[发明专利]一种出行方案推荐方法及推荐系统

权利要求书

1.一种出行方案推荐方法，其特征在于，包括步骤：

接收用户的查询信息；

预测站台候车人数：获取同一路线、同一站台、同一时间段上下车人数时间序列，预测站台候车人数；

所述预测站台候车人数的步骤为：

通过公交车前后门的摄像头采集上下车人数，在数据量达到一定程度后，提取出同一站台、同一线路、同一时间段的上车人数或下车人数，构成人数序列；

在检验其平稳性后，建立时间序列模型，利用ARMA模型对站台的上、下车人数进行预测，同时加入天气、节假日参考因素；

预测车厢拥挤度：结合站台候车人数和车厢人数统计预测车厢拥挤度；

预测车辆到站时间；

最优方案判定：综合站台候车人数、车厢拥挤度、到站时间属性，建立标准化决策矩阵，对各属性赋予权值，计算出加权标准化决策矩阵，匹配用户查询信息后给出最优出行方案的推荐。

2.根据权利要求1所述的出行方案推荐方法，其特征在于，所述ARMA模型的建模步骤如下：

检验人数序列的平稳性：利用获取到的数据生成时序图，用观察时序图的方法来判定数据的平稳性，根据平稳性的定义，平稳序列具有常数均值和常数方差的性质，因此其时序图应该在一个常数值附近波动，且波动的范围有界；同时，根据实际情况推测，短时间内站台上下车人数不会有明显增长或者下降；

模型识别和定阶：ARMA(p,q)模型的形式为：

其中φ₁，φ₂，…，φ_p、θ₁，θ₂，…，θ_q和ε_t，ε_t-1，…，ε₁分别是自回归参数、移动平均参数和白噪声序列，X_t-1...X_t-p为模型的输入自变量序列，即预测的历史依据；根据自相关系数和偏自相关系数来初步判断ARMA模型的阶数p和q，计算出样本自相关系数和偏相关系数；

模型的参数估计：根据识别的模型及其阶数，采用最小二乘法来对模型进行参数估计；

模型检验：经过模型识别、定阶和参数估计，需要对模型进行残差序列检验分析；当残差序列是白噪声序列时拟合模型才有效，方可用于预测；计算残差序列{ε(t)}的s步自相关系数ρ₁、ρ₂、...ρ_s，然后构造卡方统计量F_s，如下式所示，F_s服从自由度为s的X²分布；式中，n为残差序列的容量；

利用ARMA模型计算结果进行预测；输入线路、站台、时间数据后，即可得到预测的候车人数；将ARMA模型计算结果作为主要的预测依据，同时加入天气、节假日参考因素。

3.根据权利要求1所述的出行方案推荐方法，其特征在于，所述预测车厢拥挤度的步骤为：

通过车厢中部摄像头，提取图像分区HOG特征，预判定车厢的拥挤度；

通过车厢门摄像头，捕捉人头，统计上下车人数，通过将各站台上车人数累加，同时减去下车人数的方法，得出车厢内人数；

结合预判定结果和车厢人数，计算到站拥挤度。