一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法
【專利摘要】本發(fā)明公開了一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，基于城市的交通狀況將交通數(shù)據(jù)進(jìn)行綜合，將其量化為影響因子來對(duì)交通狀況進(jìn)行量化，然后將量化的交通狀況組成數(shù)據(jù)庫，成為本發(fā)明預(yù)測公交時(shí)間到站的所有程序的基石，通過BP神經(jīng)網(wǎng)絡(luò)方法得出公交車到站的最佳平均時(shí)間，這樣就能得出公交車最佳到站時(shí)間，這樣得出的數(shù)據(jù)就能夠極大方便人們的出行。
【專利說明】
一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別涉及一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法。
【背景技術(shù)】
[0002] 在同一條公交線路中主干道、次干道、環(huán)線路段等不同道路條件會(huì)影響公交車輛 的運(yùn)行速度;雨、雪、沙塵、大霧等天氣變化也會(huì)不可避免地延緩車輛的達(dá)到時(shí)間。由于電子 站牌僅在部分重要車站設(shè)立，因此，公交車輛到達(dá)下一設(shè)立電子站牌的站點(diǎn)前總的行程時(shí) 間可以分為下列幾個(gè)部分:車輛以行駛速度通過路段的平均行駛時(shí)間；在下游交叉口處因 信號(hào)燈控制影響的排隊(duì)延誤時(shí)間；車輛通過該交叉口的通過時(shí)間；在預(yù)測站點(diǎn)的前幾個(gè)站 點(diǎn)因乘客上下車而停歇的時(shí)間；在預(yù)測站點(diǎn)的前幾個(gè)站點(diǎn)因車輛進(jìn)出車站減速和加速而損 失的時(shí)間。因此，在公交車輛到站時(shí)間預(yù)測過程中，算法需要充分考慮上述各種因素的影 響，運(yùn)用適當(dāng)?shù)恼`差補(bǔ)償手段，從而最大限度提高車輛到達(dá)時(shí)間的預(yù)測精度。
[0003] 綜上，本發(fā)明通過將影響交通到站時(shí)間的各項(xiàng)因素綜合考慮，基于網(wǎng)絡(luò)將各項(xiàng)因 素量化來得出最佳的到站時(shí)間，大大提高了公交車到站時(shí)間預(yù)測的精度。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的問題是提供一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為： 一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，包括如下步驟： (1) 首先建立公交車運(yùn)行狀態(tài)的歷史數(shù)據(jù)庫； (2) 采用BP神經(jīng)網(wǎng)絡(luò)方法對(duì)歷史數(shù)據(jù)進(jìn)行訓(xùn)練來得出公交車由發(fā)車點(diǎn)到達(dá)電子站牌處 的最佳平均行程時(shí)間； (3) 引入公交車動(dòng)態(tài)運(yùn)行信息來修正由BP神經(jīng)網(wǎng)絡(luò)方法給出的最佳平均行程時(shí)間； 優(yōu)選的，所述步驟（1)歷史數(shù)據(jù)庫建立過程如下：公交車在運(yùn)行過程中，向總調(diào)度監(jiān)控 中心上傳運(yùn)行狀態(tài)信息，包括不同時(shí)段公交車站間的行程時(shí)間、交叉口數(shù)量、客流量、線路 長度、天氣條件以及乘客滿意度信息，總調(diào)度監(jiān)控中心以天為單位將信息按照高峰小時(shí)、平 峰、夜間進(jìn)行分類整理后存儲(chǔ)，同時(shí)更新歷史數(shù)據(jù)庫。
