一种公交实时到站时间预测方法及系统技术方案

本发明专利技术公开了一种公交实时到站时间预测方法及系统，利用离线学习模型将某一线路公交车在历史时间中到站时间进行一个多变量神经网络的学习，在允许误差内将误差最小的离线学习模型三维多变量参数模型保存；根据公交车实际的到站时间利用在线学习模型进行在线学习，动态调整公交车的到站时间。本公开的方法通过离线学习模型和在线学习模型相结合的方法进行预测，有效提高了预测的准确性，该方法新颖独特，设计构思巧妙，预测结果准确，应用环境好，市场前景广阔。

A Method and System for Predicting Real-time Bus Arrival Time

The invention discloses a real-time bus arrival time prediction method and system, which uses off-line learning model to learn a multi-variable neural network of a certain line bus arrival time in historical time, saves the three-dimensional multi-variable parameter model of the off-line learning model with the least error within the allowable error, and uses on-line learning model to advance according to the actual bus arrival time. Online learning, dynamic adjustment of bus arrival time. The method of this disclosure effectively improves the accuracy of prediction by combining offline learning model with online learning model. The method is novel, unique, ingenious in design, accurate in prediction result, good in application environment and broad in market prospect.

【技术实现步骤摘要】
一种公交实时到站时间预测方法及系统
本公开涉及智慧交通系统
，特别是涉及一种公交实时到站时间预测方法及系统。
技术介绍
在各大城市，一般看到的"公交电子站牌"，上面显示的某某路车还有几站到站，就是实时公交的概念应用到生活中的例子。通过安装在每辆公交上的GPS定位系统，通过卫星传输，统一传送到交通部门监管的系统平台，实现对每辆公交的实时位置监控，实现合理调配，确保公共交通设施更优质的服务普通大众。近两年来越来越多的公交公司为公交车安装GPS定位系统，方便了公交公司对公交车的管理调度。同时也可以通过在公交车站的电子屏幕等形式为市民提供公交车到站信息。由于受到各种客观条件的制约，实时公交的数据的准确度高低不一。因此，如何提高预测公交实时到站时间的精确度是本申请亟需解决的技术方案。
技术实现思路
为了解决现有技术的不足，本公开提供了一种公交实时到站时间预测方法，该方法通过离线学习模型和在线学习模型相结合的方法进行预测，有效提高了预测的准确性，该方法新颖独特，设计构思巧妙，预测结果准确，应用环境好，市场前景广阔。为了实现上述目的，本申请公开了以下技术方案：一种公交实时到站时间预测方法，包括：本文档来自技高网...

【技术保护点】
1.一种公交实时到站时间预测方法，其特征是，包括：利用离线学习模型将某一线路公交车在历史时间中到站时间进行一个多变量神经网络的学习，在允许误差内将误差最小的离线学习模型三维多变量参数模型保存；根据公交车实际的到站时间利用在线学习模型进行在线学习，动态调整公交车的到站时间。

【技术特征摘要】
1.一种公交实时到站时间预测方法，其特征是，包括：利用离线学习模型将某一线路公交车在历史时间中到站时间进行一个多变量神经网络的学习，在允许误差内将误差最小的离线学习模型三维多变量参数模型保存；根据公交车实际的到站时间利用在线学习模型进行在线学习，动态调整公交车的到站时间。2.如权利要求1所述的一种公交实时到站时间预测方法，其特征是，在得到离线学习模型之前，首先采集历史与道路数据，具体通过公交车GPS系统收集公交车运行线路的历史数据；然后将城市公交道路信息进行采集。3.如权利要求2所述的一种公交实时到站时间预测方法，其特征是，所述公交车运行线路的历史数据包括每一路公交车的车辆编号、站点数、实时的经纬度信息、到离站时间、行车速度、乘车人数；所述城市公交道路信息包括站点与站点的距离、公交线路的路口数、道路的车道数、是否有公交车道、道路阻力系数；所述道路阻力系数是指公交车运行时的道路畅通状况；所述乘车人数是乘车刷卡人数*比例系数，比例系数为济南总人口数/(济南私家车车辆数*4)+非济南人口。4.如权利要求2所述的一种公交实时到站时间预测方法，其特征是，在获得历史与道路数据之后，再进行数据的处理，包括：构建多变量行车序列表，其中包括的维度为车辆编号、线路编号、站点编号三个维度；将公交车的数据按照三个维度进行展开，即到站点时的经纬度信息、到离站时间、乘车人数、站点间距离、公交线路路口数、道路车道数、是否有公交车道、道路阻力系数这8个变量序列；提取完整的车辆行驶数据对丢失的公交车辆行驶数据进行数据填充，对丢失过多的公交车数据进行删除操作。5.如权利要求1所述的一种公交实时到站时间预测方法，其特征是，使用LSTM神经网络建立离线学习模型的步骤为：将三维数据中第一站的变量拟合为第二站的输入，第二站的到站时间拟合为第一站的输出，依次类推，假设有N站，第N-1站的所有变量拟合为到达第N站的输入，而第N站的到站时间拟合为第N-1站的输出；然后将三维历史数据每一站按照上述方法进行拟合，即1站后有N-1个到站时间，第2站后有N-2个到站时间，依次类推，第N-1...

【专利技术属性】
技术研发人员：孙梅玉，于治国，程合彬，孟令国，苗健，阮芳，张会，吴雪松，杨凯，
申请(专利权)人：山东管理学院，
类型：发明
国别省市：山东,37