一种公交线路客流预测的方法技术

本发明专利技术涉及一种公交线路客流预测的方法。本发明专利技术所述公交线路客流预测的方法，选择多元线性回归的方法作为训练集的模型，综合考虑主客观因素对客流量的影响，使用性和准确性高步骤简单，模拟效果较好，处理速度快。

【技术实现步骤摘要】

本专利技术涉及一种公交线路客流预测的方法，属于智能交通领域的

技术介绍
随着社会经济的不断发展，人口数量的及私家车数量的不断增加，给城市交通带来了巨大压力。公共交通的出行方式成为缓解城市交通压力重要手段之一。公交客流预测不仅能准确描述公交客流需求分布规律，实现公交线路运营调度实时优化，也会给市民出行提供参考信息，方便出行。中国专利CN104809344A公开了一种建基于卡尔曼滤波的公交客流OD实时估计模型，实现公交客流OD的实时估计。该专利技术对公交AFC系统的客流数据进行了深度挖掘，通过卡尔曼滤波模型得到公交客流分配概率的最优估计值，进而实现公交客流OD的实时估计。该方法没有对影响客流的因素进行综合考虑，且步骤较复杂，不易于实施。
技术实现思路
针对现有技术的不足，本专利技术提供一种公交线路客流预测的方法。本专利技术的技术方案如下：一种公交线路客流预测的方法，包括步骤如下：1)数据采集；实时采集公交终端运行信息和天气信息，并传输至服务器；抽取连续时段内的公交终端运行信息和天气信息作为训练集，对天气信息做标准化处理，对各种天气赋予互不相同的数值。由于天气信息具有多样性，天气信息的标准化处理可方便计算。2)对公交客流进行预测：乘客人数Y＝β0+β1X1+β0X2+...+βpXp+ε其中，自变量X1,X2,...,Xp为影响乘客人数的因素，其中p＞1；如天气因素、周因素和时刻因素等。β0,β1,...,βp为模型参数；ε为误差项，ε～N(0,σ2)；ε反映了随机因数对客流量Y的影响，是不能由X1,X2,...,Xp与Y之间的线性关系解释的变异性；设(xi1,xi2,...,xip,yi)，i＝1,2,...,n为自变量的n次独立观测值，则y1=β0+β1x11+β2x12+...+βpx1p+ϵ1y2=β0+β1x12+β2x22+...+βpx2p+ϵ2...yn=β0+β1xn1+β2xn2+...+βpxnp+ϵn]]>即，y=y1y2...yn,β=β1β2...βp,X=1x11...x1p1x21...x2p.........1xn1...xnp,ϵ=ϵ1ϵ2...ϵn]]>Y＝Xβ+ε；为计算回归系数的估计值首先写出经验回归方程：Y^=β^0+β^1X1+β^2X2+...+β^PXP]]>观测值与回归方程拟合值之间的残差平方和为：Q(β)＝(y-Xβ)T(y-Xβ)计算上式的最小值，得到求解的标准方程为：∂Q∂β0|β0=β0^=0∂Q∂βi|βi=β^i=0,(i=1,2,...,p)]]>当X为列满秩时，β的最小二乘估计为残差向量为σ2的最小二乘估计为取一组自变量X1,X2,...,Xp的观测值求解得到模型参数β0,β1,...,βp。优选的，所述步骤1)还包括预处理的步骤，具体方法为，对训练集数据进行存储格式的预处理，得到线路名称、日期、时刻、当前时刻普通卡乘客人数、学生卡乘客人数、老年卡乘客人数、周信息(每周第几天)、天气、气温以及风力信息。优选的，所述公交终端运行信息包括，数据采集日期deal_date、数据采集时刻deal_time、乘客公交卡ID、乘客公交卡类别(普通卡、学生卡、老年卡)card_type；从气象站收集每天的天气信息包括，天气weather、气温temperature、风力wind，将数据传输到公交调度中心的服务器。本专利技术的有益效果：1、本专利技术所述公交线路客流预测的方法，选择多元线性回归的方法作为训练集的模型，步骤简单，模拟效果较好，处理速度快；2、本专利技术所述公交线路客流预测的方法，综合考虑主客观因素对客流量的影响，使用性和准确性高。附图说明图1为本专利技术所述公交线路客流预测的方法的工作流程图。具体实施方式下面结合实施例和说明书附图对本专利技术做详细的说明，但不限于此。实施例1如图1所示。一种公交线路客流预测的方法，包括步骤如下：1)数据采集；实时采集公交终端运行信息和天气信息，并传输至服务器；抽取连续三个月的公交终端运行信息和天气信息作为训练集，对天气信息做标准化处理，对各种天气赋予互不相同的数值。由于天气信息具有多样性，天气信息的标准化处理可方便计算。2)对公交客流进行预测：乘客人数Y＝β0+β1X1+β0X2+...+βpXp+ε其中，自变量X1,X2,...,Xp为影响乘客人数的因素，包括天气因素、周因素和时刻因素等，其中p＞1。β0,β1,...,βp为模型参数；ε为误差项，ε～N(0,σ2)；ε反映了随机因数对客流量Y的影响，是不能由X1,X2,...,Xp与Y之间的线性关系解释的变异性；设(xi1,xi2,...,xip,yi)，i＝1,2,...,n为自变量的n次独立观测值，则y1=β0+β1x11+β2x12+...+βpx1p+ϵ1y2=β0+β1x12+β2x22+...+βpx2p+ϵ2...yn=β0+β1xn1+β2xn2+...+βpxnp+ϵn]]>即，y=y1y2...yn,β=β1β2...βp,X=1x11...x1p1x21...x2p.........1xn1...xnp,ϵ=ϵ1ϵ2...ϵn]]>Y＝Xβ+ε；为计算回归系数的估计值首先写出经验回归方程：Y^=β^0+β^1X1+β^2X2+...+β^PXP]]>观测值与回归方程拟合值之间的残差平方和为：Q(β)＝(y-Xβ)T(y-Xβ)计算上式的最小值，得到求解的标准方程为：∂Q∂β0|β0=β0^=0∂Q∂βi|βi=β^i=0,(i=1,2,...,p)]]>当X为列满秩时，β的最小二乘估计为残差向量为的最小二乘估计为取一组自变量X1,X2,...,X本文档来自技高网...

