基于浮动车的公交到站时间动态预测方法研究

高万宝

摘要：浮动车交通信息采集技术是通过在车辆上安装GPS设备，利用车辆的动态位置变化信息，进行实时路况提取的技术。本文针对公交到站时间预测，研发了一种基于浮动车的公交车到站动态诱导方案，能够提高公交到站时间预报的准确度，提升公交系统的信息管理和服务水平。

关键词：浮动车;预测

1.前言

现有公交系统由于无法预知到站时间等因素，造成市民在站台等待时间较长，公交出行率偏低。国内外的学者们提出了很多行程时间预测模型，如历史趋势方法、非参数回归模型、时间序列方法、神经网络、卡尔曼滤波模型等，在变化的交通状况条件下，这些方法和模型不能取得令人满意的预测结果。

本文研发了一种基于浮动车的公交到站动态诱导方法，能够提高公交到站时间预报的准确度，为公众出行提供信息诱导，合理安排行程，提升交通信息化的服务水平。

2.交通信息数据采集

本文选择基于浮动车进行交通信息采集，获取实时的交通数据，用于公交到站时间的智能预测，该方案需要在公交车上安装GPS设备，获取路网实时的交通运行参数信息，然后进行综合计算。

公交车上安装GPS定位设备组成公交浮动车，在公交站点安装诱导屏设备，采用数据通讯和存储设备实时获取全部公交浮动车的动态参数数据，并将动态参数数据发送至动态诱导处理服务器，公交浮动车的动态参数数据包括时间、经度、纬度、高度、方向角和瞬时速度等。

3.数据地图匹配

将公交浮动车的GPS坐标点匹配到相应的路段上，并采用九宫格数据筛选和点到直线距离模型，对公交浮动车的实时GPS坐标进行路段匹配。

1）基于路网的地理空间数据系统，覆盖网格化处理层，获取每个网格的编号及边界范围，并根据路段的起点和终点坐标信息，对路段和网格进行关联绑定。

设路段编码为点击并拖拽以移动，网格编码点击并拖拽以移动，对网格编码点击并拖拽以移动与路段编码点击并拖拽以移动进行一对多关联配对，

点击并拖拽以移动                           （1）

其中，i为当前路段的编号;j为当前网格的编号;I为当前网格内的所有路段个数;J为道路网上所有网格的总个数。

2）根据实时GPS坐标信息，获取该公交浮动车所在的网格，并以该网格为中心、周围九宫格为半径，搜索目标范围内的路段信息，得到候选匹配路段集。

3）获取候选路段集中各个候选路段信息，包括候选路段编号、候选路段起点坐标、候选路段终点坐标和候选路段方向角;根据候选路段起点坐标和候选路段终点坐标，得到候选路段线性函数;

设公交浮动车的当前坐标为点击并拖拽以移动，候选路段点击并拖拽以移动的直线方程为点击并拖拽以移动，则采用公式（3）计算出点击并拖拽以移动与点击并拖拽以移动之间的距离点击并拖拽以移动：

点击并拖拽以移动                                   （2）

4）根据浮动车当前坐标点到各个路段的距离以及方向角，计算坐标匹配指数MI，根据坐标匹配指数的大小，判断其匹配度，指数越大表示匹配的匹配度越大，在匹配指数集中，选取指数最大的路段为匹配路段。

4.行车路径推测

获取公交车在前后两个时间点坐标的匹配路段，根据路径规划模型和距离权值，搜索该公交浮动车的轨迹路段集，获取公交浮动车的行车路线。

1）加载空间地理模块，读取与某个公交浮动车前后两相邻坐标各自相匹配的路段，分别作为该公交浮动车的起点路段和终点路段。

基于公交浮动车的起点路段和终点路段信息，搜索公交浮动车的拓展路段集，拓展路段指的是当车辆行驶到某个路段的终点时，其接下来可能行驶的路段;

2）根据起点路段及拓展路段信息，根据距离权值大小确定真实行驶路段;

3）将依次得到的各个真实行驶路段相连，得到公交浮动车的行驶路线。

5.旅行时间计算

假设某辆公交浮动车在计算周期内所经过的一系列GPS点，经地图匹配和行车路径推测后的具体路径为点击并拖拽以移动，其中，点击并拖拽以移动表示该车所经过的第i个路段的编码;

计算该车通过路段点击并拖拽以移动的出行时间：

点击并拖拽以移动                                         （3）

其中，点击并拖拽以移动表示车辆j在路段点击并拖拽以移动上的出行时间;点击并拖拽以移动表示车辆在点击并拖拽以移动时间内经过路径的长度;点击并拖拽以移动表示车辆j前后相邻两个上报数据的时间差;点击并拖拽以移动表示路段点击并拖拽以移动的长度;根据各个路段的出行时间，得到公交浮动车在轨迹路段集的分配时间;

再计算路段旅行时间：

点击并拖拽以移动                              （4）

其中，點击并拖拽以移动表示路段点击并拖拽以移动的路段旅行时间，点击并拖拽以移动表示路段点击并拖拽以移动上参与计算的公交浮动车的总个数，当点击并拖拽以移动等于0，即该路段上没有数据覆盖时，需要用历史数据进行弥补处理。

6.历史数据弥补

对公交浮动车样本覆盖数量小于n的路段，进行历史数据弥补计算，获取路段校正旅行时间。

当路段上没有公交浮动车的GPS数据覆盖时，根据该路段同一时间段的历史旅行时间点击并拖拽以移动和该路段最近一次计算的旅行时间点击并拖拽以移动，计算得到该路段的校正旅行时间点击并拖拽以移动：

点击并拖拽以移动                                   （5）

當路段上有公交浮动车的GPS数据覆盖时，计算当前路段的校正旅行时间点击并拖拽以移动;

点击并拖拽以移动                                   （6）

再更新该路段最近一次计算的旅行时间点击并拖拽以移动，

点击并拖拽以移动                                             （7）

并利用公示（8）更新同一时间段的历史平均速度点击并拖拽以移动;

点击并拖拽以移动                                  （8）

其中，k1，k2，k3是大于0且略小于1的系数。

7.公交到站时间预测

获取与公交站点相关的且将要到达该公交站点的浮动车的GPS坐标，根据地图匹配和路径规划模型，获取经过路段集，将各个路段的校正旅行时间相加，得到公交浮动车到达该公交站点的到达预测时间。

公交站点诱导屏设备实时发布各个将要到站的车辆信息，包括公交线路、车辆位置和到达时间数据，实现公交到站的动态诱导。

8.结论

本文通过构建基于浮动车的公交到站诱导算法，实现公交到站时间的动态预报，对公众出行进行有效疏导，合理安排行程时间，提升公交系统的服务水平。

参考文献：

[1] Adolf D M. Traffic Flow Fundamentals[M]. Prentice Hall， 1990： 160-226.

[2] 秦玲，张剑飞，郭鹏. 浮动车交通信息采集与处理关键技术及其应用研究[J]. 交通运输系统工程与信息，2007， 7（1）： 39-42.