一种基于大数据的公共交通停准预测方法技术

本申请提供一种基于大数据的公共交通停准预测方法，包括：公共交通停准识别；根据公共交通停准识别结果，预测公交车停靠的准确度；根据公交车停靠的准确度预测结果，判断站点停准难度；根据站点停准难度，预测无法停准的公交车数量；根据无法停准的公交车数量，分析公交车同时到达相同站点造成拥堵的概率；根据公交车同时到达相同站点造成拥堵的概率，分析无法停准的严重度；根据无法停准的严重度，实现公交调度改进；对无法实现公交调度改进的站点，进行站点预警改造。进行站点预警改造。进行站点预警改造。

【技术实现步骤摘要】
一种基于大数据的公共交通停准预测方法


[0001]本专利技术涉及信息
，尤其涉及一种基于大数据的公共交通停准预测方法。

技术介绍

[0002]公共交通，例如公交车BRT系统是有固定的开门处的，如果没有在固定的时间和地点停住，就需重新启动车辆，导致体检不佳和耗费更多的电能或油量。有些没有开门处的公交站，如果车辆没有准确停在公交站上，就会导致乘客需要跑向公交车上车，可能造成交通拥堵，或者发生严重的交通意外事故。停准是指有门的BRT公交站台，公交车与站台距离不大于20厘米。普通公交站台，公交车距离站台正中央，不大于1米是否能停得准的问题，跟司机个人开车水平、职业意识、以及当前的天气环境、当前其他公交车辆环境，车型速度都有关系。其中司机个人素质和水平是较容易控制的，但是很多停准问题其实是因为前后车辆在排队和相互之间到达的时序密集，导致前后车无法准确、轻易的靠近停靠点，导致无法停准。因此如何让公共交通能够更好地停准是一个未解决的问题。如果无法停准就要考虑如何在公交站增加更多站台和开门口等措施，以便保障乘客的安全运输。

