基于多网络的公共交通优化出行方法

1.一种基于多网络的公共交通优化出行方法，其特征在于，包括如下步骤：
步骤A，采用无线传感器进行实时公交信息的采集，得到实时公交信息数据结果；
步骤B，将步骤A采集的实时公交信息数据结果传输到目的网络，数据传输采用无线城域网MESH技术进行多跳传输，多跳传输转发时实现拓扑自适应，动态寻路；
步骤C，目的网络接收到数据后，对数据进行处理与计算，得到公交信息；具体的数据处理和计算步骤包括：
子步骤i，数据处理步骤：在目的网络应用平台上，数据经过底层接收和检查后，交给上层进行相应的数据处理，主要的处理包括数据分析整理、提取关键信息，并将这些信息存储到数据库中，同时对该应用平台进行数据更新保证用户查询结果的准确性，所述关键信息包括公交车行车速度、道路红绿灯情况、车流量、交通实时路况、车辆自身情况；
子步骤ii，多约束因子计算步骤：主要是进行乘车时间的计算，所述多约束因子包括行车速度、乘车地点、目的地、不同换乘地点、道路红绿灯情况、上下班高峰期、道路交通流量、车辆自身情况；计算公式为t＝Tj2-(Ti1+L(N-M)/K+Δt)，t最小即为最佳方案，其中t为非负值，Tj2为乘客第二所乘之车从当前行车位置到转乘站点的时间，Ti1为乘客首次所乘之车从当前行车位置到乘客首次乘车站点的时间，L(N-M)为乘客在首次所乘之车从M站到N站的行程(km)，K为当前该车在行车路线中的行车速度，Δt为多约束因子的权值总和，表示各种路况信息所造成的延迟时间；Δt＝Δt1+Δt2+Δt3+Δt4+...+Δtn，其中Δt 1表示红绿灯延迟因子，Δt2表示乘车时间段车流量因子，Δt3表示该路段道路因子，Δt4表示车辆自身状况因子......，Δt1～Δtn的数值可以通过训练来获得经验值，其中n为自然数；
步骤D，用户通过安装在目的网络终端的查询系统进行公交信息查询，或者将公交信息通过多网络发送至用户方供查询；所述终端查询系统为用户的手机、PDA、家庭电话或联网计算机设备；所述多网络包括移动网络、PSTN网络或者因特网。
2.根据权利要求1所述的基于多网络的公共交通优化出行方法，其特征在于，步骤A所述实时公交信息包括各路公交车辆的行车位置，整条路线的在路车辆情况以及行车路线上的路况信息。
3.根据权利要求1所述的基于多网络的公共交通优化出行方法，其特征在于，步骤B所述的目的网络包括移动网络或因特网。
4.根据权利要求1所述的基于多网络的公共交通优化出行方法，其特征在于，步骤B中进行数据传输时，当数据流量较大时，数据不经AP节点发送，而直接由无线传感器网络的sink节点传送。
5.根据权利要求1所述的基于多网络的公共交通优化出行方法，其特征在于，所述步骤A中进行实时公交信息的采集时，在高峰阶段采用固定周期信息更新方法，而在其他时段采用响应式信息更新和固定周期信息更新相结合的方法。
6.根据权利要求1所述的基于多网络的公共交通优化出行方法，其特征在于，所述步骤D中，用户采用公交信息进行查询出行方案时，当用户输入具体查询条件后，查询系统对出发地址和目的地址进行匹配搜索，找到符合要求的乘车路线，并根据约束公式t＝Tj2-(Ti1+L(N-M)/K+Δt)计算出最佳乘车时间。

