時(shí)間，或者是應(yīng)用當(dāng)下車輛實(shí)時(shí)的瞬時(shí)車速信 息，W此來(lái)估計(jì)到站時(shí)間。然而，該些方法無(wú)法反應(yīng)站點(diǎn)間實(shí)時(shí)的路況變化情況，因而造成 較大的到站時(shí)間信息誤差。
[0003][0004][0005] 臺(tái)灣專利公開(kāi)號(hào)為T(mén)W201405497的臺(tái)灣專利，主要提出當(dāng)車載行動(dòng)設(shè)備經(jīng)過(guò)各個(gè) 路段時(shí)，通過(guò)車載行動(dòng)設(shè)備將各個(gè)路段的旅行時(shí)間實(shí)時(shí)回報(bào)給后端的監(jiān)控中屯、，再由監(jiān)控 中屯、將每個(gè)路段的最短旅行時(shí)間和最長(zhǎng)旅行時(shí)間發(fā)布給所有車載行動(dòng)設(shè)備。若車載行動(dòng)設(shè) 備的旅行時(shí)間介于最短旅行時(shí)間和最長(zhǎng)旅行時(shí)間之間，則不再回報(bào)。此方法雖然可W有效 掌握各個(gè)路段的旅行時(shí)間和減少傳輸數(shù)量，但并未提出公交車到站時(shí)間的預(yù)測(cè)方法，故無(wú) 法預(yù)測(cè)公交車到站信息。
[0006][0007][0008] 公告號(hào)為T(mén)WI252441的臺(tái)灣專利，主要提出通過(guò)公交車接收衛(wèi)星定位信號(hào)，并實(shí) 時(shí)的將位置信息回傳至監(jiān)控中屯、，再由監(jiān)控中屯、的預(yù)測(cè)模塊根據(jù)公交車實(shí)時(shí)位置進(jìn)行到站 時(shí)間預(yù)測(cè)。雖然此方法可W提供到站時(shí)間預(yù)測(cè)，但專利中僅提到參考經(jīng)驗(yàn)值，而未來(lái)明確提 到公交車到站時(shí)間的預(yù)測(cè)方法。
[0009] 公告號(hào)為T(mén)WI341998的臺(tái)灣專利，主要提出根據(jù)公交車的實(shí)時(shí)車速和公交車到各 個(gè)站點(diǎn)的距離，來(lái)預(yù)測(cè)旅行時(shí)間；W及根據(jù)使用者的步行速度和使用者到各個(gè)站點(diǎn)的距離， 來(lái)計(jì)算步行時(shí)間。最后再根據(jù)旅行時(shí)間和步行時(shí)間來(lái)估計(jì)適合的站點(diǎn)。雖然此方法可w提供公交車旅行時(shí)間的預(yù)測(cè)方法，但此方法主要考慮的是公交車當(dāng)下的實(shí)時(shí)車速和到站距 離，然而車輛和站點(diǎn)間的交通信息并未被考慮，故有可能造成到站時(shí)間預(yù)測(cè)上較大的誤差。
[0010]公開(kāi)號(hào)為T(mén)W201232489的臺(tái)灣專利，提出運(yùn)用希爾伯特-黃轉(zhuǎn)換（HHT)的經(jīng)驗(yàn)?zāi)?態(tài)分解法結(jié)合灰模式來(lái)預(yù)測(cè)行車速度，再根據(jù)預(yù)估的車速換算為旅行時(shí)間和到站時(shí)間。雖 然此方法可W有效運(yùn)用數(shù)學(xué)和統(tǒng)計(jì)模型進(jìn)行車速預(yù)測(cè)，但是因?yàn)榇朔椒ㄟ\(yùn)用所有的數(shù)據(jù)進(jìn) 行分析，故無(wú)法避免極端值的影響，將有可能造成到站時(shí)間預(yù)測(cè)上較大的誤差。

【發(fā)明內(nèi)容】

[0011] 鑒于上述現(xiàn)有技術(shù)的問(wèn)題，本發(fā)明的目的是在提供一種到站時(shí)間預(yù)測(cè)系統(tǒng)與方 法，通過(guò)收集各個(gè)路段和時(shí)段的站到站之間的旅行時(shí)間，并提出新穎的隨機(jī)類神經(jīng)網(wǎng)絡(luò)群 來(lái)分析上述的旅行時(shí)間數(shù)據(jù)集合，建立多個(gè)類神經(jīng)網(wǎng)絡(luò)模型來(lái)避免極端值的影響，W及綜 合考慮多個(gè)類神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果來(lái)提升預(yù)測(cè)的準(zhǔn)確度，W此來(lái)預(yù)測(cè)使用者欲搭乘的 公交車的到站時(shí)間，將預(yù)測(cè)結(jié)果提供給使用者作為參考。
