[发明专利]基于近邻回归的实时公交客流预测方法

摘要

本发明公开了一种基于近邻回归的实时公交客流预测方法，该方法利用公交线路和站点的客流历史和实时数据来预测未来时间段的公交客流。本发明首先建立了拥有大量的历史公交客流数据的数据库，对数据进行数据预处理保证样本的数据质量，利用近邻回归算法，设定模型的距离度量方式、近邻个数K以及预测公式，根据当前实时客流人数预测未来时间段的客流人数，预测精度较高，具有简便的操作性和普适性，能够解决公交客流的非线性和复杂性问题，为公交调度合理排班提供有力依据，同时能够提高乘客出行的满意度与舒适度。

主权项

1.一种基于近邻回归的实时公交客流预测方法，其特征在于，它包括如下步骤：步骤1：从现有的公交业务信息数据库中提取待预测公交线路的历史客流数据和实时客流数据；步骤2：按如下方式对提取的历史客流数据和实时客流数据进行预处理；首先，剔除历史客流数据和实时客流数据中乘客实际打卡一次，而公交业务信息数据库记录了多次的重复打卡记录数据；然后，对历史客流数据和实时客流数据中缺失的某一时间段的客流量数据，利用对应时间段的历史客流量平均值进行补缺；最后，将历史客流数据和实时客流数据中每个时间段的客流量数据与预设的对应时间段正常客流数据阈值范围进行对比，利用拉依达准则，对于超出正常客流数据阈值范围的时间段，采用对应时间段的客流量数据历史均值替换历史客流数据和实时客流数据中该时段的客流量数据；步骤3：从预处理后历史客流数据中找到与当前时间段的客流数据最相近的历史时间段，当前时间段的客流数据从预处理后的实时客流数据里获取，具体方法为：采用欧式距离作为度量指标，求出当前时间段的客流量与历史客流数据中各个历史时间段客流量的距离，其中，该距离最短时所对应的历史时间段为历史客流数据中与当前时间段的客流数据最相近的历史时间段，其表达式为：其中，dn(i)表示当前时间段i的客流量与历史时间段n的客流量的欧氏距离；xit表示当前时间段i的客流量Xi的第t个采样点的客流量，p表示当前时间段i中采样点的个数；xnt表示历史时间段n的客流量Xn的第t个采样点的客流量；步骤4：将上述步骤求出的欧氏距离从小到大进行排序，选取最小的K个欧氏距离以及所对应的时间段，根据欧氏距离大小按以下公式构建权重系数，表达式为：其中，ωj(i)为客流量预测权重因子，j表示最小的K个欧氏距离的次序，j＝1,2,…,K；dj(i)表示当前时间段i的客流量与j所对应时间段的客流量的欧氏距离；步骤5：对最小的K个欧氏距离所对应的历史时间段中每时间段的下一时间段的客流量Xj(i)进行加权求和，得到时间段i+1的预测客流量，其预测公式为：其中，表示对i+1时间段的预测值，即完成公交客流预测。