一種快速公交?？空镜难诱`時間組合預測方法
【專利摘要】本發(fā)明提供一種快速公交停靠站的延誤時間組合預測方法，應用于有公交專用道的快速公交BRT系統(tǒng)，通過交通信息采集設備采集BRT車輛和同路段社會車輛必要的交通流信息，將信息整合成一個時間序列，對數(shù)據(jù)序列先進行線性自回歸預測，再將得到的初始殘差用經(jīng)遺傳算法優(yōu)化參數(shù)后的支持向量機方法進行非線性回歸法預測，疊加得到最終的BRT車輛停站延誤。本發(fā)明在快速公交模式的前提下，充分利用BRT系統(tǒng)的先進的交通信息采集技術，緊密結合復雜交通系統(tǒng)的實時運行參數(shù)，運用先進的數(shù)據(jù)處理手段，對BRT車輛的停站延誤進行準確預測，為其時間層面的優(yōu)先提供依據(jù)，從而提高快速公交系統(tǒng)的整體運行效率。
【專利說明】一種快速公交?？空镜难诱`時間組合預測方法
【技術領域】
[0001] 本發(fā)明屬于公交?？空緯r間預測【技術領域】，用于快速公交BRT系統(tǒng)，具體涉及一種快速公交?？空狙诱`時間的組合型數(shù)值預測方法。
【背景技術】
[0002]城市公共交通在緩解由城市巨大的交通需求引發(fā)的交通擁堵、交通安全以及交通污染方面有著積極的意義。然而，現(xiàn)狀下我國的城市交通體系不夠完善，技術水平相對落后，服務質(zhì)量相對低下，公共交通在與眾多交通方式的競爭中處于不利地位，通過先進的軟硬件技術手段，提升公交的運行效率和服務水平是以公交優(yōu)先帶動城市交通問題解決的必然之舉。
[0003]大多數(shù)國外的快速公交系統(tǒng)與ITS技術緊密結合，能夠?qū)崟r較為準確的提供BRT車輛行駛的相關信息，尤其是BRT車輛的到站時刻給乘客，這迅速的提升了公共交通在城市交通中的地位，提升了公交出行的比例，但國內(nèi)的大多數(shù)快速公交系統(tǒng)雖然擁有相對先進的用于交通信息采集的硬件設備，卻缺乏較好的技術手段去利用豐富的交通信息資源對公交車的行駛時間，尤其是公交車的站點延誤進行預測。這顯然難以給科學的公交優(yōu)先策略提供有力支撐，更無法體現(xiàn)快速公交在改善城市交通現(xiàn)狀中的優(yōu)越性，對整個城市交通系統(tǒng)運行效率存在不利影響。

【發(fā)明內(nèi)容】

[0004]本發(fā)明要解決的問題是:我國的大多數(shù)快速公交系統(tǒng)信息化智能化程度較低，不能運用先進的數(shù)據(jù)處理技術利用好大量的智能硬件設施采集到的交通信息數(shù)據(jù)來預測快速公交在站臺的延誤，降低了快速公交系統(tǒng)控制與管理的科學性、整體性和實際運行效率。
[0005]本發(fā)明的技術方案為:一種快速公交?？空镜难诱`時間組合預測方法，應用于快速公交BRT系統(tǒng)，通過交通信息采集設備采集相關數(shù)據(jù)，運用線性模型和非線性模型相組合的方法，對BRT車輛的站臺延誤進行預測，包括如下步驟:
[0006]1)采集BRT公交站臺所在路段的公交車輛、社會車輛和乘客的相關信息:
[0007]BRT公交車輛的相關信息包括:公交車進站延誤時間Velayi ；當下所檢測的BRT公交車與上一輛BRT公交車的時間距離t—%，其中i表示第i輛檢測到的BRT公交車；
[0008]社會車輛相關信息包括:檢測到第i輛BRT公交車時，停車處所在路段上的社會車輛數(shù)ntraffic,以及距離停車處最近的下游交叉口進口道處的排隊長度Itaaff'，其中i表示這時檢測到第i輛BRT公交車；
