一種公交線(xiàn)路客流預(yù)測(cè)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種公交線(xiàn)路客流預(yù)測(cè)的方法，屬于智能交通領(lǐng)域的技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展，人口數(shù)量的及私家車(chē)數(shù)量的不斷增加，給城市交通帶 來(lái)了巨大壓力。公共交通的出行方式成為緩解城市交通壓力重要手段之一。公交客流預(yù)測(cè) 不僅能準(zhǔn)確描述公交客流需求分布規(guī)律，實(shí)現(xiàn)公交線(xiàn)路運(yùn)營(yíng)調(diào)度實(shí)時(shí)優(yōu)化，也會(huì)給市民出 行提供參考信息，方便出行。
[0003] 中國(guó)專(zhuān)利CN 104809344A公開(kāi)了一種建基于卡爾曼濾波的公交客流0D實(shí)時(shí)估計(jì)模 型，實(shí)現(xiàn)公交客流0D的實(shí)時(shí)估計(jì)。該發(fā)明對(duì)公交AFC系統(tǒng)的客流數(shù)據(jù)進(jìn)行了深度挖掘，通過(guò) 卡爾曼濾波模型得到公交客流分配概率的最優(yōu)估計(jì)值，進(jìn)而實(shí)現(xiàn)公交客流0D的實(shí)時(shí)估計(jì)。 該方法沒(méi)有對(duì)影響客流的因素進(jìn)行綜合考慮，且步驟較復(fù)雜，不易于實(shí)施。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供一種公交線(xiàn)路客流預(yù)測(cè)的方法。
[0005] 本發(fā)明的技術(shù)方案如下：
[0006] -種公交線(xiàn)路客流預(yù)測(cè)的方法，包括步驟如下：
[0007] 1)數(shù)據(jù)采集；
[0008] 實(shí)時(shí)采集公交終端運(yùn)行信息和天氣信息，并傳輸至服務(wù)器;抽取連續(xù)時(shí)段內(nèi)的公 交終端運(yùn)行信息和天氣信息作為訓(xùn)練集，對(duì)天氣信息做標(biāo)準(zhǔn)化處理，對(duì)各種天氣賦予互不 相同的數(shù)值。由于天氣信息具有多樣性，天氣信息的標(biāo)準(zhǔn)化處理可方便計(jì)算。
[0009] 2)對(duì)公交客流進(jìn)行預(yù)測(cè)：
[0010] ^^Α?Υ = β〇+βιΧι+β〇Χ2+. . .+βΡΧΡ+ε
[0011] 其中，自變量. . .，ΧΑ影響乘客人數(shù)的因素，其中ρ>1;如天氣因素、周因素 和時(shí)刻因素等。
[0012] βοΑ，. ..，βρ為模型參數(shù)；ε為誤差項(xiàng)，ε~Ν(0，σ2); ε反映了隨機(jī)因數(shù)對(duì)客流量Υ的 影響，是不能由Xlfe，...，心與￥之間的線(xiàn)性關(guān)系解釋的變異性；
[0013] 設(shè)(Xil，Xi2, · · ·，Xip，yi)，i = l，2, · · ·，n為自變量的η次獨(dú)立觀(guān)測(cè)值，貝丨J
[0014]
[0015] 即，
[0016]
[0017][0018] 為計(jì)算回歸系數(shù)的估計(jì)值# ,首先寫(xiě)出經(jīng)驗(yàn)回歸方程：
[0019]
[0020] 觀(guān)測(cè)值與回歸方程擬合值之間的殘差平方和為：
[0021] Θ(β) = (γ-Χβ)τ(γ-Χβ)
[0022] 計(jì)算上式的最小值，得到求解，兔，的標(biāo)準(zhǔn)方程為：
[0023]
[0024] 當(dāng)X為列滿(mǎn)秩時(shí)，β的最小二乘估計(jì)為
，殘差向量為
σ2的最小二乘估計(jì)^
[0025]取一組自變量. . .，ΧΡ的觀(guān)測(cè)值求解得到模型參數(shù)說(shuō)，扮，...，βΡ。
[0026]優(yōu)選的，所述步驟1)還包括預(yù)處理的步驟，具體方法為，對(duì)訓(xùn)練集數(shù)據(jù)進(jìn)行存儲(chǔ)格 式的預(yù)處理，得到線(xiàn)路名稱(chēng)、日期、時(shí)刻、當(dāng)前時(shí)刻普通卡乘客人數(shù)、學(xué)生卡乘客人數(shù)、老年 卡乘客人數(shù)、周信息(每周第幾天）、天氣、氣溫以及風(fēng)力信息。