技术实现思路

[0003]本专利技术提供了一种基于大数据的公共交通停准预测方法，主要包括：
[0004]公共交通停准识别；根据公共交通停准识别结果，预测公交车停靠的准确度；根据公交车停靠的准确度预测结果，判断站点停准难度；根据站点停准难度，预测无法停准的公交车数量；根据无法停准的公交车数量，分析公交车同时到达相同站点造成拥堵的概率；根据公交车同时到达相同站点造成拥堵的概率，分析无法停准的严重度；根据无法停准的严重度，实现公交调度改进；对无法实现公交调度改进的站点，进行站点预警改造；
[0005]进一步可选地，所述公共交通停准识别包括：
[0006]利用射频识别系统对公共交通停准进行识别；所述停准是指对于有门的BRT公交站台，公交车与站台距离不大于第一预设阈值；对于普通公交站台，公交车距离站台边沿正中央，不大于第二预设阈值；根据所述射频识别系统处理的数据，若实时公交车与站台距离数据在第一预设时间范围内维持不变，则确定公交车处于停靠状态；根据所述停靠状态，识别公交车在相应站台下的停准；包括：搭建射频识别系统；
[0007]所述搭建射频识别系统，具体包括：
[0008]所述射频识别系统是指通过射频信号自动识别公交车并获取公交车停靠位置信息，包括射频信号发送端和射频信号接收端；所述射频信号发送端安装在公交车门一侧车身的中点；所述射频信号接收端安装在站台范围内站沿的中点；所述射频信号发送端不断向外发送射频信号，在靠近站台的预设范围内，被所述射频信号接收端接收，通过预设接口连接到公交系统管理后台处理接收数据。
[0009]进一步可选地，所述根据公共交通停准识别结果，预测公交车停靠的准确度包括：
[0010]根据公共交通停准识别结果，对司机的总体评价，公交车性能以及公交车行驶时
的天气环境进行分析，构造公交车停靠的准确度评价体系，即
[0011]ACC＝DER
×
W1+QUA
×
W2+WEA
×
W3；其中，ACC表示公交车停靠的准确度评价指标；DER表示司机总体评价指标，QUA表示公交车辆性能参考指标，WEA表示天气环境参考指标的倒数；W1,W2,W3分别为对应预设权值，且W1+W2+W3＝1；根据所述公交车停靠的准确度评价体系计算出所述公交停靠的准确度评价指标作为输出，对公交车停靠的准确度进行预测；包括：对司机进行总体评价；司机个人开车水平评价；司机个人素质评价；司机停准经验评价；分析公交车性能；分析公交车行驶时的天气环境；获取到常见天气信息为晴天，多云，阴天时，计算天气环境参考指标数值；获取到常见天气信息为雨天，雪天时，计算天气环境参考指标数值；获取到罕见天气信息时，确定天气环境参考指标数值；
[0012]所述对司机进行总体评价，具体包括：
[0013]获取对司机的总体评价，包括获取司机个人开车水平，司机个人素质，司机停准经验；司机个人开车水平越高，司机个人素质越高，司机停准经验越多，司机的总体评价就越高；构建司机总体评价体系，即DER＝(Dab+Qper+Pexp)/3；其中，DER表示司机总体评价指标；Dab表示通过司机个人开车水平评价模型计算出的司机个人开车水平评价值；Qper表示通过司机个人素质评价模型计算出的司机个人素质评价值；Pexp表示司机停准经验评价值；根据BP神经网络对司机进行总体评价；所述根据BP神经网络对司机进行总体评价，包括：根据Dab，Qper，Pexp确定训练样本与测试样本，所述训练样本用于神经网络训练，所述测试样本用于检测实际值与预测值的相对误差；计算测试样本数据的期望值，若所述期望值大于第十一预设阈值，则调整神经网络的权值，直到所述期望值满足不大于第十一预设阈值的条件为止；根据所述神经网络的权值，更新所述DER的值作为神经网络的输出值；根据所述神经网络的输出值对司机进行总体评价。
[0014]所述司机个人开车水平评价，具体包括：
[0015]所述司机个人开车水平，包括驾照分数，公交车准点到达站点的频率，公交车停准次数；根据车载GPS定位跟踪系统实时监测公交车获取实时到站时间，通过公交系统后台获取标准到达时间，计算所述实时到站时间与所述标准到达时间相匹配的次数除以公交车到站总次数即为所述公交车准点到达站点的频率；根据公交系统管理后台数据，得到所述公交车停准次数；构建司机个人开车水平评价模型，即Dab＝D1
×
W11+D2
×
W12+D3
×
W13；其中，Dab表示司机个人开车水平评价值；D1表示司机驾照分数评价值，若司机驾照当前扣分超过第三预设阈值，则D1＝0，否则D1＝1；D2表示公交车准点到达站点的频率评价值，若公交车准点到达站点的频率超过第四预设阈值，则D2＝1，否则D2＝0；D3表示公交车停准次数评价值，若公交车停准次数超过第五预设阈值，则D3＝1，否则D3＝0；W11，W12，W13分别表示对应的预设权值；通过所述司机个人开车水平评价模型，计算司机个人开车水平评价值，对公交车司机个人开车水平进行评价。
[0016]所述司机个人素质评价，具体包括：
