基于浮动车数据的公交到站时间预测方法

暂无

基于浮动车数据的公交到站时间预测方法
技术领域
[0001] 本发明属于智能交通系统技术领域。
[0002] 背景技术
[0003] 随着国内智能交通系统研究的不断深入，安装有GPS设备的公交车在越来越多
城市中实现，这些配置了GPS设备的车辆能提供公交车辆的所有运行记录，包括车辆位
置、行程速度、开关门状态、进出站状态，甚至是上下客的信息。 然后，由于公交的行
程时间受道路交通流、交叉口信号控制、上下客流的影响，站与站之间的行程时间是一
个难以预测的不定值。
[0004] 以往的方法有静态预测和动态预测两种模式。 静态预测是通过公交车辆行程时
间与站间长度及交叉口数目的回归分析法来估计公交行程时间，从而根据公交发车时间
推算各站的公交到站时间。 动态预测根据公交车辆的实时GPS数据通过多项式拟和的方
法来估计路段的交通状态，从而来预测公交的行程时间，并根据GPS确定车辆的位置，
推算公交车辆的到站时间。 静态的方法很难适应复杂多变的道路交通状态，动态方法的
缺陷是仅利用公交车辆的GPS的位置和速度信息来推算公交车辆行程时间及到站时间，
并未根据公交车辆的到站情况实时调整车辆到下游车站的到站时间，预测的精度受GPS
精度和发送间隔的影响很大，可能会导致预测的到站时间来回波动。
[0005] 发明内容
[0006] 为了进一步提高公交到站时间的预测精度，本发明从已有的公交GPS数据出
发，充分利用了公交车GPS设备的进站、开门等辅助信息，采用空间分隔法对公交线路
进行分区，根据公交车辆的实际到站时间统计分区到前方各站的历史到站时间，使公交
到站时间能随着历史数据的积累不断的进行自适应更新。 同时在有条件的情况下可以借
助出租车的GPS信息计算的路段交通状态或其他系统计算的路段交通状态，来共同推算
公交车辆的到站时间，提高估算的准确度。
[0007] 本发明解决其技术问题所采用的技术方案是：
[0008] 基于公交车GPS数据的公交到站时间预测方法，包括以下步骤：
[0009] (a)利用公交GPS数据，采用空间分隔法对公交线路进行分区，并根据公交GPS
数据经过地图匹配转换实时计算公交车辆在某一时刻所在的分区，从而获得该车前设定
时间内所有由GPS数据确定的所在分区到本分区的行程时间；
[0010] (b)根据实时的公交GPS数据中的辅助信息获取公交车辆的实际到站时间，统计
根据该车之前所有返回数据计算的所在分区运行到本站台的历史到站时间，使分区到站
台的预测到站时间能随着历史数据的积累不断的进行自适应更新，并进行历史数据检索
和维护；
[0011] (c)每当有新公交GPS数据返回时，根据该车所在的分区从历史库中读取该车
到前方各站的历史到站时间作为预测到站时间，或获得该分区到前方各站的路段行程时
间，用历史时间与各路段行程时间之和两项时间加权平均值作为预测到站时间。
[0012] 如上所述的方法，其中还包括步骤(d)，同时借助其它浮动车的GPS信息或其他
道路交通状态估计系统估算的路段交通状态来计算的路段平均行程时间，来共同推算公
交车辆的到站时间，提高预测的准确度。
[0013] 如上所述的方法，其中步骤(a)中所述的公交GPS数据包括：车辆编号、线路
编号、线路走向、采集时刻、车辆速度、车辆方向、车辆里程、开/关门状态、进/出
站、上客人数。
[0014] 如上所述的方法，其中步骤(a)中采用空间分隔法对公交线路进行分区，并根据
公交车辆发送的GPS轨迹信息不断累积分区间的行程时间和分区到站台的行程时间。
[0015] 如上所述的方法，其中步骤(b)中利用公交GPS设备返回的进站、开门信息确
定公交车辆的实际到站时间，并根据该时间实时计算并更新前方各分区到该站的行程时
间。
[0016] 如上所述的方法，其中步骤(c)采用触发模式以公交车辆发送的每一条GPS数
据为触发点触发预测获得预测到站时间。
[0017] 如上所述的方法，其中步骤(b)中采用考虑日期、时间、天气、事故因素，结
合线路编号，分区编号以及站台号生成BAT码进行历史数据检索和维护。
[0018] 如上所述的方法，特征是：步骤(d)中结合道路交通状态，将历史行程时间和
