基于大数据的类轨道交通行驶预测方法技术

基于大数据的类轨道交通行驶预测方法，属于数据处理方法技术领域，包括以下步骤：步骤S1，提取类轨道交通的GPS轨迹原始资料，并针对GPS轨迹原始资料进行前处理和资料转换，将GPS轨迹原始资料中的每笔GPS资料转换成以下4个字段：行驶区间、连续区间速差、拥堵征兆布尔型、瞬间速度；步骤S2，运用C5.0决策树，对转换后的每笔GPS资料中的4个字段进行资料分析，获得7个叶节点，并产生7个决策规则，建置类轨道交通预拥堵前十分钟的行驶模型：S3，利用测试资料验证行驶模型的准确度。本方案，发现连续区间速差低于一定程度，在配合其他条件下就会有高机率在未来十分钟内发生拥堵，可以对类轨道交通提供相应的规则或意见。道交通提供相应的规则或意见。道交通提供相应的规则或意见。

【技术实现步骤摘要】
基于大数据的类轨道交通行驶预测方法


[0001]本专利技术属于数据处理方法
，特别涉及基于大数据的类轨道交通行驶预测方法。

技术介绍

[0002]随着科技的发展，以地理位置数据为核心数据的相关服务也愈来愈多，比如地图服务，导航服务，数据分析服务，甚至基于数据分析服务为用户带来的其它高附加值的个性化定制服务。地理位置数据在应用服务中的作用以及重要性不言而喻，而如何妥善的获取地理位置数据，存储，以及应用都需要进行相关研究。
[0003]现有的地理位置数据的应用，多集中于客流预测。例如，CN108694463A的中国专利，公开了一种城市轨道交通站点进出站客流预测方法，得到新开轨道交通站点的工作日平均进出站客流量预测值，从而分析站点周边建成环境对进出站客流的影响，进而以此为依据，预测新开站点客流量。
[0004]我们希望，地理位置数据的应用，不仅仅局限于城市的地铁、轻轨和有轨电车等传统的轨道交通，也包括具有固定行驶路径的公交接驳等类轨道交通。此时，不仅需要考虑人流量，还需要考虑类轨道交通中的车辆行驶状态，从而指导轨道交通设计者定量化调整接驳设施供应或者优化交通出行网络。目前，尚缺少对于类轨道交通的行驶状态预测的研究。