[0017]所述司机个人素质，包括司机行驶过程中说脏话的次数，司机的被举报量，司机同事之间的相互评价分数；利用安装在驾驶室内的语音识别器自动识别司机行驶过程中的言语，统计所述司机行驶过程中说脏话的次数；获取公交系统民意调查数据结果，统计所述司机的被举报量；利用咨询司机同事对司机本人的印象分数并将所述印象分数取平均值，获得所述司机同事之间的相互评价分数；构建司机个人素质评价模型，即
[0018]Qper＝Q1
×
W21+Q2
×
W22+Q3
×
W23；其中，Qper表示司机个人素质评价值；Q1表示司机行驶过程中说脏话的次数评价值，若所述司机行驶过程中说脏话的次数超本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的公共交通停准预测方法，其特征在于，所述方法包括：公共交通停准识别，并搭建射频识别系统，所述射频识别系统是指通过射频信号自动识别公交车并获取公交车停靠位置信息；根据公共交通停准识别结果，预测公交车停靠的准确度，对司机进行总体评价，司机个人开车水平评价，司机个人素质评价与司机停准经验评价，并分析公交车性能与分析公交车行驶时的天气环境，获取到常见天气信息为晴天，多云，阴天时，计算天气环境参考指标数值，获取到常见天气信息为雨天，雪天时，计算天气环境参考指标数值，获取到罕见天气信息时，确定天气环境参考指标数值；根据公交车停靠的准确度预测结果，判断站点停准难度；根据站点停准难度，预测无法停准的公交车数量，并获取公交调度的公交车汇聚站点；根据无法停准的公交车数量，分析公交车同时到达相同站点造成拥堵的概率；根据公交车同时到达相同站点造成拥堵的概率，分析无法停准的严重度，并构建严重度评判模型；根据无法停准的严重度，实现公交调度改进；对无法实现公交调度改进的站点，进行站点预警改造。2.根据权利要求1所述的方法，其中，所述公共交通停准识别，包括:利用射频识别系统对公共交通停准进行识别；所述停准是指对于有门的BRT公交站台，公交车与站台距离不大于第一预设阈值；对于普通公交站台，公交车距离站台边沿正中央，不大于第二预设阈值；根据所述射频识别系统处理的数据，若实时公交车与站台距离数据在第一预设时间范围内维持不变，则确定公交车处于停靠状态；根据所述停靠状态，识别公交车在相应站台下的停准；包括：搭建射频识别系统；所述搭建射频识别系统，具体包括:所述射频识别系统是指通过射频信号自动识别公交车并获取公交车停靠位置信息，包括射频信号发送端和射频信号接收端；所述射频信号发送端安装在公交车门一侧车身的中点；所述射频信号接收端安装在站台范围内站沿的中点；所述射频信号发送端不断向外发送射频信号，在靠近站台的预设范围内，被所述射频信号接收端接收，通过预设接口连接到公交系统管理后台处理接收数据。3.根据权利要求1所述的方法，其中，所述根据公共交通停准识别结果，预测公交车停靠的准确度，包括:根据公共交通停准识别结果，对司机的总体评价，公交车性能以及公交车行驶时的天气环境进行分析，构造公交车停靠的准确度评价体系，即ACC＝DER*W1+QUA*W2+WEA*W3；其中，ACC表示公交车停靠的准确度评价指标；DER表示司机总体评价指标，QUA表示公交车辆性能参考指标，WEA表示天气环境参考指标的倒数；W1,W2,W3分别为对应预设权值，且W1+W2+W3＝1；根据所述公交车停靠的准确度评价体系计算出所述公交停靠的准确度评价指标作为输出，对公交车停靠的准确度进行预测；包括：对司机进行总体评价；司机个人开车水平评价；司机个人素质评价；司机停准经验评价；分析公交车性能；分析公交车行驶时的天气环境；获取到常见天气信息为晴天，多云，阴天时，计算天气环境参考指标数值；获取到常见天气信息为雨天，雪天时，计算天气环境参考指标数值；获取到罕见天气信息时，确定天气环境参考指标数值；
所述对司机进行总体评价，具体包括:获取对司机的总体评价，包括获取司机个人开车水平，司机个人素质，司机停准经验；司机个人开车水平越高，司机个人素质越高，司机停准经验越多，司机的总体评价就越高；构建司机总体评价体系，即DER＝(Dab+Qper+Pexp)/3；其中，DER表示司机总体评价指标；Dab表示通过司机个人开车水平评价模型计算出的司机个人开车水平评价值；Qper表示通过司机个人素质评价模型计算出的司机个人素质评价值；Pexp表示司机停准经验评价值；根据BP神经网络对司机进行总体评价；所述根据BP神经网络对司机进行总体评价，包括：根据Dab，Qper，Pexp确定训练样本与测试样本，所述训练样本用于神经网络训练，所述测试样本用于检测实际值与预测值的相对误差；计算测试样本数据的期望值，若所述期望值大于第十一预设阈值，则调整神经网络的权值，直到所述期望值满足不大于第十一预设阈值的条件为止；根据所述神经网络的权值，更新所述DER的值作为神经网络的输出值；根据所述神经网络的输出值对司机进行总体评价；所述司机个人开车水平评价，具体包括:所述司机个人开车水平，包括驾照分