根据路网交通状态计算的行程时间做加权平均，计算最后输出的预测到站时间。
[0019] 如上所述的方法，其中还包括步骤(e)采用基于车辆和/或基于站台的发布策略
发布预测到站时间。
[0020] 实现本发明方法的系统可采用现有技术中的装置实现如下：
[0021] 每辆公交车上均安装公交GPS数据接收机，车辆行驶时，按照设定时间将采集
的GPS数据以无线网络传输的模式传输动态数据到数据采集和映射终端，结合静态数据
管理和维护终端以及公交到站时间预测和历史数据更新终端，将采集处理过的数据保存
在数据库服务器，通过空间分隔法和触发式计算技术实时计算公交预测到站时间，将结
果通过web service技术或数据库共享传输给信 息发布服务器。该服务器可以借助公交电
子站牌和车内信息显示装置发布预测公交到站信息。
[0022] 此外，还可以利用历史数据更新终端进行历史数据检索和维护。
[0023] 上述过程中，还可以通过路网交通状态估计和预测系统(如采集浮动车GPS数
据进行路网交通状态估计和预测计算的系统)优化公交车的预测到站时间。
[0024] 本发明方法主要涉及几个重要环节：
[0025] (1)基础数据的准备，包括电子地图的坐标匹配和修正，公交线路的方向性处
理，公交线路的分区以及分区到站时间的初始化。
[0026] 地图坐标的匹配和修正是指用于计算的电子地图坐标系与GPS坐标系可能不
同，需要进行实地测试或采用其他方式将两坐标系进行转换，必要时对电子地图进行修
正。
[0027] 公交线路方向性处理是指根据公交线路的上下行走向将其经过的路段按序排
列，并实测或通过电子地图计算每个路段到起始站点的距离。
[0028] 空间分隔法就是根据一定的长度将公交线路分为多个分区，分区长度以GPS设
备的定位精度的两倍为宜，一般可为30～50米。 公交车站为独立分区，分区长度可根
据实测站台长度确定。
[0029] 分区到站时间的初始化是指根据不同时段的实测数据估算各分区中心点到前方
各站台中心点的初始行程时间。
[0030] (2)公交GPS信息采集和预处理
[0031] 动态采集的公交GPS信息保存在数据库中，保存的信息包括车辆编号、线路编
号、线路走向、采集时刻、车辆速度、车辆方向、车辆里程、开/关门状态、进/出站、
上客人数等。
[0032] 结合电子地图，采用基于GIS的地图匹配技术，利用GPS数据中的车辆ID编
号、采集时刻、车辆速度、方向、经纬度坐标来确定车辆在所处的路段位置，并根据该
位置计算该车所在的线路分区。
[0033] (3)公交到站时间预测
[0034] A、根据车辆所在分区从历史库中读取该分区到前方各站的历史行程时间，刷新
前方车站到站时间，将该车辆到达前方各站的预测时间存在中间表中，中间表数据结构
为：车辆编号，记录时刻，线路编号，线路站序，车站编号，预计到达时间。
[0035] B、如果车辆发出进站语音提示，则在中间表中记录车辆即将到达；
[0036] C、如果车辆发出进站开门，则以该时间作为该车辆到达该站的到站时刻，根据
中间表的记录更新所有分区到该站的实际到站时间，并将统计值保存在公交到站历史库
中。
[0037] D、历史数据的读取、维护和更新。 影响历史数据的因素为日期、时间、路段
事故状态、天气等因素。 将这些因素结合线路编号、车站编号以及分区加以编码，称为
BAT码，以保存和方便检索历史数据。 历史数据的保存格式为，BAT码，历史到站时
间，历史到站时间均值，方差，最大值，最小值，统计历史序列。
[0038] E、任意时刻的公交到站时间预测。 公交车GPS的信息发送间隔一般为20秒到
60秒，在其发送间隔中若有某站到站时间预测的请求，则结合历史到站时间及当前的路
段的交通状态来推算公交车辆的行驶里程，从而根据推算的分区来计算历史到站时间。
[0039] 本发明的有益效果是公交到站时间预测的平均误差小，所采用的方法简单易
行，系统运行条件容易满足，易于在全国中大型城市中推广应用。
[0040] 下面结合附图和实施例对本发明进一步说明。
附图说明
[0041] 图1是本发明的系统结构图。
[0042] 图2是公交线路分区示意图。
[0043] 图3是公交GPS数据的处理流程。