[0012] 本發(fā)明的到站時(shí)間預(yù)測(cè)系統(tǒng)包括多個(gè)車站站牌、多個(gè)車載終端設(shè)備、多個(gè)細(xì)胞網(wǎng) 絡(luò)基地臺(tái)、云端運(yùn)算服務(wù)器、云端歷史數(shù)據(jù)庫(kù)W及多個(gè)到站時(shí)間預(yù)測(cè)系統(tǒng)客戶端設(shè)備。其 中，各車站站牌具有一個(gè)經(jīng)紳度坐標(biāo)信息。當(dāng)每個(gè)所述車載終端設(shè)備接近所述多個(gè)車站站 牌時(shí)，每個(gè)所述車載終端設(shè)備感測(cè)到所述多個(gè)經(jīng)紳度坐標(biāo)信息，進(jìn)而產(chǎn)生到站信息。到站信 息通過(guò)所述多個(gè)細(xì)胞網(wǎng)絡(luò)基地臺(tái)進(jìn)行傳送，而云端運(yùn)算服務(wù)器接收來(lái)自細(xì)胞網(wǎng)絡(luò)基地臺(tái)的 到站信息后，計(jì)算出旅行時(shí)間，再根據(jù)旅行時(shí)間W及查詢站點(diǎn)預(yù)測(cè)剩余旅行時(shí)間，并轉(zhuǎn)換為 到站時(shí)間，再將到站時(shí)間通過(guò)細(xì)胞網(wǎng)絡(luò)基地臺(tái)進(jìn)行傳送。云端歷史數(shù)據(jù)庫(kù)儲(chǔ)存有經(jīng)紳度坐 標(biāo)信息W及車站站牌之間的旅行時(shí)間。到站時(shí)間預(yù)測(cè)系統(tǒng)客戶端設(shè)備發(fā)送查詢站點(diǎn)，并接 收通過(guò)細(xì)胞網(wǎng)絡(luò)基地臺(tái)傳送的到站時(shí)間，再顯示到站時(shí)間。
[0013] 本發(fā)明的到站時(shí)間預(yù)測(cè)方法包括下列步驟：設(shè)定隨機(jī)類神經(jīng)網(wǎng)絡(luò)群算法參數(shù)值； 讀取歷史數(shù)據(jù)庫(kù)中的站到站之間的旅行時(shí)間；隨機(jī)產(chǎn)生m個(gè)類神經(jīng)網(wǎng)絡(luò)模型；過(guò)濾掉正確 率低于口限值的類神經(jīng)網(wǎng)絡(luò)模型后，剩余k個(gè)類神經(jīng)網(wǎng)絡(luò)模型；取得實(shí)時(shí)的站到站之間的 旅行時(shí)間或測(cè)試階段中的測(cè)試數(shù)據(jù)；將旅行時(shí)或測(cè)試數(shù)據(jù)輸入到過(guò)濾后的k個(gè)類神經(jīng)網(wǎng)絡(luò) 模型中，并預(yù)測(cè)站到站的旅行時(shí)間；W及在取得預(yù)測(cè)的站到站的旅行時(shí)間后，換算為目標(biāo)站 點(diǎn)的到達(dá)時(shí)間。
[0014] 綜上所述，本發(fā)明的到站時(shí)間預(yù)測(cè)系統(tǒng)及方法，具有下述中的一個(gè)或多個(gè)優(yōu)點(diǎn)：
[0015] 1.本發(fā)明收集實(shí)時(shí)的各個(gè)路段和時(shí)段的站到站之間的旅行時(shí)間來(lái)估計(jì)目前車輛 位置到達(dá)目標(biāo)站點(diǎn)的旅行時(shí)間。
[0016] 2.本發(fā)明提出新穎的隨機(jī)類神經(jīng)網(wǎng)絡(luò)群來(lái)分析上述旅行時(shí)間數(shù)據(jù)集合，建立多個(gè) 類神經(jīng)網(wǎng)絡(luò)模型，再綜合考慮多個(gè)類神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果來(lái)提升預(yù)測(cè)準(zhǔn)確度，W此來(lái) 預(yù)測(cè)使用者欲搭乘的公交車的到站時(shí)間，將預(yù)測(cè)結(jié)果提供給使用者作為參考。