[0006] 優(yōu)選的，所述步驟(2)BP神經(jīng)網(wǎng)絡(luò)方法采用三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，其中輸入層為 影響行程時(shí)間主要因素，輸出層為最佳平均行程時(shí)間，隱層的神經(jīng)元個(gè)數(shù)由輸入神經(jīng)元個(gè) 數(shù)和輸出神經(jīng)元個(gè)數(shù)決定，通常采用以下公式獲得:L = Nm/(n+m)，其中m和n為輸出、輸入神 經(jīng)元數(shù)，L為隱層神經(jīng)元數(shù)，N為樣本容量。
[0007] 優(yōu)選的，所述步驟(3)修正最佳平均行程時(shí)間包括以下步驟： 1) 監(jiān)控中心獲取GPS數(shù)據(jù)，確定最近到達(dá)車輛信息，并計(jì)算其預(yù)計(jì)到達(dá)位置； 2) 監(jiān)控中心判斷車輛實(shí)際位置與預(yù)計(jì)到達(dá)位置之間距離是否大于50m，若為是，執(zhí)行步 驟3)，若為否執(zhí)行步驟4); 3) 監(jiān)控中心修正預(yù)測時(shí)間，并將預(yù)測時(shí)間信息發(fā)送給電子站牌，電子站牌對(duì)其進(jìn)行顯 示； 4) 監(jiān)控中心判斷車輛在目的車站前一路口是否遇到紅燈，若為是，監(jiān)控中心發(fā)送"路段 擁堵，公交車到達(dá)將稍延后"信息給電子站牌，電子站牌對(duì)其進(jìn)行顯示，并執(zhí)行步驟5)，若為 否，則返回步驟1); 5) 監(jiān)控中心同時(shí)采用平滑算法來重新得到車輛到站時(shí)間預(yù)測值，并將其發(fā)送給電子站 牌，電子站牌對(duì)其進(jìn)行顯示； 6) 車輛到站后，監(jiān)控中心判斷車輛是否出站，若為是，執(zhí)行步驟1)，若為否，電子站牌顯 示"車輛到站"信息。
[0008] 優(yōu)選的，所述步驟(2)BP神經(jīng)網(wǎng)絡(luò)的輸入層中影響行程時(shí)間主要因素包括考察時(shí) 段、客流量、交叉口數(shù)量、路線長度、天氣情況以及乘客滿意度。
[0009] 優(yōu)選的，所述步驟(3)修正最佳平均行程時(shí)間的步驟3)中監(jiān)控中心按100m來修正 預(yù)測時(shí)間。
[0010] 有益效果:本發(fā)明提供了 一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，基于城市的 交通狀況將交通數(shù)據(jù)進(jìn)行綜合，將其量化為影響因子來對(duì)交通狀況進(jìn)行量化，然后將量化 的交通狀況組成數(shù)據(jù)庫，成為本發(fā)明預(yù)測公交時(shí)間到站的所有程序的基石，通過BP神經(jīng)網(wǎng) 絡(luò)方法得出公交車到站的最佳平均時(shí)間，這樣就能得出公交車最佳到站時(shí)間，這樣得出的 數(shù)據(jù)就能夠極大方便人們的出行。
【具體實(shí)施方式】
[0011] 實(shí)施例1: 一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，其加工工藝包括如下步驟： (1) 首先建立公交車運(yùn)行狀態(tài)的歷史數(shù)據(jù)庫，歷史數(shù)據(jù)庫建立過程如下:公交車在運(yùn)行 過程中，向總調(diào)度監(jiān)控中心上傳運(yùn)行狀態(tài)信息，包括不同時(shí)段公交車站間的行程時(shí)間、交叉 口數(shù)量、客流量、線路長度、天氣條件以及乘客滿意度信息，總調(diào)度監(jiān)控中心以天為單位將 信息按照高峰小時(shí)、平峰、夜間進(jìn)行分類整理后存儲(chǔ)，同時(shí)更新歷史數(shù)據(jù)庫； (2) 采用BP神經(jīng)網(wǎng)絡(luò)方法對(duì)歷史數(shù)據(jù)進(jìn)行訓(xùn)練來得出公交車由發(fā)車點(diǎn)到達(dá)電子站牌處 的最佳平均行程時(shí)間，BP神經(jīng)網(wǎng)絡(luò)方法采用三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，其中輸入層為影響行 程時(shí)間主要因素，包括考察時(shí)段、客流量、交叉口數(shù)量、路線長度、天氣情況以及乘客滿意 