[0044] 图4是历史数据的读取和更新流程。
[0045] 图5是公交到站预测时间发布策略。
[0046] 图6是本发明的系统物理结构。
具体实施方式
[0047] 本方法是一个当前现状结合历史数据动态进行公交到站时间预测的方法，其历
史数据的积累需要相当长的时间，而且随着历史数据的积累，预测的结果越准确。 该方
法还有一个重要前提是公交线路静态数据的采集、整理和维护，采集的数据越精确，估
计结果越好。
[0048] 如图1所示，系统由静态数据管理和维护模块，动态数据采集模块，动态数据
处理模块，公交到站时间预测模块，历史数据更新模块，公交到站时间发布模块，数据
存储模块组成。 这些软件模块都是独立的，可以根据实际情况安装在一台机器上，也可
以安装在多台机器上，物理结构如图6所示。
[0049] 现结合图3说明公交GPS数据的处理流程。 主要说明日常维护流程和核心流
程，包括公交GPS数据的处理和历史行程时间更新流程。 日常维护包括静态数据的维护
和动态数据的接收和预处理。
[0050] 1、静态数据维护
[0051] 静态数据是指公交线路的路段组成、站点位置等长期变化不大的数据。 这 些数
据在初始化的时候需要花比较大的功夫，必要时需要进行交通调查。 需要维护的静态数
据有：
[0052] (1)公交车辆GPS设备信息表
[0053] 其数据结构为：
[0054]
编号 字段名 字段类型 字段长度 说明
1 BusID Varchar 10 车辆编号(唯一)
2 RouteID Varchar 4 所属公交线路
3 DeviceID Varchar 10 GPS设备编号
4 Company varchar 50 所属于公司
5 CarType varchar 10 车辆类型
6 ExpireDate datetime 8 到期时间
[0055] (2)公交线路静态信息
[0056]

) )
线 行
支 下
： ：
’ ’
1 1
’ ’
； ；
线 行
主 上
： ：
’0 ’0 )
’ ’ 米
( ( 号 号 (
号 称 型 向 编 编 目 长
编 名 类 走 站 站 数 总
明 路 路 路 路 始 点 点 路
说 线 线 线 线 起 终 站 线

度
长
段字 5 02 1 1 01 01 4 9
型类段字 rahcrav rahcrav rahC rahc rahcrav rahcrav tnI lamiced
名段 DIetuo emaNetuo epyTetuo noitceri DIpotStsri DIpotStsa srebmuNpot htgneLlato字 R R R D F L S T

号
编 1 2 3 4 5 6 7 8
[0057] (3)公交线路站点布设关系
[0058]
编号 字段名 字段类型 字段长度 说明
1 RouteID varchar 5 线路编号
2 BusStopID varchar 10 站点编号
3 StopOrder Int 4 线路站点序号
4 Distance decimal 9 站点距离始发站距离
[0059] (4)公交线路路段组成
[0060]
编号 字段名 字段类型 字段长度 说明
1 RouteID Varchar 10 线路编号
2 DDLinkID Varchar 10 路段编号
3 LinkOrder Int 4 段序
4 LinkLength Decimal 6.2 路段长度
5 AccLength Decimal 8.2 累计长度
[0061] (5)公交线路分区
[0062]
编号 字段名 字段类型 字段长度 说明
1 RouteID Varchar 10 线路编号
2 SectionID Varchar 10 线路分区编号
3 Distance Decimal 6.2 距分区距始发站距离
4 StopOrder Int 4 站序
[0063] 2、 动态数据接收和预处理
[0064] 动态数据是指公交车的GPS信息。 动态数据一般从公交公司的信息中心获得，
也可能直接通过internet接收车辆上发送的实时信息。动态数据采集模块主要功能是接收
来自不同信息源的公交车动态GPS信息，保存到数据库中。
