[发明专利]一种预测公交车到站时间的方法

说明书

本发明提供一种预测公交车到站时间的方法，包括：采集一定时间内的公交车数据以及公交线路数据，基于空间插值法，获得公交车在各数据点的时距数据对；基于所述时距数据对，获得公交车运营序列；将所述公交车运营序列输入至LSTM递归神经网络，获得公交车到站时间预测模型；以及对所述公交车到站时间预测模型基于链式预测法，获得预测的公交车到站时间。本发明充分考虑了复杂的交通变化对公交车运营的影响，得到的预测时间更加准确可靠。

技术领域

本发明涉及交通技术领域，更具体地，涉及预测公交车到站时间的方法。

背景技术

随着我国城市化进程的发展，城市的经济得到了发展，人口、车辆也大量增加，随之引发了一系列的交通问题，尤其是交通拥堵。公共交通具有承载率高、污染小、运输效率高等特点，故大力发展公共交通可以减缓城市拥堵现象。近年来，智能交通得到了重视和发展，出行者对于公交车到站时间的获取需求也日益增加。到站时间公开之后，乘客可以提前规划行程。这将吸引他们选择公共交通出行，从而缓解交通压力。此外，公交运营公司的可以根据公交车的到站时间进行调度，有利于公交管理向动态智能化的转变，提高运营效率。

公交到站时间预测近年来在国内外都引起了广泛关注。例如，都柏林在站点设置了电子站牌来展示到站时间；在日本，公交车到达时间预测是政府大力支持的一项交通需求管理措施。通过互联网向用户的手机和电脑发送公交车的预测到达时间吸引人们乘坐公交车出行，从而限制私家车使用数量。在中国的应用主要分为两种：一种是布置实体公交电子站牌，例如上海在站牌上展示公交到站时间；另外一种是利用客户端软件发布信息。用户可以通过这些软件获取公交车的位置(距离)信息等。

目前虽然存在多种预测模型，如基于历史数据、人工神经网络、支持向量机等，但是基本上预测精度有限。公交车的行驶过程受到各种随机因素的影响，尤其我国城市交通环境复杂，目前已有的成熟预测方法得到的公交到站时间不够准确，可靠性较低。总体看来，关于公交车到达时间预测技术的研究仍然较少或者存在一定的局限性，亟待开发一种新型的公交到站时间预测方法。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的预测公交车到站时间的方法。

根据本发明的一个方面，提供一种预测公交车到站时间的方法，其特征在于，包括：

S1、采集一定时间内的公交车数据以及公交线路数据，基于空间插值法，获得公交车在各数据点的时距数据对；

S2、基于所述时距数据对，获得公交车运营序列；

S3、将所述公交车运营序列输入至LSTM递归神经网络，获得公交车到站时间预测模型；以及

S4、对所述公交车到站时间预测模型基于链式预测法，获得预测的公交车到站时间。

本发明提出利用递归神经网络进行公交到站时间预测的方法：利用我国城市公交在运营时的公交车数据和公交线路数据，提取与交通相关的信息，经过训练LSTM递归神经网络，学习交通状况变化的规律，从而得到公交车在动态变化交通环境下的到站时间。

附图说明

图1为本发明实施例中LSTM型RNN中隐藏层结点的结构图；

图2为根据本发明实施例的预测公交车到站时间的流程示意图；

图3为根据本发明实施例的计算除首站之外站点的出发时间的一维线性回归示意图；

图4为根据本发明实施例的预测到站时间结果说明图；

图5为根据本发明实施例的预测方法与其他4种方法的结构图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。