[0009]乘客相關信息:檢測到第i輛BRT公交車時，造成此延誤的上車乘客數(shù)Iiini和下車乘客數(shù)nout，其中i表示這時檢測到第i輛BRT公交車。
[0010]2)將步驟I)中采集到的BRT公交車延誤數(shù)據(jù)tdelayi (i=l, 2，3…N)按照采集到的時間順序組成一個時間序列，建立自回歸移動平均模型(ARIMA)進行停站延誤的初始預測模型:[0011]φ （B）▽ tVelayi = θ(B)εi[0012](I)
[0013]式中，Vd= (1-B)d; ^為零均值白噪聲序列;
[0014]d為非負整數(shù)，對應于普通差分階數(shù)；
[0015]Φ (B) = 1-(J)1B-----ΦρΒd;
[0016]Θ⑶=1- Θ ^——Θ p。p，q均為模型參數(shù)。
[0017]3)根據(jù)步驟2)中所預測到的結果儼' (i=l, 2，3...N)，將Velayi與作差，得到第一次預測的誤差Atdelayi,將其所為下一步預測的輸入向量的主變量，將步驟I)采集到的當下所檢測的BRT公交車與上一輛BRT公交車的時間距離theadw'，檢測到第i輛BRT公交車時，停車處所在路段上的社會車輛數(shù)Iiteffici，距離停車處最近的下游交叉口進口道處的排隊長度Itaffici和乘客此時上下課的人數(shù)η'、η°'作為下一預測輸入向量的屬性變量。
[0018]4)根據(jù)步驟 3)構造的輸入向量序列 Xi = ( Λ tdelayi； theadwayi； Htraffici, Itraffici, Iiini,
H0uti)，
[0019]將向量序列帶入支持向量回歸機模型中進行殘差序列的預測，模型可通過下式子求解:
【權利要求】
1.一種快速公交停靠站的延誤時間組合預測方法，其特征是，應用于快速公交BRT系統(tǒng)，通過交通信息采集設備采集相關數(shù)據(jù)，運用線性模型和非線性模型相組合的方法，對BRT車輛的站臺延誤進行預測，包括如下步驟: 1)采集BRT公交站臺所在路段的公交車輛、社會車輛和乘客的相關信息: BRT公交車輛的相關信息包括:公交車進站延誤時間tdelayi，當下所檢測的BRT公交車與上一輛BRT公交車的時間距離t—%，其中i表示第i輛檢測到的BRT公交車； 社會車輛相關信息包括:檢測到第i輛BRT公交車時，停車處所在路段上的社會車輛數(shù)Htraffici,以及距離停車處最近的下游交叉口進口道處的排隊長度Itaff'，其中i表示這時檢測到第i輛BRT公交車； 乘客相關信息:檢測到第i輛BRT公交車時，造成此延誤的上車乘客數(shù)n'和下車乘客數(shù)η°'，其中i表示這時檢測到第i輛BRT公交車； 2)將步驟I)中采集到的BRT公交車延誤數(shù)據(jù)Celayi(i=l, 2，3…N)按照采集到的時間順序組成一個時間序列，建立自回歸移動平均模型(ARIMA)進行停站延誤的初始預測模型:
Φ (B)▽ tVelayi = θ(B) ε i
(1) 式中，Vd= (1-B)d; εi為零均值白噪聲序列； d為非負整數(shù)，對應于普通差分階數(shù)； Φ (B)=H1B-...-ΦΡΒΡ; θ(B)=1- θB-...-θqBq ；p, q均為模型參數(shù)； 3)根據(jù)步驟2)中所預測到的結果儼'(i=l, 2，3...N)，將tdelayi與tpreAi作差，得到第一次預測的誤差Δtdelayi,將其所為下一步預測的輸入向量的主變量，將步驟I)采集到的當下所檢測的BRT公交車與上一輛BRT公交車的時間距離Peadwayi，檢測到第i輛BRT公交車時，停車處所在路段上的社會車輛數(shù)Iitaffici,距離停車處最近的下游交叉口進口道處的排隊長度Itaaffici和乘客此時上下課的人數(shù)n'、n°'作為下一預測輸入向量的屬性變量；