[0065] 动态数据的预处理是指将出租的GPS的经纬度坐标定位的物理位置映射成公交
线路上的分区随后的计算。 映射方式是通过经纬度坐标、车辆方向、速度、公交线路的
路段组成等值确定车辆所在的线路分区，并将GPS数据中附带的公交车的状态字解析成
独立的状态，如开/关门、进/出站等。 预处理的结果可以与采集到的信息保存在同一
张表中，数据保存格式为：
[0066]
编号 字段名 字段类型 字段长度 说明
1 DeviceID varChar 10 公交车辆设备编号
2 SendTime Datetime 8 位置信息发送时间
3 RecordTime Datetime 8 轨迹记录时间
4 RouteID varChar 5 公交线路编号
[0067]
5 SectionID varChar 4 线路分区编号
6 Speed Decimal 9 行车速度
7 Mileage Decmal 9 累计里程
8 Firststop Char 1 首站：对应状态字节D13；
9 Direction Char 1 上/下行：对应状态字节D12；
10 Opendoor Char 1 开门：对应状态字节D11；
11 INSTOP Char 1 进站：对应状态字节D10；
12 Inoperation Char 1 运营/非运营：对应状态字节D9
13 Posvalid Char 1 定位是否有效：对应状态字节 D15；
14 Commandty pe Char 1 消息类型：’0’为定时定距消息，1；‘1’为进站站消息；‘2’为终点站信息；
15 Longitude Decimal 20.10 经度坐标
16 Latitude Decimal 20.10 纬度坐标
[0068] 3、公交到站时间预测
[0069] (1)线路分区
[0070] 公交车具有定线的特性，即每次走过的路线都是一样的。 而公交车GPS数据发
送的时间相对来说是不确定的，因此采用定距方式将连续的公交走线离散化，按固定长
度把公交线路划分成若干个分区，则公交车辆发送数据时，必然会落在其中的某一个分
区内。 当车辆行进时，每次发送的GPS数据都会记录着公交车辆所在的分区及到达时
刻，由此可以计算相邻两个时间点所经过的分区之间的行程时间。 随着系统的运行和数
据的积累，即可得获得任意分区之间的行程时间，再根据车站所在的分区可以推算出当
前公交到达前方车站的行程时间。 公交线路分段示意图如图2所示。 设T1到T3时间
段中公交车辆共返回了3条数据，T1时刻车辆所在分区编号为001，T2时刻车辆所在分
区编号为004，T3时刻车辆所在分区编号为006，则有分区001到站台2的历史行程时间
T(001，2)＝T31＝T3-T1，则有分区004到站台2的历史行程时间T(004，2)＝T32 ＝
T3-T2。同理还得区段之间的行程时间T(001，004)＝T2-T1，T(001，006)＝T3-T1，
T(004，006)＝T3-T2。
[0071] (2)公交数据处理
[0072] 公交数据处理可通过触发式和轮询式两种模式。 触发式启动指处理任务由公交
车辆的GPS信息启动，每收到一条GPS信息启动一次公交数据处理流程。轮询式也可称
为定时式，当到达设定时间时启动公交数据处理任务，一次性处理在轮询时间间隔内收
到公交GPS数据。 由于轮询式启动的实时性效果没有触发式好，推荐用触发式启动公交
数据处理任务。 数据处理流程如图3和图4所示。 该流程主要涉及历史数据的读取和更
新。
[0073] 历史数据主要考虑的因素有：
[0074] 日期类型：分为工作日，节假日；
[0075] 星期几：周一至周日；
[0076] 时间：分为高峰，平峰，深夜三个时段，若需细分，可将1日按小时分为24个
时段甚至更细；
[0077] 气候：分为正常、较差、恶劣三个等级；
[0078] 事故：分有/无事故。
[0079] 日期和时间可以根据估计时段的时间获得，气候信息从其他系统中获取或定时
人工录入。
[0080] 将线路编号、起止分区编号结合历史影响因素进行编码，称之为BAT码，可方
便历史数据的检索。 BAT码的编码格式为：
[0081]
线路编号 起始分区编号 终止分区编号 日期类型 星期几 时段 气候 事故