[0017] 3.本發(fā)明在隨機(jī)類神經(jīng)網(wǎng)絡(luò)群算法的學(xué)習(xí)階段中，為每個(gè)類神經(jīng)網(wǎng)絡(luò)模型分別從 數(shù)據(jù)集合中隨機(jī)取出多筆數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，并將剩余的資料作為在訓(xùn)練階段中的測(cè)試數(shù) 據(jù)，再將訓(xùn)練數(shù)據(jù)輸入到各個(gè)類神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行學(xué)習(xí)，因而可避免極端值的影響。
[0018] 4.本發(fā)明在隨機(jī)類神經(jīng)網(wǎng)絡(luò)群算法的測(cè)試階段和實(shí)行階段中，運(yùn)用各個(gè)類神經(jīng)網(wǎng) 絡(luò)模型所預(yù)測(cè)的旅行時(shí)間與訓(xùn)練階段所學(xué)習(xí)得到的權(quán)重進(jìn)行加權(quán)平均，最后將加權(quán)平均后 的旅行時(shí)間作為此隨機(jī)類神經(jīng)網(wǎng)絡(luò)群算法的旅行時(shí)間預(yù)測(cè)值，并將旅行時(shí)間換算為到站時(shí) 間，W此進(jìn)行到站時(shí)間預(yù)測(cè)。
【附圖說(shuō)明】
[0019]圖1為本發(fā)明實(shí)施例一到站時(shí)間預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)示意圖；
[0020] 圖2為本發(fā)明實(shí)施例二到站時(shí)間預(yù)測(cè)方法的流程示意圖；
[0021] 圖3為本發(fā)明實(shí)施例S到站時(shí)間預(yù)測(cè)方法的流程示意圖；
[0022] 圖4為本發(fā)明實(shí)施例四類神經(jīng)網(wǎng)絡(luò)模型的示意圖；
[0023] 圖5為本發(fā)明實(shí)施例五預(yù)測(cè)旅行時(shí)間的示意圖。
【具體實(shí)施方式】
[0024] 參考圖1，本發(fā)明是關(guān)于一種基于隨機(jī)類神經(jīng)網(wǎng)絡(luò)群的到站時(shí)間預(yù)測(cè)的系統(tǒng)。該系 統(tǒng)主要可W預(yù)測(cè)車輛的到站時(shí)間，適用于客運(yùn)業(yè)者、物流業(yè)者、或其它有到站時(shí)間預(yù)測(cè)需求 的相關(guān)業(yè)者，并將預(yù)測(cè)的到站時(shí)間提供給客戶端設(shè)備，讓客戶或使用者可W實(shí)時(shí)掌握車輛 信息和到站信息，節(jié)省等候時(shí)間，其中主要包含下列六個(gè)模塊；（1)多個(gè)車站站牌100 ;此站 牌設(shè)備主要包含有一組經(jīng)紳度坐標(biāo)信息，并且此信息可預(yù)先儲(chǔ)存在車載終端設(shè)備和云端運(yùn) 算服務(wù)器中，當(dāng)車載終端設(shè)備接近車站站牌時(shí)，車載終端設(shè)備可W感知到站信息。此外，此 站牌設(shè)備也可!^嵌入3。10巧3(1；[0化69116]1〇7 1〇6]11：1；1^；[031：；[0]1，無(wú)線射頻辨識(shí)）標(biāo)簽，當(dāng)車 輛臨近時(shí)可W感知站牌，并可W此來(lái)判斷到站。（2)多個(gè)車載終端設(shè)備101 ;此設(shè)備主要包 含有GPS(Global化sitioningSystem,全球定位系統(tǒng)）模塊、細(xì)胞網(wǎng)絡(luò)模塊、W及數(shù)據(jù)庫(kù)模 塊（并未在圖1中畫(huà)出），可W收集車輛當(dāng)前位置（包含經(jīng)紳度坐標(biāo)），W及判斷目前位置 是否臨近車站站牌100,若在車站站牌100附近的范圍內(nèi)則判斷到站，并將到站信息和時(shí)間 點(diǎn)通過(guò)細(xì)胞網(wǎng)絡(luò)基地臺(tái)102回傳至云端運(yùn)算服務(wù)器端103。此外，在到站判斷的部分，車載 終端設(shè)備101也可W嵌入RFID讀取器，當(dāng)車輛臨