4)根據(jù)步驟3)構造的輸入向量序列 Xi = (Atdelayi, ^eadwayi,Htraffici, Itraffici,Hini,Houti)，
將向量序列帶入支持向量回歸機模型中進行殘差序列的預測，模型可通過下式求解:
2.根據(jù)權利要求1所述的快速公交?？空镜难诱`時間組合預測方法，其特征是步驟1)，在公交站臺BRT車輛停車處布置檢測器，測得第i輛公交車?？康臅r間Velayi和到達的時刻ti;與之間車輛到達的時間V1作差，得到當下所檢測的BRT公交車與上一輛BRT公交車的時間距離Peadwayi，在公交站臺所在的道路路段和交叉口進口道上布置檢測器，可檢測到路段上的社會車輛數(shù)Iitaffici和距離停車處最近的下游交叉口進口道處的排隊長度Itaffici，通過人工采集的方法，可以得到上下客人數(shù)η'、η°'。
3.根據(jù)權利要求1所述的快速公交?？空镜难诱`時間組合預測方法，其特征是步驟2)包括如下步驟: 2.1)觀察數(shù)據(jù)序列散點圖，判斷數(shù)據(jù)序列是否平穩(wěn)，若不平穩(wěn)，執(zhí)行步驟23)； 2.2)調(diào)整差分的階數(shù)d，直至數(shù)據(jù)序列平穩(wěn)； 2.3)觀察數(shù)據(jù)序列的自相關函數(shù)和偏相關函數(shù)圖，確定參數(shù)p，q的范圍； 2.4)確定初始參數(shù)p，q的值，用SPSS軟件計算出相應的Akaike信息統(tǒng)計量，若信息統(tǒng)計量值最大，則執(zhí)行步驟26)，否則，執(zhí)行步驟25)； 2.5)調(diào)整p，q的值(p，q均為整數(shù))，重復步驟24)； 2.6)輸出初始預測序列f'。
4.根據(jù)權利要求1所述的快速公交停靠站的延誤時間組合預測方法，其特征是步驟4)，具體為: 4.1)判定輸入向量維數(shù)是否高于限值，若高于則進行步驟42)； 4.2)運行matlab軟件的SVM工具箱，對輸入向量進行降維和歸一化操作； 4.3)求解式(2)和式子(3)確定的規(guī)劃問題，得出拉格朗日待定系數(shù)^和《 4.4)選擇合適的核函數(shù)，構造回歸函數(shù)。
5.根據(jù)權利要求4所述的快速公交?？空镜难诱`時間組合預測方法，其特征是步驟41)中的限值為10。
6.根據(jù)權利要求1所述的快速公交停靠站的延誤時間組合預測方法，其特征是步驟5)，具體為: .5.1)確定遺傳算法的具體優(yōu)化參數(shù):懲罰因子C、不敏感損失系數(shù)ε以及核函數(shù)參數(shù)r; .5.2)設置進化代數(shù)計數(shù)器t = 0，設置最大進化代數(shù)T，隨機生成M個優(yōu)化參數(shù)個體作為初始群體P (O)； .5.3)確定適應度函數(shù)，即支持向量機模型預測結果的均方誤差的相反數(shù)
【文檔編號】G08G1/00GK103903429SQ201410115174
【公開日】2014年7月2日 申請日期:2014年3月26日 優(yōu)先權日:2014年3月26日
【發(fā)明者】丁劍, 楊敏, 王煒, 曹屹, 王碩 申請人:東南大學, 南京全司達交通科技有限公司