技术实现思路

[0005]鉴于上述现有技术的不足之处，本专利技术的目的在于提供基于大数据的类轨道交通行驶预测方法。
[0006]为了达到上述目的，本专利技术采取了以下的技术方案。
[0007]基于大数据的类轨道交通行驶预测方法，包括以下步骤：步骤S1，提取类轨道交通的GPS轨迹原始资料，并针对GPS轨迹原始资料进行前处理和资料转换，将GPS轨迹原始资料中的每笔GPS资料转换成以下4个字段：行驶区间、连续区间速差、拥堵征兆布尔型、瞬间速度；步骤S2，运用C5.0决策树，对转换后的每笔GPS资料中的4个字段进行资料分析，获得7个叶节点，并产生7个决策规则，建置类轨道交通预拥堵前十分钟的行驶模型；7个决策规则，包括：决策规则1：当瞬间速度小于或等于时速42公里且行驶区间小于或等于0.3355公里，10分钟内将面临拥堵；决策规则3：当瞬间速度介于时速42公里到时速85公里之间且连续区间速差小于或等于
‑
12公里/小时，10分钟内将面临拥堵；决策规则5：当瞬间速度介于时速42公里到时速54公里之间且连续区间速差大于时速
‑
12公里而行驶区间小于或等于0.3355公里，10分钟内将面临拥堵；S3，利用测试资料验证行驶模型的准确度。
[0008]进一步，步骤S1中，GPS轨迹原始资料，包括记录车次GPS轨迹的GPS资料，同一车次GPS资料的记录时间间隔为30秒，每个车次的行驶时间为24小时，且车次的开始位置与结束位置相同；每笔GPS资料包含七个字段，分别为：车次编号、记录时间、GPS纬度、GPS经度、瞬间速度、方向角度、GPS状态；对GPS轨迹原始资料，进行资料整合：将GPS轨迹原始资料，汇入Microsoft SQL Server数据库，合并不同来源的GPS轨迹原始资料；对GPS轨迹原始资料，进行资料清理，删除不合理的GPS资料：不合理的GPS资料中，GPS纬度和GPS经度确定的坐标点，不在考察的轨道或行驶路线覆盖范围内，或者连续区间速差的绝对值高于时速60公里以上。
[0009]进一步，步骤S1中，所述行驶区间，以平面的直线距离当作相对距离计算两点坐标点的行驶区间，并采用正弦函数公式计算两点经纬度坐标；两个经纬度坐标点A和B之间的距离的正弦函数公式：；其中：D是两个经纬度坐标点A和B之间的距离，单位为公里；R是地球半径6378.137公里；φ1是坐标点A的纬度转换成角度，纬度乘上π除180；φ2是坐标点B的纬度转换成角度，纬度乘上π除180；λ1是坐标点A的经度转换成角度，经度乘上π除180；λ2是坐标点B的经度转换成角度，经度乘上π除180。
[0010]进一步，步骤S1中，所述连续区间速差，计算过程如下：计算由两个经纬度坐标点A和B确定的路段AB的平均速度为；其中是坐标A的平均速度，表示路段AB的平均速度，单位公里/小时；是路段AB的距离，单位为公里；是到达坐标点B的时间，单位为秒；是到达坐标点A的时间，单位为秒；计算由两个经纬度坐标点B和C确定的路段BC的平均速度为；其中是坐标B的平均速度，路段BC的平均速度，单位公里/小时；是路段BC的距离，单位为公里；是到达坐标点C的时间，单位为秒；计算连续区间速差。
[0011]进一步，步骤S1中，对于字段：拥堵征兆布尔型，先对GPS轨迹原始资料，进行拥堵征兆的判断：当同一车次连续三笔GPS资料平均速度均小于40公里时，称为此三个GPS资料所形成的行车区间为拥堵路段，拥堵征兆布尔型，只有两个值：假和真，且假的序号为0，真的序号是1；当一个车次的GPS资料显示为拥堵路段时，将本车次拥堵路段以及拥堵路段前10分钟的所有的GPS资料的拥堵征兆布尔型字段设为真，其余为假。
[0012]进一步，步骤S2中，选择80%的此路段GPS资料做为训练资料集，20%GPS资料做为测
试资料集。
[0013]进一步，步骤2中，运用C5.0决策树进行资料分析所获得的7个叶节点，分别如下:叶节点1：GPS资料落在瞬间速度小于或等于时速42公里且行驶区间小于或等于0.3355公里的叶节点上，在这叶节点上拥堵征兆布尔型为真的机率为97.2%；叶节点2：GPS资料落在瞬间速度小于或等于时速42公里且行驶区间大于0.3355公里的叶节点上，在这叶节点上拥堵征兆布尔型为真的机率为44.3%；叶节点3：GPS资料落在瞬间速度介于时速42公里到时速85公里之间且连续区间速差小于或等于时速
‑
12公里的叶节点上，在这叶节点上拥堵征兆布尔型为真的机率为75%；叶节点4：GPS资料落在瞬间速度大于时速85公里且连续区间速差小于或等于时速
‑