度，輸出層為最佳平均行程時(shí)間，隱層的神經(jīng)元個(gè)數(shù)由輸入神經(jīng)元個(gè)數(shù)和輸出神經(jīng)元個(gè)數(shù) 決定，通常采用以下公式獲得:L = Nm/(n+m)，其中m和n為輸出、輸入神經(jīng)元數(shù)，L為隱層神經(jīng) 元數(shù)，N為樣本容量； (3) 引入公交車動(dòng)態(tài)運(yùn)行信息來修正由BP神經(jīng)網(wǎng)絡(luò)方法給出的最佳平均行程時(shí)間，修 正最佳平均行程時(shí)間包括以下步驟： 1) 監(jiān)控中心獲取GPS數(shù)據(jù)，確定最近到達(dá)車輛信息，并計(jì)算其預(yù)計(jì)到達(dá)位置； 2) 監(jiān)控中心判斷車輛實(shí)際位置與預(yù)計(jì)到達(dá)位置之間距離是否大于50m，若為是，執(zhí)行步 驟3)，若為否執(zhí)行步驟4); 3) 監(jiān)控中心按100m來修正預(yù)測時(shí)間，并將預(yù)測時(shí)間信息發(fā)送給電子站牌，電子站牌對(duì) 其進(jìn)行顯示； 4) 監(jiān)控中心判斷車輛在目的車站前一路口是否遇到紅燈，若為是，監(jiān)控中心發(fā)送"路段 擁堵，公交車到達(dá)將稍延后"信息給電子站牌，電子站牌對(duì)其進(jìn)行顯示，并執(zhí)行步驟5)，若為 否，則返回步驟1); 5) 監(jiān)控中心同時(shí)采用平滑算法來重新得到車輛到站時(shí)間預(yù)測值，并將其發(fā)送給電子站 牌，電子站牌對(duì)其進(jìn)行顯示； 6) 車輛到站后，監(jiān)控中心判斷車輛是否出站，若為是，執(zhí)行步驟1)，若為否，電子站牌顯 示"車輛到站"信息。
[0012] 經(jīng)過以上工藝后，分別取出樣品，測量結(jié)果如下：
根據(jù)上述表格數(shù)據(jù)可以得出，當(dāng)實(shí)施例1實(shí)施基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，預(yù) 測的成功率為93.2%，與實(shí)際時(shí)間誤差為2.5min，執(zhí)行出錯(cuò)率為0.5%。，執(zhí)行精度為0.001，而 現(xiàn)有技術(shù)標(biāo)準(zhǔn)方法預(yù)測的成功率為84.7%，與實(shí)際時(shí)間誤差為3.2min，執(zhí)行出錯(cuò)率為0.8% 〇， 執(zhí)行精度為0.010,這表明本發(fā)明基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，預(yù)測成功率高，與 實(shí)際到站時(shí)間誤差小，執(zhí)行的出錯(cuò)率低，執(zhí)行的精度高，因此本發(fā)明具有顯著的優(yōu)越性。
[0013]本發(fā)明提供了一種基于網(wǎng)絡(luò)的通過人臉識(shí)別性別的方法，基于城市的交通狀況將 交通數(shù)據(jù)進(jìn)行綜合，將其量化為影響因子來對(duì)交通狀況進(jìn)行量化，然后將量化的交通狀況 組成數(shù)據(jù)庫，成為本發(fā)明預(yù)測公交時(shí)間到站的所有程序的基石，通過BP神經(jīng)網(wǎng)絡(luò)方法得出 公交車到站的最佳平均時(shí)間，這樣就能得出公交車最佳到站時(shí)間，這樣得出的數(shù)據(jù)就能夠 極大方便人們的出行。
[0014]以上所述僅為本發(fā)明的實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā) 明說明書內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng) 域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，其特征在于，其制備工藝包括： (1) 首先建立公交車運(yùn)行狀態(tài)的歷史數(shù)據(jù)庫； (2) 采用BP神經(jīng)網(wǎng)絡(luò)方法對(duì)歷史數(shù)據(jù)進(jìn)行訓(xùn)練來得出公交車由發(fā)車點(diǎn)到達(dá)電子站牌處 的最佳平均行程時(shí)間； (3 )引入公交車動(dòng)態(tài)運(yùn)行信息來修正由BP神經(jīng)網(wǎng)絡(luò)方法給出的最佳平均行程時(shí)間。