基于多网络的公共交通优化出行方法\n技术领域：\n[0001] 本发明涉及一种基于多网络的公共交通优化出行方法，尤其涉及利用多网络对乘客公共交通出行设计优化方案的方法，属于城市交通规划设计技术领域。\n背景技术：\n[0002] 公共交通作为城市交通的一部分，是重要的城市基础设施，是关系国计民生的社会公益性事业，也是与人民群众生产生活息息相关的重要基础设施。改革开放以来，随着我国经济社会水平大幅度提高，城市化进程不断加快，城市范围成倍增长，城市社会经济文化活动空前繁荣，居民出行需求增长，导致城市交通、阻塞、事故和环境污染等问题日益严重。\n公共交通出行的优化问题是缓和城市交通需求和供给之间矛盾的一种有效途径。\n[0003] 现有公交信息网络系统的应用主要是电子站牌、公交调度，公交换乘查询等。服务范围有限，服务力度还不够。要做到全方位、贴合民心、深入民生的智能公交系统，就必须要对乘客的需求进行全面挖掘，开发方便和实用的公交查询系统，克服现有系统对时间和空间的应用限制。\n[0004] 目前公交信息系统应用存在的一些局限主要有：\n[0005] 第一，电子站牌是在公交系统和公交站台之间进行信息传输发布，对于不在公交站点的乘客要了解公交车行车状况或路况信息则比较困难；\n[0006] 第二，如果乘客需要在特定时间乘车，目前还没有很好的优化方案来使其既节约时间又节省路程，用户的选择具有极大被动性，往往需要耗费很多时间在等车时间上。\n[0007] 第三，对于需要多次换乘的乘客，如何让其达到时间和空间的无缝或尽量无缝换乘？这个问题也不容易解决。如果往目的地有多种不同的选择方案，哪个才是最佳方案？有的用户希望等待时间最短，有的用户希望换乘次数最少，目前没有很好的解决办法，乘客多采用经验法和被动等待来处理。\n[0008] 第四，早高峰和晚高峰，交通流量特别大，而中间时刻流量相对小；某些主干道路或特定路段交通流量很大，车行速度会大收到制约；某些路段突发事故......这些路况信息对于正在等车或将要乘车的乘客都是未知的，势必对乘车造成影响。\n发明内容\n[0009] 发明目的：\n[0010] 本发明的所要解决的技术问题是针对背景技术中的缺陷和不足，提供一种基于多网络的公共交通优化出行方法；缓解乘客由于不了解公交车行车情况与路况信息而造成的等车时间过长、错乘公交路线所带来的各种问题，优化城市交通资源的利用。\n[0011] 技术方案：\n[0012] 本发明为实现上述发明目的采用如下技术方案：\n[0013] 一种基于多网络的公共交通优化出行方法，包括如下步骤：\n[0014] 步骤A，采用无线传感器进行实时公交信息的采集，得到实时公交信息数据结果；\n[0015] 步骤B，将步骤A采集的实时公交信息数据结果传输到目的网络，数据传输采用无线城域网MESH技术进行多跳传输，多跳传输转发时实行拓扑自适应，动态寻路；\n[0016] 步骤C，目的网络接收到数据后，对数据进行处理与计算，得到公交信息；\n[0017] 步骤D，用户通过安装在目的网络终端的查询系统进行公交信息查询，或者将公交信息通过多网络发送至用户方供查询；所述终端查询系统为用户的手机、PDA、家庭电话或联网计算机设备；所述多网络包括移动网络、PSTN网络或者因特网。\n[0018] 进一步地，上述基于多网络的公共交通优化出行方法的步骤A所述实时公交信息包括各路公交车辆的行车位置，整条路线的在路车辆情况以及行车路线上的路况信息。\n[0019] 进一步地，上述基于多网络的公共交通优化出行方法的步骤B所述的目的网络包括移动网络或因特网。\n[0020] 进一步地，上述基于多网络的公共交通优化出行方法的步骤B中进行数据传输时，当数据流量较大时，数据不经AP节点发送，而直接由无线传感器网络的sink节点传送。