5位 3位 3位 1位 1位 2位 1位 1位
[0082] 根据BAT码读取的历史行程时间，结合道路的运行状态(如果能从其他系统获
取)，可采用加权平均算法将该车辆到前方到站的时间计算出来，存在中间表中。中间表
的数据格式为：
[0083]
编号 字段名 字段类型 字段长度 说明
1 PredictTime Datetime 8 预测时刻
2 RouteID Varchar 5 公交线路编号
3 Stoporder Int 4 公交站序号
4 StopID varChar 5 公交站编号
5 DeviceID varChar 10 公交车辆设备编号
6 PAT INT 4 预计到站时间(秒)
[0084] (3)历史数据更新
[0085] 在GPS数据预处理中，已经将车辆的位置定位到某个线路的分区，由此也可判
别该车辆是否处于车站范围或在行驶徒中。 当车辆进站开门时，GPS的附属标志会置进
站和开门状态为1，由此可判别车辆进站的准确时间。 当判断到车辆为进站状态时，启
动公交车辆历史到站时间更新处理模块刷新之前车辆所经过的分区到该站的历史到站时
间。 历史数据根据BAT编码进行检索和更新。
[0086] 一般来说，距当前时间越近的历史数据与当前实际情况越接近。 因此历史数据
的更新采用二分平均法计算。 假设路段L已经有N次的历史数据，第i次的估计行程时
间为T1，本次周期计算的估计行程时间为T0，则最后更新的历史行程时间T为：
[0087]
[0088] 历史数据表还需记录最近一个月的所有估计值，并计算其均值及方差用于历史
数据的分析。
[0089] (4)公交到站预测时间的发布
[0090] 公交到站时间的发布有两种策略，一是基于车辆的发布，即将某车预计到达前
方各站的时间进行发布，一般发布在公交车上供乘客参考。 二是基于站台的发布，即将
某站台上游所有车辆的预计到站时间进行发布，一般是发布在公交站台上，供候车人参
考。
[0091] 公交到站时间的发布也可分为触发式和轮询式。 由于公交车辆GPS数据的发送
间隔不稳定，不提倡采用触发式发布，一般为由信息发布终端采用定时轮询方式提出请
求，获得公交预计到站时间。 基于车辆的发布策略中，输出的是一辆车预计到达前方所
有站的到站时间，该车到前方站台i的预计到达时间Tp算法如图5-①所示。 基于站台
的发布策略中，输出的是将要到达某站台的所有公交车辆的预计到站时间，车辆i到该站
的预计到达时间Tp算法如图5-②所示。
[0092] 公交到站预测时间可以以直接访问数据库的形式发布，也可以以网络服务的方
式对外部系统提供透明访问接口。
[0093] (5)系统实施效果
[0094] 系统采用并行算法实现。采用基于网格技术的分布式计算平台实施。 在网格环
境中的计算性能测试结果如表1：
[0095]
[0096] 本方法于2007年7月7日在55路做过一次实地调查，调查人随机乘坐一辆55
路公交车从南京东路外滩坐到五角场，在车上记录了该车到达每站的实际到站时间，与
系统计算的结果比较如表2：
[0097] 表2公交到站时间随机抽查误差分析
[0098]
55路下行 站点 进站时间 预测到站时间 偏差(秒)
南京东路外滩 12:55:19 12:57:55 84
吴淞路 12:59:19 无数据
海宁路 13:02:52 13:01:49 63
溧阳路 13:04:31 13:03:42 49
临平北路 13:07:40 13:07:24 16
邮电新村 13:10:04 13:10:47 43
大连路 13:11:21 13:12:50 89
巴士一汽 13:13:53 13:14:15 22
同济大学 13:17:51 无数据
国权路 13:22:35 13:23:48 73
平均 54.875
[0099] 本发明的有益效果是经过穿越上海市杨浦区及黄浦区路网的55路公交实地检
验，公交到站时间预测的平均误差小于60秒，在候车等待时间的可忍受范围之内。该结
论表明本发明中采用的方法和技术简单易行，运行条件容易满足，易于在全国中大型城
市中推广应用，面向乘客和候车者提供实时的公交车辆到站时间预测，从而提高公交系
统的服务水平和社会效益。