2. -種加工權(quán)利要求1所述的基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，其特征在于:所述 步驟（1)歷史數(shù)據(jù)庫建立過程如下：公交車在運(yùn)行過程中，向總調(diào)度監(jiān)控中心上傳運(yùn)行狀態(tài) 信息，包括不同時(shí)段公交車站間的行程時(shí)間、交叉口數(shù)量、客流量、線路長度、天氣條件以及 乘客滿意度信息，總調(diào)度監(jiān)控中心以天為單位將信息按照高峰小時(shí)、平峰、夜間進(jìn)行分類整 理后存儲(chǔ)，同時(shí)更新歷史數(shù)據(jù)庫。3. -種加工權(quán)利要求1所述的基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，其特征在于:所述 步驟(2)BP神經(jīng)網(wǎng)絡(luò)方法采用三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，其中輸入層為影響行程時(shí)間主要因 素，輸出層為最佳平均行程時(shí)間，隱層的神經(jīng)元個(gè)數(shù)由輸入神經(jīng)元個(gè)數(shù)和輸出神經(jīng)元個(gè)數(shù) 決定，通常采用以下公式獲得:L = Nm/(n+m)，其中m和η為輸出、輸入神經(jīng)元數(shù)，L為隱層神經(jīng) 元數(shù)，N為樣本容量。4. 一種加工權(quán)利要求1所述的基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，其特征在于:所述 步驟(3)修正最佳平均行程時(shí)間包括以下步驟： 1) 監(jiān)控中心獲取GPS數(shù)據(jù)，確定最近到達(dá)車輛信息，并計(jì)算其預(yù)計(jì)到達(dá)位置； 2) 監(jiān)控中心判斷車輛實(shí)際位置與預(yù)計(jì)到達(dá)位置之間距離是否大于50m，若為是，執(zhí)行步 驟3)，若為否執(zhí)行步驟4); 3) 監(jiān)控中心修正預(yù)測時(shí)間，并將預(yù)測時(shí)間信息發(fā)送給電子站牌，電子站牌對(duì)其進(jìn)行顯 示； 4) 監(jiān)控中心判斷車輛在目的車站前一路口是否遇到紅燈，若為是，監(jiān)控中心發(fā)送"路段 擁堵，公交車到達(dá)將稍延后"信息給電子站牌，電子站牌對(duì)其進(jìn)行顯示，并執(zhí)行步驟5)，若為 否，則返回步驟1); 5) 監(jiān)控中心同時(shí)采用平滑算法來重新得到車輛到站時(shí)間預(yù)測值，并將其發(fā)送給電子站 牌，電子站牌對(duì)其進(jìn)行顯示； 6) 車輛到站后，監(jiān)控中心判斷車輛是否出站，若為是，執(zhí)行步驟1)，若為否，電子站牌顯 示"車輛到站"信息。5. 根據(jù)加工權(quán)利要求3所述的基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，其特征在于:所述 步驟（2)BP神經(jīng)網(wǎng)絡(luò)的輸入層中影響行程時(shí)間主要因素包括考察時(shí)段、客流量、交叉口數(shù) 量、路線長度、天氣情況以及乘客滿意度。6. 根據(jù)加工權(quán)利要求4所述基于網(wǎng)絡(luò)的公交車到站時(shí)間預(yù)測方法，其特征在于:所述步 驟(3 )修正最佳平均行程時(shí)間的步驟3 )中監(jiān)控中心按I OOm來修正預(yù)測時(shí)間。
【文檔編號(hào)】G08G1/127GK105894848SQ201610484654
【公開日】2016年8月24日
【申請(qǐng)日】2016年6月29日
【發(fā)明人】董雄飛
【申請(qǐng)人】合肥民眾億興軟件開發(fā)有限公司