[0027]優(yōu)選的，所述公交終端運(yùn)行信息包括，數(shù)據(jù)采集日期deal_date、數(shù)據(jù)采集時(shí)刻 deal_time、乘客公交卡ID、乘客公交卡類(lèi)別(普通卡、學(xué)生卡、老年卡)card_type;從氣象站 收集每天的天氣信息包括，天氣weather、氣溫temperature、風(fēng)力wind，將數(shù)據(jù)傳輸?shù)焦?調(diào)度中心的服務(wù)器。
[0028]本發(fā)明的有益效果：
[0029] 1、本發(fā)明所述公交線(xiàn)路客流預(yù)測(cè)的方法，選擇多元線(xiàn)性回歸的方法作為訓(xùn)練集的 模型，步驟簡(jiǎn)單，模擬效果較好，處理速度快；
[0030] 2、本發(fā)明所述公交線(xiàn)路客流預(yù)測(cè)的方法，綜合考慮主客觀(guān)因素對(duì)客流量的影響， 使用性和準(zhǔn)確性高。
【附圖說(shuō)明】
[0031] 圖1為本發(fā)明所述公交線(xiàn)路客流預(yù)測(cè)的方法的工作流程圖。
【具體實(shí)施方式】
[0032] 下面結(jié)合實(shí)施例和說(shuō)明書(shū)附圖對(duì)本發(fā)明做詳細(xì)的說(shuō)明，但不限于此。
[0033] 實(shí)施例1
[0034] 如圖1所示。
[0035] -種公交線(xiàn)路客流預(yù)測(cè)的方法，包括步驟如下：
[0036] 1)數(shù)據(jù)采集；
[0037]實(shí)時(shí)采集公交終端運(yùn)行信息和天氣信息，并傳輸至服務(wù)器;抽取連續(xù)三個(gè)月的公 交終端運(yùn)行信息和天氣信息作為訓(xùn)練集，對(duì)天氣信息做標(biāo)準(zhǔn)化處理，對(duì)各種天氣賦予互不 相同的數(shù)值。由于天氣信息具有多樣性，天氣信息的標(biāo)準(zhǔn)化處理可方便計(jì)算。
[0038] 2)對(duì)公交客流進(jìn)行預(yù)測(cè)：
[0039] ^^Λ?Υ = β〇+βιΧι+β〇Χ2+. . .+βΡΧΡ+ε
[0040] 其中，自變量. . .，XPS影響乘客人數(shù)的因素，包括天氣因素、周因素和時(shí)刻 因素等，其中P>1。
[0041 ] ，. . .，βρ為模型參數(shù)；ε為誤差項(xiàng)，ε~Ν(0，σ2); ε反映了隨機(jī)因數(shù)對(duì)客流量Y的 影響，是不能由Xi，X2,...，知與￥之間的線(xiàn)性關(guān)系解釋的變異性；
[0042] 設(shè)(xii，xi2, · · ·，xiP，yi)，i = l，2, · · ·，n為自變量的η次獨(dú)立觀(guān)測(cè)值，貝lj
[0043]
[0044] 即，
[0045]
[0046]
[0047] 為計(jì)算回歸系數(shù)的估計(jì)值彡，首先寫(xiě)出經(jīng)驗(yàn)回歸方程：
[0048]
[0049] 觀(guān)測(cè)值與回歸方程擬合值之間的殘差平方和為：
[0050] Θ(β) = (γ-Χβ)τ(γ-Χβ)
[0051] 計(jì)算上式的最小值，得到求解的標(biāo)準(zhǔn)方程為：
[0052]
[0053] 當(dāng)X為列滿(mǎn)秩時(shí)，β的最小二乘估計(jì)為$ = ; 1 殘差向量為
,σ_2的最小二乘估計(jì)3
[0054] 取一組自變量. . .，ΧΡ的觀(guān)測(cè)值求解得到模型參數(shù)說(shuō)，扮，...，βΡ。
[0055] 實(shí)施例2
[0056] 如實(shí)施例1所述的公交線(xiàn)路客流預(yù)測(cè)的方法，其區(qū)別在于，所述步驟1)還包括預(yù)處 理的步驟，具體方法為，對(duì)訓(xùn)練集數(shù)據(jù)進(jìn)行存儲(chǔ)格式的預(yù)處理，得到線(xiàn)路名稱(chēng)、日期、時(shí)刻、 當(dāng)前時(shí)刻普通卡乘客人數(shù)、學(xué)生卡乘客人數(shù)、老年卡乘客人數(shù)、周信息(每周第幾天）、天氣、 氣溫以及風(fēng)力信息。