数，公交车准点到达站点的频率，公交车停准次数；根据车载GPS定位跟踪系统实时监测公交车获取实时到站时间，通过公交系统后台获取标准到达时间，计算所述实时到站时间与所述标准到达时间相匹配的次数除以公交车到站总次数即为所述公交车准点到达站点的频率；根据公交系统管理后台数据，得到所述公交车停准次数；构建司机个人开车水平评价模型，即Dab＝D1*W11+D2*W12+D3*W13；其中，Dab表示司机个人开车水平评价值；D1表示司机驾照分数评价值，若司机驾照当前扣分超过第三预设阈值，则D1＝0，否则D1＝1；D2表示公交车准点到达站点的频率评价值，若公交车准点到达站点的频率超过第四预设阈值，则D2＝1，否则D2＝0；D3表示公交车停准次数评价值，若公交车停准次数超过第五预设阈值，则D3＝1，否则D3＝0；W11，W12，W13分别表示对应的预设权值；通过所述司机个人开车水平评价模型，计算司机个人开车水平评价值，对公交车司机个人开车水平进行评价；所述司机个人素质评价，具体包括:所述司机个人素质，包括司机行驶过程中说脏话的次数，司机的被举报量，司机同事之间的相互评价分数；利用安装在驾驶室内的语音识别器自动识别司机行驶过程中的言语，统计所述司机行驶过程中说脏话的次数；获取公交系统民意调查数据结果，统计所述司机的被举报量；利用咨询司机同事对司机本人的印象分数并将所述印象分数取平均值，获得所述司机同事之间的相互评价分数；构建司机个人素质评价模型，即Qper＝Q1*W21+Q2*W22+Q3*W23；其中，Qper表示司机个人素质评价值；Q1表示司机行驶过程中说脏话的次数评价值，若所述司机行驶过程中说脏话的次数超过第六预设阈值，则Q1＝0，否则Q1＝1；Q2表示司机的被举报量评价值，若所述司机的被举报量超过第七预设阈值，则Q2＝0，否则Q2＝1；Q3表示司机同事之间的相互评价分数评价值，若所述司机同事之间的相互评价分数超过第八预设阈值，则Q3＝1，否则Q3＝0；W21，W22，W23分别表示对应的预设权值；通过所述司机个人素质评价模型，计算司机个人素质评价值，对公交车司机个人素质进行评价；所述司机停准经验评价，具体包括:根据射频识别系统处理的数据，以时间为横坐标，实时公交车与站台距离为纵坐标，绘制司机停准经验曲线图；所述司机停准经验曲线图上斜率为零的线段表示公交车处于停靠
状态；根据公交停准识别结果，将识别出的停准状态对应的线段在所述司机停准经验曲线图上标注出来，并记录从无法停准到停准的时间范围；分别统计司机无法停准的总次数以及司机从无法停准到停准的次数，并将所述司机从无法停准到停准的次数除以司机无法停准的总次数，得到从无法停准到停准的频率；若在第二预设时间范围内司机从无法停准到停准的次数大于或等于第九预设阈值，则将所述从无法停准到停准的频率的数值作为司机停准经验评价值Pexp；若在第二预设时间范围内司机从无法停准到停准的次数小于第九预设阈值，则司机停准经验评价值Pexp为0；所述分析公交车性能，具体包括:所述公交车辆性能包括公交车的车型，公交车制动前速度，公交车停靠前制动时间；爬取互联网客车数据库中公交车的车型及对应的公交车制动前速度范围与公交车停靠前制动时间范围；设置公交车辆性能参考指标，且预设其初始值作为第一初始值；若所述公交车的车型与所述互联网客车数据库中公交车的车型相同，则进一步分析该公交车的车型对应的公交车制动前速度之间的关系；若所述公交车制动前速度与客车数据库中对应车型的公交车制动前速度范围相匹配，则再进一步分析该公交车的车型对应的公交车停靠前制动时间之间的关系；若所述公交车停靠前制动时间与客车数据库中对应车型的公交车停靠前制动时间范围相匹配，则所述公交车辆性能参考指标数值为所述第一初始值；若所述公交车停靠前制动时间大于客车数据库中对应车型的公交车停靠前制动时间范围的第一上限值，则计算所述公交车停靠前制动时间与所述第一上限值的第一差值，所述公交车辆性能参考指标数值为所述第一初始值与所述第一差值的和；若所述公交车停靠前制动时间小于客车数据库中对应车型的公交车停靠前制动时间范围的第一下限值，则计算所述第一下限值与所述公交车停靠前制动时间的第二差值，所述公交车辆性能参考指标数值为所述第一初始值与所述第二差值的差；通过所述公交车辆性能参考指标数值的大小，分析所述公交车性能；所述分析公交车行驶时的天气环境，具体包括:根据车载定位系统获取公交车所处的地理位置；从气象局数据库获取公交车所处的地理位置的天气信息；所述天气信息包括常见天气信息和罕见天气信息；所述常见天气信息包括晴天，多云，阴天，雨天，雪天；所述罕见天气信息包括台风，沙尘暴，冰雹，霾，大雾；设立公交车行驶时的天气环境参考指标，并预设其初始值作为第二初始值；通过所述天气环境参考指标数值的大小，分析所述公交车行驶时的...

【专利技术属性】
技术研发人员：赵佳虹，贺梓峰，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：