本發(fā)明涉及公共交通信息處理
技術(shù)領(lǐng)域：
，具體地說是一種基于GPS數(shù)據(jù)的公交準(zhǔn)點預(yù)測方法。
背景技術(shù)：
：城市公共交通系統(tǒng)是一個人、車、路、信息與規(guī)則動態(tài)交互作用的復(fù)雜系統(tǒng)，是城市的生命線，承載著城市的日常運行，因此，一個穩(wěn)定、高效的道路交通系統(tǒng)對城市至關(guān)重要。暢通、可靠的城市交通運行狀態(tài)不僅是出行者實現(xiàn)出行目的的基礎(chǔ)，也是城市交通管理者的目標(biāo)。但是城市交通系統(tǒng)在運行時,常常受到惡劣天氣、交通時間、交通事故等隨機(jī)因素的干擾，增加出行者出行過程中的不確定性，降低了道路設(shè)施的通行能力，進(jìn)而使得出行者的目的無法實現(xiàn)，并使城市交通系統(tǒng)整體的運行狀態(tài)失控。服務(wù)可靠性是乘客判斷城市公共交通服務(wù)質(zhì)量普遍關(guān)心的指標(biāo),準(zhǔn)點率又是目前國內(nèi)最常用最直觀的服務(wù)可靠性指標(biāo)。準(zhǔn)點率越高公共交通發(fā)展水平越高,對人們的吸引力越大,其發(fā)展水平越高,因此研究城市公共交通的準(zhǔn)時性,提高公共交通的準(zhǔn)點率,不但對行人出行提供安全、準(zhǔn)點、方便、快捷、舒適的服務(wù)有著重要的意義,對于運營組織經(jīng)濟(jì)效益的提高,運營成本的降低還有對于城市資源優(yōu)化配置及其城市的發(fā)展都有著不可忽視的意義。對于公交準(zhǔn)點的研究我國起步較晚，但也積累了一些理論成果。學(xué)者們利用可靠性理論，將可靠性相關(guān)判斷指標(biāo)移植到公共交通領(lǐng)域，提出公交運行可靠性判斷方法，結(jié)合實例并進(jìn)行詳細(xì)論述。在站點、站間準(zhǔn)點的建模上，國內(nèi)成果較少。大部分只從一個角度考慮，或從乘客角度出發(fā)，或從運營管理者角度出發(fā)，沒有一個結(jié)合出行者和運營者兩個角度提出提高公交準(zhǔn)點的方法。目前關(guān)于公交準(zhǔn)點的研究主要集中在行程時間可靠度和公交全程準(zhǔn)時性方面，較少對公交在各站點間的運行情況進(jìn)行細(xì)致研究。而且，在分析公交行程時間時，以往多采用人工實地調(diào)查的方法獲得數(shù)據(jù)，費時、費力且精確度不高。隨著我國GPS技術(shù)應(yīng)用更為廣泛，實時采集的大量數(shù)據(jù)并沒有得到有效利用。我們需要探尋更好的方法來解決上述問題。技術(shù)實現(xiàn)要素：針對上述問題，本發(fā)明的目的是提供一種充分考慮公交準(zhǔn)點的影響因素、基于GPS數(shù)據(jù)的公交準(zhǔn)點預(yù)測系統(tǒng)和方法。預(yù)測下游站點的公交準(zhǔn)點情況，為行人提供安全、準(zhǔn)點、方便、快捷、舒適的出行服務(wù),提高出行效率；同時對于公交運營部門來說，也能夠使經(jīng)濟(jì)效益提高，更好提升公交服務(wù)水平。本發(fā)明的方法包括如下步驟：步驟一、公交GPS數(shù)據(jù)和發(fā)車數(shù)據(jù)采集和處理數(shù)據(jù)采集：通過3G或4G無線傳輸網(wǎng)絡(luò)實時獲取公交車GPS軌跡信息，并采集公交車的發(fā)車數(shù)據(jù)，建立公交運行線路和車輛運行信息數(shù)據(jù)庫；所述的公交車GPS數(shù)據(jù)包括線路標(biāo)識、車次標(biāo)識、站點標(biāo)識、時間、經(jīng)緯度、速度、方位角和上下行標(biāo)識信息；所述的公交車發(fā)車數(shù)據(jù)包括