[发明专利]一种公交车站点间行程时间预测方法

说明书

技术领域

本发明涉及信息处理技术领域，特别涉及一种公交车站点间行程时间预测方法。

背景技术

城市公共交通是现代城市中效率最高、费用最省的道路运输形式。提升公共交通服务水平，增强公共交通出行吸引力度，对高效利用道路交通设施资源、缓解城市交通拥堵、改善人居环境具有重要意义。其中，准确、可靠的公交车辆行程时间预测技术是提升公共交通服务水平，合理调度公交车辆，为乘客提供及时、必需的换乘信息的基础。

道路交通状况具有时空分布特性，随着时间和路段的变化而变化，致使公交车辆在不同路段、不同时间运行的外界影响因素很难应用数学模型准确地标定和预测。但考虑到公交车辆在某路段上的未来行程时间与该路段前几个时段的行程时间存在着一定的内在联系，仍然可以利用公交车辆在某路段前几个时段行程时间的历史数据来预测公交车辆在该路段未来时段的行程时间。卡尔曼滤波采用状态方程和观测方程组成的线性随机系统的空间模型来描述滤波器，按线性无偏最小均方误差估计准则，采用一套递推算法对该滤波器的状态变量作最佳估计，计算量和存储量小，可以很好的用于公交车辆行程时间预测的技术中。但是常规的卡尔曼滤波模型鲁棒性较差，很难适应不断变化的道路交通状况。在公交车辆行程时间预测过程中，当系统的噪声模型与量测值的统计模型不匹配时，就会产生滤波器发散和计算发散等问题。

发明内容

发明目的：针对常规卡尔曼滤波模型在进行公交车辆行程时间预测过程中鲁棒性不足的问题，本发明的目的是提供一种适应性更强的公交车站点间行程时间预测方法。

技术方案：为实现上述发明目的，本发明采用的技术方案为一种公交车站点间行程时间预测方法，考虑到相邻班次公交车具有更为相似的道路交通状况，本发明通过在常规卡尔曼滤波递推算法中添加遗忘因子来增大新息影响的权重比例，从而抑制陈旧数据对滤波的影响。同时本发明采用与行车时间数据相适应的滤波启动方式，可以有效提高卡尔曼滤波的运算效率。

本发明具体包括如下步骤：

(A)采集公交运行线路信息、公交车辆运行信息和公交GPS运行数据；

(B)根据步骤(A)中得到的公交运行线路信息与公交GPS运行数据，计算第k班次公交车在路段L_i的行程时间y(k)，其中k为公交车发车班次，L_i为站点间路段编号且i＝1，2…N_c-1，N_c为公交线路站点个数；

(C)建立公交车辆行程时间的状态空间模型，设计卡尔曼滤波递推算法；

(D)结合步骤(A)中采集的公交车辆运行信息和步骤(C)中设计的卡尔曼滤波递推算法，引入遗忘因子，建立自适应衰减滤波行程时间预测算法模型；

(E)根据步骤(A)中采集的公交车辆运行信息和公交运行线路信息，结合统计学理论，选择滤波启动值模型和系统噪声模型；

(F)输出公交车辆站点间行程时间预测值T(k+1/k)。

所述步骤(A)中，公交运行线路信息可包括公交线路走向、线路里程、公交站点位置与站点个数N_c、路段与交叉口交通管控形式；公交车辆运行信息可包括公交车发车时间间隔h、公交客流高峰时段，以及公交车辆运行时的天气状况、道路状况和交通状况；公交GPS运行数据可包括公交站点名称、公交车辆车牌编号、公交车辆班次编号k、公交车辆发车时刻、公交车辆驶入站点时刻和公交车辆驶离站点时刻。

所述步骤(B)中，第k班次公交车在路段L_i的行程时间y(k)称为滤波实际测量值，即第k班次公交车在i+1站点的进站时刻与i站点的出站时刻的差值，且i+1≤N_c。

所述步骤(C)可包括如下步骤：

(C1)结合公交车辆运行特征，建立公交车辆行程时间的状态空间模型为：

T(k+1/k)＝Φ(k)T(k/k)+B(k)μ(k)+Γ(k)ω(k)，y(k)＝H(k)T(k/k)+v(k)

其中，T(k+1/k)是对第k+1班次公交车行程时间的预测值，T(k/k)是将第k班次公交车行程时间的预测值T(k/k-1)用第k班次公交车行程时间的实际观测值y(k)修正而得到的最优值，Φ(k)为状态转移矩阵，B(k)为控制向量矩阵，Γ(k)为系统噪声矩阵，H(k)为系统观测矩阵，μ(k)为控制向量，ω(k)为输入白噪声，v(k)为系统观测噪声，且ω(k)和v(k)的均值都为零，即E[ω(k)]＝0，E[v(k)]＝0；