[0057] 實(shí)施例3
[0058]如實(shí)施例1所述的公交線(xiàn)路客流預(yù)測(cè)的方法，其區(qū)別在于，所述公交終端運(yùn)行信息 包括，數(shù)據(jù)采集日期deal_date、數(shù)據(jù)采集時(shí)刻deal_time、乘客公交卡ID、乘客公交卡類(lèi)別 (普通卡、學(xué)生卡、老年卡)card_type;從氣象站收集每天的天氣信息包括，天氣weather、氣 溫 temperature、風(fēng)力 wind 〇
【主權(quán)項(xiàng)】
1. 一種公交線(xiàn)路客流預(yù)測(cè)的方法，其特征在于，包括步驟如下： 1) 數(shù)據(jù)采集； 實(shí)時(shí)采集公交終端運(yùn)行信息和天氣信息，并傳輸至服務(wù)器;抽取連續(xù)時(shí)段內(nèi)的公交終 端運(yùn)行信息和天氣信息作為訓(xùn)練集，對(duì)天氣信息做標(biāo)準(zhǔn)化處理，對(duì)各種天氣賦予互不相同 的數(shù)值； 2) 對(duì)公交客流進(jìn)行預(yù)測(cè)： 乘客人數(shù)Y = 0〇+0戍 1+00X2+. . .+0pXp+e 其中，自變量Xi,拉，...，Xp為影響乘客人數(shù)的因素，其中p>l; 階，&，...，枯為模型參數(shù)；e為誤差項(xiàng)，e~N(〇y); 設(shè)(xii，xi2,. . .，xip，yi)，i = l，2,. . .，n為自變量的n次獨(dú)立觀(guān)測(cè)值，則即， Y =地+e; 經(jīng)驗(yàn)回歸方程： ^ =片。+ 片，乂1+/;: A': +.. +片，乂， 觀(guān)測(cè)值與回歸方程擬合值之間的殘差平方和為： Q(e) = (y-地)T(y-地） 計(jì)算上式的最小值，得到求解/;,，./7|，..../7,,的標(biāo)準(zhǔn)方程為：當(dāng)X為列滿(mǎn)秩時(shí)，如勺最小二乘估計(jì)為二(乂'，殘差向量為之=7-乂片，。2的最 小二乘估計(jì)為取一組自變量Xi,拉，...，Xp的觀(guān)測(cè)值求解得到模型參數(shù)階，01，...，枯。2. 根據(jù)權(quán)利要求1所述的公交線(xiàn)路客流預(yù)測(cè)的方法，其特征在于，所述步驟1)還包括預(yù) 處理的步驟，具體方法為，對(duì)訓(xùn)練集數(shù)據(jù)進(jìn)行存儲(chǔ)格式的預(yù)處理，得到線(xiàn)路名稱(chēng)、日期、時(shí) 亥IJ、當(dāng)前時(shí)刻普通卡乘客人數(shù)、學(xué)生卡乘客人數(shù)、老年卡乘客人數(shù)、周信息、天氣、氣溫W及 風(fēng)力信息。3.根據(jù)權(quán)利要求1所述的公交線(xiàn)路客流預(yù)測(cè)的方法，其特征在于，所述公交終端運(yùn)行信 息包括，數(shù)據(jù)采集日期deal_date、數(shù)據(jù)采集時(shí)刻deal_time、乘客公交卡ID、乘客公交卡類(lèi) 另ljcard_type;天氣信息包括，天氣weather、氣溫temperature、風(fēng)力wind,將數(shù)據(jù)傳輸?shù)焦?交調(diào)度中屯、的服務(wù)器。
【專(zhuān)利摘要】本發(fā)明涉及一種公交線(xiàn)路客流預(yù)測(cè)的方法。本發(fā)明所述公交線(xiàn)路客流預(yù)測(cè)的方法，選擇多元線(xiàn)性回歸的方法作為訓(xùn)練集的模型，綜合考慮主客觀(guān)因素對(duì)客流量的影響，使用性和準(zhǔn)確性高步驟簡(jiǎn)單，模擬效果較好，處理速度快。
【IPC分類(lèi)】G06Q10/04, G06Q50/30
【公開(kāi)號(hào)】CN105654199
【申請(qǐng)?zhí)枴?br>【發(fā)明人】邢建平, 田欣玉, 宋憲明, 劉緒
【申請(qǐng)人】山東大學(xué)
【公開(kāi)日】2016年6月8日
【申請(qǐng)日】2015年12月30日