[发明专利]一种公交车到站时间测算方法和装置

权利要求书

1.一种公交车到站时间测算方法，其特征在于，

将每一条公交车运行线路上的每一个交叉路口、每一个车站、每两个交叉路口之间的路段，分别划分为一个运行部，为每一个运行部分别建立对应的人工神经网络模型，其中，所述人工神经网络模型包括：一个输入层、一个隐层和一个输出层，其中，输入层神经元为影响公交车到站时间的影响因素；输出层神经元为时间；隐层神经元的个数利用如下公式确定：其中S为隐层神经元个数，a为输入层神经元的个数，b为输出层神经元的个数，n为1到10之间的整数；针对每一个运行部，获取其对应的影响公交车到站时间的影响因素的历史值以及该运行部对应的历史运行时间，并输入其对应的人工神经网络模型，训练后得到其对应的人工神经网络模型的参数值；

该方法还包括：

确定公交车当前位置和目标站之间的所有目标运行部，针对每一个目标运行部，获取其对应的所述影响因素的当前值，并输入其对应的人工神经网络模型，根据训练得到的人工神经网络模型的参数值，得到与各个目标运行部对应的各人工神经网络模型的输出值，根据所有输出值得到公交车到达目标站的时间。

2.根据权利要求1所述的公交车到站时间测算方法，其特征在于，

所述影响公交车到站时间的影响因素包括：时间段、天气状况、特殊事件、周末节假日、上下游路况、车辆距车站位置以及车辆在前一段运行过程中晚点程度中的任意一个或多个。

3.根据权利要求2所述的公交车到站时间测算方法，其特征在于，所述影响因素的历史值和所述影响因素的当前值均为归一化数值；

该归一化数值的得到方法包括：

当所述影响因素中包括时间段时，将一天的时间以早、午、晚高峰为分界，分为七个时间段，分别对应归一化数值为0.1，0.2，0.3，0.4，0.5，0.6，0.7；

当所述影响因素中包括天气状况时，极其恶劣对应的归一化数值为0.9，恶劣对应的归一化数值为0.5，正常对应的归一化数值为0.1；

当所述影响因素中包括特殊事件时，交通正常对应的归一化数值为0.1，影响严重对应的归一化数值为0.5,极其严重对应的归一化数值为0.9；

当所述影响因素中包括周末节假日时，周一至周日对应的归一化数值分别为0.1至0.7，小长假对应的归一化数值为0.8，长假对应的归一化数值为0.9；

当所述影响因素中包括上下游路况时，畅通对应的归一化数值为0.1，拥堵对应的归一化数值为0.5，严重拥堵对应的归一化数值为0.9；

当所述影响因素中包括车辆距车站位置时，以车辆位置所在的两站之间的距离为分母，以车辆距离下一个站点的距离为分子，将得到的分数值作为归一化数值；

当所述影响因素中包括车辆在前一段运行过程中晚点的程度时，对应的归一化数值＝0.5+(晚点时长*总线路长度)/(已运行距离*预计完成线路时长*2)，并且，如果公交车晚点，那么晚点时长为正数，如果公交车提前到达，那么晚点时长为负数；如果归一化数值计算结果大于1，则取1，小于0则取0。

4.根据权利要求1至3中任意一项所述的公交车到站时间测算方法，其特征在于，

如果公交车当前所在的目标运行部为两个交叉路口之间的第一路段，且位于该第一路段的中间位置时，所述根据所有输出值得到公交车到达目标站的时间包括：

在得到对应第一路段的人工神经网络模型的第一输出值后，计算第二输出值，第二输出值＝第一输出值×(公交车当前所在位置与该第一路段结束点之间的距离长度/该第一路段的总长度)，然后将第二输出值作为最终输出值与除第一路段之外其他目标运行部的人工神经网络模型对应的最终输出值相加，得到公交车到达目标站的时间；

和/或，

如果所述目标站位于两个交叉路口之间的第二路段，且位于该第二路段的中间位置时，所述根据所有输出值得到公交车到达目标站的时间包括：

在得到对应第二路段的人工神经网络模型的第三输出值后，计算第四输出值，第四输出值＝第三输出值×(目标站所在位置与该第二路段开始点之间的距离长度/该第二路段的总长度)，将第四输出值作为最终输出值与除第二路段之外其他目标运行部的人工神经网络模型对应的最终输出值相加，得到公交车到达目标站的时间。