\n[0021] 进一步地，上述基于多网络的公共交通优化出行方法的步骤C所述数据进行处理与计算的步骤包括：\n[0022] 步骤i，数据处理步骤：在目的网络应用平台上，数据经过底层接收和检查后，交给上层进行相应的数据处理，主要的处理包括数据分析整理、提取关键信息如公交车行车速度、道路红绿灯情况、车流量、交通实时路况、车辆自身情况，并将这些信息存储到数据库中，同时对应用系统进行数据更新保证用户查询结果的准确性；\n[0023] 步骤ii，多约束因子计算步骤：主要是进行乘车时间的计算，所述多约束因子包括行车速度、乘车地点、目的地、不同换乘地点、道路红绿灯情况、上下班高峰期、道路交通流量、车辆自身情况；计算公式为t＝Tj2-(Ti1+L(N-M)/K+Δt)，t最小即为最佳方案，其中t为非负值，Tj2为乘客第二所乘之车从当前行车位置到转乘站点的时间，Ti1为乘客首次所乘之车从当前行车位置到乘客首次乘车站点的时间，L(N-M)为乘客在首次所乘之车从M站到N站的行程(km)，K为当前该车在行车路线中的行车速度，Δt为多约束因子的权值总和，表示各种路况信息所造成的延迟时间；Δt＝Δt1+Δt2+Δt3+Δt4+...+Δtn，其中Δt1表示红绿灯延迟因子，Δt2表示乘车时间段车流量因子，Δt3表示该路段道路因子，Δt4表示车辆自身状况因子......，Δt1～Δtn的数值可以通过训练来获得经验值，其中n为自然数。\n[0024] 进一步地，上述基于多网络的公共交通优化出行方法的步骤A中，进行实时公交信息的采集时，在高峰阶段采用固定周期信息更新方法，而在其他时段采用响应式信息更新和固定时间信息更新相结合的方法。\n[0025] 进一步地，上述基于多网络的公共交通优化出行方法的步骤D中，用户采用公交信息进行查询出行方案时，当用户输入具体查询条件后，查询系统对出发地址和目的地址进行匹配搜索，找到符合要求的乘车路线，并根据约束公式t＝Tj2-(Ti1+L(N-M)/K+Δt)计算出最佳乘车时间。\n[0026] 有益效果：\n[0027] 通过基于多网络的公共交通优化出行方法，我们可以解决以下问题：\n[0028] 1)突破电子站牌对乘客查询的限制，乘客可以随时随地通过手机、家庭电话或联网计算机等方式进行实时查询。\n[0029] 2)减少用户乘车盲目性，用户可以根据路况信息和公交车行车信息估计其出行时间，避免站台等待时间过长。即便用户已经在站台等车，也可以通过移动手机查询出其最佳选择方案。\n[0030] 3)可以帮助用户找出时空无缝衔接换乘的最优选择，避免在某个站点等待时间过长而影响整个行程。\n[0031] 4)将实时路况信息考虑到查询系统中，根据早晚高峰车流量特征对行车速度的影响、某些主干路段车流量大行车速度较慢、某些路段发生交通事故破坏交通秩序从而对行车速度造成影响等信息，将查询系统设计为实时动态的结构，既能对公交车辆调度有借鉴意义，也能对用户乘车选择起到很好的指导作用。\n[0032] 5)所提供的优化方案是多约束因子计算的结果，能够符合用户不同需求，解决了现有方法只能在某方面满足用户要求的局限性。而对于用户而言，后台计算是透明的，用户只需要输入查询要求，就能得到最贴合其要求的方案。\n[0033] 基于多网络的公共交通优化出行方法具有很好的扩展性，可以将城市交通中的地铁、出租车等交通工具都涵盖进来，只要在数据采集部分将该部分车辆的信息都采集到，实时传输给多网络系统进行处理，用户就能在各种终端上方便地查询信息。\n[0034] 公交优化出行可以在有限的投资条件下，充分挖掘公交自身的优势，实现公交运能的科学配置，具有提高公交营运效率和增大装载容量、改善公交系统整体服务水平的双层意义。基于多网络的公共交通优化出行方法与系统具有广泛的意义和民生应用价值，对于城市居民出行、交通部门制定公交线网优化方案、城市基础建设都有很大的影响，同时对提升城市形象也具有深远的意义。\n附图说明：\n[0035] 图1是基于多网络的公交优化出行方法的系统结构图。