【技术实现步骤摘要】
本专利技术涉及公交调度，特别涉及一种基于客流和到站时间预测的公交调度方法。
技术介绍
1、在现代城市中，公共交通是人们出行最重要的交通工具之一。与私家车和出租车相比，公共交通具有票价低、载客量大的优点。同时，乘坐公共交通工具出行，可以有效地减少道路交通流量、缓解交通拥堵和减轻空气污染。然而，历史中偶发的不平衡的乘客分布和较小的乘坐需求，也会导致一些城镇的公交公司的低出勤率，造成严重的经济损失。所以，在公交系统中，进行合理公交调度有着非常重要的地位。除了已有的传统公交调度方法，随着深度学习在多个领域的广泛应用和巨大成功，基于深度学习的公交调度方法也陆续被提出。
2、针对公交系统中存在的问题，人们提出了多种动态公交调度方法。但也存在不足，目前许多公交调度模型假设公交发车时间基于固定发车时刻表，并根据客流优化公交发车时间间隔，而一般情况下公交发车时间是可变的，只考虑公交到站时间是不充分的；其次，一些研究只根据预测的客流来处理发车频率，而不考虑公交到站时间，从而造成了交通资源的浪费，增大了公共交通公司的损失，加剧了交通拥堵；目前对客流和公交到站时间预测的模型分为传统模型、回归模型、机器学习模型和混合模型，大多数研究只考虑了公交站点的客流，忽略了交通拥堵、天气等实时信息，部分研究只考虑简单的单线路问题，逃避了多条线路间的换乘问题，还有部分研究只增加发车频率，忽略了客流和公交到站时间的预测。现有公交调度模型不能较好地兼具对客流和公交到站时间的预测以及处理多线间换乘时的等待问题，无法进一步去优化减少乘客等车时间，基于上述挑战，本文
技术实现思路
1、本专利技术的目的是提供一种基于客流和到站时间预测的公交调度方法，以解决上述现有技术存在的问题。
2、本专利技术提供的一种基于客流和到站时间预测的公交调度方法，包括：
3、获取公交数据，将所述公交数据输入长短期记忆网络预测模型中进行预测得到站点客流量和公交到站时间；
4、基于停留策略构建多线公交调度模型，将所述站点客流量和公交到站时间输入所述多线公交调度模型得到乘客最少等待时间。
5、可选地，将所述公交数据输入长短期记忆网络预测模型中进行预测前还包括站点匹配；
6、其中，站点匹配的过程包括：
7、基于低频率浮动公交地图匹配算法得到公交车的时空轨迹；
8、基于平均速度插值算法对公交车的时空轨迹进行均匀插值，同时将将乘客瞬时刷卡的位置与所述公交车的时空轨迹进行匹配。
9、可选地，基于长短期记忆网络预测模型中进行预测得到站点客流量和公交到站时间，所述站点客流量包括上车客流、下车客流和中转客流；
10、其中，所述上车客流的预测过程包括：
11、站点匹配后，获取每个时间段不同站点的上车乘客数；
12、同时获取各个时间段的公共特征；
13、将下一时间段的上车乘客人数作为当前时间段的标签；
14、将所述上车乘客数、公共特征和所述当前时间段的标签输入所述长短期记忆网络预测模型中得到预测的上车客流。
15、可选地，预测下车客流和中转客流的过程中还包括对乘客的目的站推断过程和中转站推断过程；
16、当乘客连续两次在同一线路上刷卡时，则第一次乘坐的目的站是第二次的起点站；
17、当乘客连续两次刷卡在不同的线路上时，则第一条线路上距离第二条线路起点站最近的车站是第一次乘坐的目的站；
18、当乘客第一次下车与第二次上车之间的时间间隔小于30分钟，则将第二次乘坐公交的车站为视为中转站。
19、可选地，基于停留策略构建的多线公交调度模型为：
20、
21、
22、式中，s1表示节省等待时间，s2表示下游车站乘客节省时间，a1表示未下车的乘客增加的等待时间，a2表示增加下游车站等待时间，表示在δ方向上站点k处公交车m的停留时间。
23、可选地，基于遗传算法求解所述多线公交调度模型。
24、可选地，所述公交调度方法还包括基于反馈调整模型调整预测效率过程；其中，所述反馈调整模型基于预测误差和最大片偏差进行模型调优。
25、本专利技术具有如下技术效果：
26、大部分研究对公交车系统中的多方面因素考虑不足，本专利技术兼具对客流量以及公交车到站时间的考虑，还将一些实时状态信息融入模型的预测阶段，以及依据停留策略去创建目标函数，考虑了乘客换乘多条线路的问题。综合整个模型可以更好地对未来客流和公交车到站时间的变化趋势进行更准确的预测，经过验证能更有效减少乘客等待时间和换乘时间。
本文档来自技高网...【技术保护点】
1.一种基于客流和到站时间预测的公交调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于客流和到站时间预测的公交调度方法，其特征在于，将所述公交数据输入长短期记忆网络预测模型中进行预测前还包括站点匹配；
3.根据权利要求2所述的基于客流和到站时间预测的公交调度方法，其特征在于，基于长短期记忆网络预测模型中进行预测得到站点客流量和公交到站时间，所述站点客流量包括上车客流、下车客流和中转客流；
4.根据权利要求3所述的基于客流和到站时间预测的公交调度方法，其特征在于，预测下车客流和中转客流的过程中还包括对乘客的目的站推断过程和中转站推断过程；
5.根据权利要求3所述的基于客流和到站时间预测的公交调度方法，其特征在于，基于停留策略构建的多线公交调度模型为：
6.根据权利要求5所述的基于客流和到站时间预测的公交调度方法，其特征在于，基于遗传算法求解所述多线公交调度模型。
7.根据权利要求1所述的基于客流和到站时间预测的公交调度方法，其特征在于，所述公交调度方法还包括基于反馈调整模型调整预测效率过程；其中
...【技术特征摘要】
1.一种基于客流和到站时间预测的公交调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于客流和到站时间预测的公交调度方法，其特征在于，将所述公交数据输入长短期记忆网络预测模型中进行预测前还包括站点匹配；
3.根据权利要求2所述的基于客流和到站时间预测的公交调度方法，其特征在于，基于长短期记忆网络预测模型中进行预测得到站点客流量和公交到站时间，所述站点客流量包括上车客流、下车客流和中转客流；
4.根据权利要求3所述的基于客流和到站时间预测的公交调度方法，其特征在于，预测下车...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。