【技术保护点】
一种公交线路客流预测的方法，其特征在于，包括步骤如下：1)数据采集；实时采集公交终端运行信息和天气信息，并传输至服务器；抽取连续时段内的公交终端运行信息和天气信息作为训练集，对天气信息做标准化处理，对各种天气赋予互不相同的数值；2)对公交客流进行预测：乘客人数Y＝β0+β1X1+β0X2+...+βpXp+ε其中，自变量X1,X2,...,Xp为影响乘客人数的因素，其中p＞1；β0,β1,...,βp为模型参数；ε为误差项，ε～N(0,σ2)；设(xi1,xi2,...,xip,yi)，i＝1,2,...,n为自变量的n次独立观测值，则y1=β0+β1x11+β2x12+...+βpx1p+ϵ1y2=β0+β1x12+β2x22+...+βpx2p+ϵ2...yn=β0+β1xn1+β2xn2+...+βpxnp+ϵn]]>即，y=y1y2...yn,β=β1β2...βp,X=1x11...x1p1x21...x2p.........1xn1...xnp,ϵ=ϵ1ϵ2...ϵn]]>Y＝Xβ+ε；经验回归方程：Y^=β^0+β^1X1+β^2X2+...+β^PXP]]>观测值与回归方程拟合值之间的残差平方和为：Q(β)＝(y‑Xβ)T(y‑Xβ)计算上式的最小值，得到求解的标准方程为：∂Q∂β0|β0=β^0=0∂Q∂βi|βi=β^i=0(i=1,2,...,p)]]>当X为列满秩时，β的最小二乘估计为残差向量为σ2的最小二乘估计为取一组自变量X1,X2,...,Xp的观测值求解得到模型参数β0,β1,...,βp。...

【技术特征摘要】
1.一种公交线路客流预测的方法，其特征在于，包括步骤如下：
1)数据采集；
实时采集公交终端运行信息和天气信息，并传输至服务器；抽取连续时段内的公交终端
运行信息和天气信息作为训练集，对天气信息做标准化处理，对各种天气赋予互不相同的数
值；
2)对公交客流进行预测：
乘客人数Y＝β0+β1X1+β0X2+...+βpXp+ε
其中，自变量X1,X2,...,Xp为影响乘客人数的因素，其中p＞1；
β0,β1,...,βp为模型参数；ε为误差项，ε～N(0,σ2)；
设(xi1,xi2,...,xip,yi)，i＝1,2,...,n为自变量的n次独立观测值，则
y1=β0+β1x11+β2x12+...+βpx1p+ϵ1y2=β0+β1x12+β2x22+...+βpx2p+ϵ2...yn=β0+β1xn1+β2xn2+...+βpxnp+ϵn]]>即，
y=y1y2...yn,β=β1β2...βp,X=1x11...x1p1x21...x2p.........1xn1...xnp,ϵ=ϵ1ϵ2...ϵn]]>Y＝Xβ+ε...

【专利技术属性】
技术研发人员：邢建平，田欣玉，宋宪明，刘绪，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37