\n[0036] 图2是基于多网络的公交信息查询系统流程图。\n具体实施方案：\n[0037] 下面结合附图对技术方案的实施作进一步的详细描述：\n[0038] 如图1所示，图中给出了本发明的公交优化出行方法的四个层面：数据采集、多网络数据传输、数据处理，公交信息查询，其中用户网络接收平台中，用户网络包括移动网络、PSTN网络和因特网等多种网络。终端查询系统中终端可为用户手机、PDA、家庭电话或联网计算机等设备。\n[0039] 如图2所示，为本发明的多网络的信息查询系统流程图。图中给出了公交信息在用户网络中进行处理和查询、计算的过程。\n[0040] 数据采集可以利用无线传感器网络来进行，无线传感器节点部署在车内及道路上，或者是利用车载GPS来进行公交数据采集，前者价格更低廉，具有更高的性价比和技术可行性。由于现有的公交网络信息系统日臻成熟，本发明直接利用了这些现成的公交网络信息，因此公交车辆行车情况和路况信息的采集和处理都假设为已知。\n[0041] 数据处理主要包括公交网络信息系统中的数据处理和用户网络数据处理。前者由公交网络信息系统完成；后者还应包括数据更新和存储等内容，这些均为本领域普通技术人员的公知过程，可在系统开发中进行详细设计，所以基于以上两点考虑，本方案中没有涉及数据采集和数据处理的内容，我们主要是从多网络数据传输和公交信息查询系统模型来进行阐述。\n[0042] 多网络数据传输是在公交网络和用户网络之间进行信息传输，将实时的公交车行车情况和路况信息传给用户网络，以作后继的处理。\n[0043] 公交信息查询系统模型是将从公交网络中获取的公交信息进行相关处理，对数据库进行实时更新，接受用户的查询需求并在后台进行计算，从而获得最佳乘车路线和最佳乘车时间。\n[0044] 本文的关键方法是进行最佳乘车时间的计算，最佳乘车路线和实时公交信息查询等部分是在系统开发时进行设计的内容，以下将详细介绍多网络数据传输和公交信息查询系统模型中的关键技术。\n[0045] 多网络数据传输方法\n[0046] 基于多网络的公共交通优化出行方法及系统的数据传输网络主要由两方网络构成，公交信息的来源为公交网络，目的网络即用户网络则形式多样，可为移动网络、PSTN网络或Internet等。移动网络、PSTN网络与Internet之间的网络连接技术已经比较成熟，各种业务应用都已全面展开，因此利用手机或家庭电话连接因特网进行公交信息查询和出行方案选择也比较方便。从理论上讲，最终只要实现公交网络与因特网之间的信息传输，就可以完成多网络数据传输。\n[0047] 在这种多网络数据传输结构中，主要的技术难题是多网融合中的各种管理问题。\n要在几种不同网络系统中进行信息交互，就要实现应用层面的统一网络管理方法，进行统一调度管理，主要步骤为：首先网络发现模块对用户网络的数据链路层和网络层进行搜索，建立拓扑服务器的物理拓扑；其次，网络业务发现模块利用选定设备进行公交信息搜索，形成公交信息应用拓扑图；这种统一管理法可以使网络管理员可对多种业务同时进行统一管理，并能够无缝切换和信息交互，在传输网络构建过程中，可以采用循序渐进的方法，初步传输网络可以采取单向信息传输模式，即只要求由公交网络向用户网络进行数据传输，而反向则可以不用，除了少量必要的控制信息。随着该方法的应用，数据量日益庞大，就可能需要进行多网络统一的管理，否则将会因为缺乏反馈信息或信息不对称而使得本发明的应用受到制约。\n[0048] 公交信息查询系统模型\n[0049] 公交信息查询系统模型图例可以参加附图1的右半部分，其功能为接收公交网络信息系统所传输的实时公交信息，进行相关处理，能够对公交信息数据库进行实时更新，保证信息的准确性和实时性。