12公里的叶节点上，在这叶节点上拥堵征兆布尔型为真的机率为29.6%；叶节点5：GPS资料落在瞬间速度介于时速42公里到时速54公里之间且连续区间速差大于
‑
12公里而行驶区间小于或等于0.365公里的叶节点上，在这叶节点上拥堵征兆布尔型为真的机率为72.7%；叶节点6：GPS资料落在瞬间速度介于时速42公里到时速54公里之间且连续区间速差大于
‑
12公里且行驶区间大于0.365公里的叶节点上，在这叶节点上拥堵征兆布尔型为真的机率为23.6%；叶节点7：GPS资料落在瞬间速度大于54且连续区间速差大于
‑
12公里的叶节点上，在这叶节点上拥堵征兆布尔型为真的机率为19.9%。
[0014]进一步，步骤2中，7个决策规则，还包括：决策规则2：当瞬间速度小于或等于时速42公里且行驶区间大于0.3355公里，10分钟内将不会面临拥堵；决策规则4：当瞬间速度大于时速85公里且连续区间速差小于或等于时速
‑
12公里，10分钟内将不会面临拥堵；决策规则6：当瞬间速度介于时速42公里到时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的类轨道交通行驶预测方法，其特征在于，包括以下步骤：步骤S1，提取类轨道交通的GPS轨迹原始资料，并针对GPS轨迹原始资料进行前处理和资料转换，将GPS轨迹原始资料中的每笔GPS资料转换成以下4个字段：行驶区间、连续区间速差、拥堵征兆布尔型、瞬间速度；步骤S2，运用C5.0决策树，对转换后的每笔GPS资料中的4个字段进行资料分析，获得7个叶节点，并产生7个决策规则，建置类轨道交通预拥堵前十分钟的行驶模型；7个决策规则，包括：决策规则1：当瞬间速度小于或等于时速42公里且行驶区间小于或等于0.3355公里，10分钟内将面临拥堵；决策规则3：当瞬间速度介于时速42公里到时速85公里之间且连续区间速差小于或等于
‑
12公里/小时，10分钟内将面临拥堵；决策规则5：当瞬间速度介于时速42公里到时速54公里之间且连续区间速差大于时速
‑
12公里而行驶区间小于或等于0.3355公里，10分钟内将面临拥堵；S3，利用测试资料验证行驶模型的准确度。2.根据权利要求1所述的基于大数据的类轨道交通行驶预测方法，其特征在于，步骤S1中，GPS轨迹原始资料，包括记录车次GPS轨迹的GPS资料，同一车次GPS资料的记录时间间隔为30秒，每个车次的行驶时间为24小时，且车次的开始位置与结束位置相同；每笔GPS资料包含七个字段，分别为：车次编号、记录时间、GPS纬度、GPS经度、瞬间速度、方向角度、GPS状态；对GPS轨迹原始资料，进行资料整合：将GPS轨迹原始资料，汇入Microsoft SQL Server数据库，合并不同来源的GPS轨迹原始资料；对GPS轨迹原始资料，进行资料清理，删除不合理的GPS资料：不合理的GPS资料中，GPS纬度和GPS经度确定的坐标点，不在考察的轨道或行驶路线覆盖范围内，或者连续区间速差的绝对值高于时速60公里以上。3.根据权利要求1或2所述的基于大数据的类轨道交通行驶预测方法，其特征在于，步骤S1中，所述行驶区间，以平面的直线距离当作相对距离计算两点坐标点的行驶区间，并采用正弦函数公式计算两点经纬度坐标；两个经纬度坐标点A和B之间的距离的正弦函数公式：；其中：D是两个经纬度坐标点A和B之间的距离，单位为公里；R是地球半径6378.137公里；φ1是坐标点A的纬度转换成角度，纬度乘上π除180；φ2是坐标点B的纬度转换成角度，纬度乘上π除180；λ1是坐标点A的经度转换成角度，经度乘上π除180；λ2是坐标点B的经度转换成角度，经度乘上π除180。4.根据权利要求3所述的基于大数据的类轨道交通行驶预测方法，其特征在于，步骤S1中，所述连续区间速差，计算过程如下：
计算由两个经纬度坐标点A和B确定的路段AB的平均速度为；其中是坐标A的平均速度，表示路段AB的平均速度，单位公里/小时；是路段AB的距离，单位为公里；是到达坐标点B的时间，单位为秒；是到达坐标点A的时间，单位为秒；计算由两个经纬度坐标点B和C确定的路段BC的平均速度为；其中是坐标B的平均速度，路段BC的平均速度，单位公里/小时；是路段BC的距离，单位为公里；是到达坐标点C的时间，单位为秒；计算连续区间速差。5.根据权利要求4所述的基于大数据的类轨道交通行驶预测方法，其特征在于，步骤S1中，对于字段：拥堵征兆布尔型，先对GPS轨迹原始...

【专利技术属性】
技术研发人员：伊尚丰，陈刚，李守勤，杨武武，汪霞，黄春雨，胡洲洪，
申请(专利权)人：八维通科技有限公司，
类型：发明
国别省市：