[发明专利]一种基于模拟退火算法的公交实时到站时间预测方法

摘要

本发明公开了一种基于模拟退火算法的公交实时到站时间预测方法，包含以下的主要步骤：（1）基于历史行车数据建立不同站点不同班次的公交车历史运行时间的数据库；（2）采用模拟退火算法对历史运行时间数据进行训练，对数据进行聚类，形成一个基于时间段聚类的不同路段的平均行驶时间OD矩阵；（3）利用被预测公交车的动态运行信息来修正由模拟退火算法预测的平均行驶时间OD矩阵，得到该公交车的最佳平均行驶时间。本发明不仅充分发挥模拟退火算法在启发式迭代优化搜索算法方面的优势，而且还根据公交车运行的最新数据自动修正平均行驶时间OD矩阵中的参数，是一种动态的公交车到站时间预测模型和计算方法。

主权项

一种基于模拟退火算法的公交实时到站时间预测方法，其特征在于，包含以下的顺序步骤：步骤1、基于历史行车数据建立不同站点不同班次的公交车历史运行时间的数据库；步骤2、采用模拟退火算法对历史运行时间数据进行训练，对数据进行聚类，形成一个基于时间段聚类的不同路段的平均行驶时间OD矩阵；步骤3、利用被预测公交车的动态运行信息来修正由模拟退火算法预测的平均行驶时间OD矩阵，得到该公交车的最佳平均行驶时间；所述步骤2中，采用模拟退火算法对历史运行时间数据进行训练，对数据进行聚类，形成一个基于时间段聚类的公交站台间的平均行驶时间OD矩阵，包括如下顺序步骤：步骤2.1、以欧式距离作为相似度测度建立最优数学模型，适应性函数选取误差平方和作为目标函数：(1)式中，是第j个样本点，是第i个聚类中心，K为预期的历史运行时间聚类中心数目，N为全部历史运行时间样本数目，d_ji(t)表示从当前解的邻域中随机选取解后，接受的退火惩罚因子，取值如下：式中，t为当前的温度；表示第l个聚类中心；ΔJ是状态和的目标差，式中，为第i类初始聚类中心向量，w_ij为第i类初始聚类中心量第j维的元素；步骤2.2、基于历史运行时间的数据库作为原始的样本数据，通过模拟退火算法计算最优聚类；步骤2.3、通过模拟退火算法的最优聚类结果，形成一个基于时间段聚类的公交站台间的平均行驶时间OD矩阵；所述步骤2.2中，模拟退火算法计算最优聚类，包括如下顺序步骤：步骤2.2.1、根据每天道路交通拥挤的情况不同，给定聚类类别数K和迭代允许误差ε；步骤2.2.2、设定退火策略：t_i+1＝λ·t_i(4)式中，其中i≥0，λ＝0.9，λ称为退火速率；设定初始温度t＝t₀；步骤2.2.3、在步骤1的公交车历史运行时间的数据库中随机选取一组样本数据作为初始的聚类中心令其中i＝1,2,…,K；步骤2.2.4、取k＝1；步骤2.2.5、按照下式修正退火惩罚因子d_ji(其中i＝1,2,…,K，j＝1,2,…,N)：步骤2.2.6、按下式修正聚类中心(其中i＝1,2,…,K)，步骤2.2.7、计算误差：步骤2.2.8、如果e＜ε，则模拟退火算法结束，为最优聚类；否则，如果k＜N‑1，k＝k+1，转步骤2.2.5继续计算；如果k＝N‑1，取t_i+1＝λ·t_i，转步骤2.2.4继续计算。