\n[0050] 用户网络接收平台：用户网络主要为移动网络、PSTN网络、Internet等。该平台接收来自公交网络的实时公交信息，检查数据，进行底层的基本处理后递交给上层进行处理。\n[0051] 数据处理与计算：数据处理主要是对接收到的数据进行分析整理，分类存储，并对数据进行实时更新。数据计算主要是进行乘车时间的计算，由于本系统所提供的查询方案是多约束因子计算的结果，我们将行车速度、乘车地点、目的地、不同换乘地点、道路红绿灯情况、上下班高峰期、道路交通流量、车辆自身情况等多个权重因子综合考虑进去。下面给出乘车时间计算过程。\n[0052] 为了简化计算，我们假设目前的换乘方案确定，并且仅需要换乘一次。实际应用中可以在此基础上进行扩充。\n[0053] 假设：乘客的换乘方案为首先在M站点乘坐A路车到N站点，然后再在N站点转乘B路车到其目的地D。从M到N的行车距离为L(N-M)。在其乘车路线单方向上，A路公交车目前总共有8辆车在其行车路线中，我们用A1-A8来表示，其行车速度为K；B路公交车目前总共有6辆车在其行车路线中，我们用B1-B6来表示(因为我们仅关心乘客的初始乘车时间，对最后一次转乘的车辆行车速度可暂不考虑)。\n[0054] 用Δt来表示各种路况信息所造成的延迟时间，Δt1表示红绿灯延迟因子，Δt2表示乘车时间段车流量因子，Δt3表示该路段道路因子，Δt4表示车辆自身状况因子，…，Δt1～Δtn的数值可以通过训练来获得经验值。Δt＝Δt1+Δt2+Δt3+Δt4+…+Δtn。\n如果考虑更多约束因子，只要在多约束因子权值总和中增加Δtn即可，其中n为自然数；\n[0055] Ai从目前行车位置到M站点的时间为Ti1，i＝1...8，该值由Ai目前位置到M站点之间距离和Ai车速相除获得；同理，Bj从目前行车位置到N站点的时间为Tj2，j＝\n1...6。\n[0056] 根据上面假设，可以推出Ai从M站到N站的时间为：T2＝L(N-M)/K+Δt。\n[0057] 则从现在起到换乘点N站共需要Ti1+T2时间；\n[0058] t＝Tj2-(Ti1+T2)，当i和j取不同值时，mint即为最佳方案，注意这里t必须为非负值。此时可以根据Ti1的值来估计乘客的乘车时间，乘客可以合理安排这段时间内的行动。\n[0059] 在上面的计算过程中，我们是在转乘方案确定时关注乘客的最佳乘车时间，实际情况可能更复杂，比如转乘趟数更多，或者是有更多出行路线可以选择，这时要选择更加优化的乘车方案就要更深入考虑用户的需求，并在乘车时间和转乘路线之间进行权衡。比如有的乘客可以自由选择乘车时间，可以选择最短乘车时间方案；有的乘客已经在站点，可以选择最少转乘方案或是以增加转乘次数来减少等车时间等，这些需求都可以在查询中进行设置。\n[0060] 在实际应用中，还可以对所设计的模型进行优化设计，将权重因子变为更细粒度的对象，从而使得查询系统能够符合用户多方面需求。\n[0061] 公交信息查询：公交信息查询是具有良好用户接口的前台界面模块，用户可以在多种终端上进行相关信息的查询，查询条件是多约束因子，可以依照用户的需求进行查询并给出符合用户要求的乘车方案，查询条件的设置可以重复进行，参见附图2。\n[0062] 该查询系统主要是为乘客出行提供公交汽车的乘车方案，它也可以为私家车出行提供便捷服务，对于其选择出行道路和出行时间有着重要的指导意义，进一步扩大的系统服务范围。另外，该系统除了可以查询公交车辆行车情况及路况信息，方便用户乘坐公交汽车外，也很容易扩展为整个城市公共交通优化出行系统，将地铁、出租车等信息都涵盖到查询系统中，从而给用户提供更为便捷和全面的服务。