線路標(biāo)識、車次標(biāo)識、起始時間、結(jié)束時間和距首站距離信息；從上述采集到的全網(wǎng)車輛GPS軌跡數(shù)據(jù)中提取具有上下場站的公交線路作為預(yù)測線路，確定線路上的每個站點，并進(jìn)一步提取每天經(jīng)過上述站點的公交車車次以及每個車次到達(dá)站點的時間；數(shù)據(jù)處理：進(jìn)行站點標(biāo)識匹配，將目標(biāo)站點標(biāo)識不對應(yīng)的數(shù)據(jù)作為錯誤數(shù)據(jù)剔除，同時與站點標(biāo)識對應(yīng)的時間信息也相應(yīng)剔除，只保留相同站點標(biāo)識的數(shù)據(jù)。步驟二、公交準(zhǔn)點值的判定定義公交車早于時刻表規(guī)定時間1分鐘內(nèi)或晚于時刻表規(guī)定時間2分鐘內(nèi)到達(dá)站點都認(rèn)為是公交車準(zhǔn)點到達(dá)，即準(zhǔn)點為1，若在此范圍之外的情況均屬于準(zhǔn)點之外，即非準(zhǔn)點為0；通過公交車GPS軌跡數(shù)據(jù)統(tǒng)計各個站點的到站時間，然后與公交車發(fā)車數(shù)據(jù)中到達(dá)各個站點的計劃時間做相應(yīng)的差值，最后根據(jù)上述對準(zhǔn)點和非準(zhǔn)點的定義，計算出公交車各個站點的準(zhǔn)點值；若上述差值在準(zhǔn)點定義范圍內(nèi)，就視為準(zhǔn)點，為1，若上述差值不在準(zhǔn)點定義范圍內(nèi)，就視為不準(zhǔn)點，為0。步驟三、公交準(zhǔn)點影響因素的提取兩個目標(biāo)站點的旅行時間、相鄰上一個車次和當(dāng)前車次分別在第一個目標(biāo)站點的準(zhǔn)點值、以及相鄰上一個車次在第二個目標(biāo)站點的準(zhǔn)點值作為訓(xùn)練學(xué)習(xí)中的輸入因素；輸出為當(dāng)前車次在第二個目標(biāo)站點的準(zhǔn)點值；先提取每一天的小樣本數(shù)據(jù)，然后按時間順序組成一個大樣本數(shù)據(jù)，按照訓(xùn)練集和測試集3:1的樣本數(shù)據(jù)比例選出實驗數(shù)據(jù)。步驟四、公交準(zhǔn)點的預(yù)測采用支持向量機(jī)算法預(yù)測公交準(zhǔn)點情況，根據(jù)上一步驟中選取的訓(xùn)練集建立預(yù)測模型對當(dāng)前車次到達(dá)第二個目標(biāo)站點的公交準(zhǔn)點情況進(jìn)行預(yù)測，得到預(yù)測的準(zhǔn)點值。簡而言之：首先進(jìn)行公交車數(shù)據(jù)采集與處理。通過3G/4G等無線傳輸網(wǎng)絡(luò)實時獲取公交車GPS軌跡信息，并采集公交車的發(fā)車數(shù)據(jù)，建立公交運行線路和車輛運行信息數(shù)據(jù)庫，然后進(jìn)行站點標(biāo)識匹配，將目標(biāo)站點標(biāo)識不對應(yīng)的數(shù)據(jù)作為錯誤數(shù)據(jù)剔除，同時與站點標(biāo)識對應(yīng)的時間信息也相應(yīng)剔除，只保留相同站點標(biāo)識的數(shù)據(jù)。選取“快一慢二”準(zhǔn)點定義原則，即公交車早于時刻表規(guī)定時間1分鐘內(nèi)或晚于時刻表規(guī)定時間2分鐘內(nèi)到達(dá)站點視為公交準(zhǔn)點到達(dá)。根據(jù)上述方法判定公交車每天多個車次經(jīng)過各個站點的準(zhǔn)點值，若公交的站點時間差在準(zhǔn)點定義范圍內(nèi)，就視為準(zhǔn)點，為1，若公交的站點時間差不在準(zhǔn)點定義范圍內(nèi)，就視為不準(zhǔn)點，為0。由于公交系統(tǒng)受到多種因素的綜合影響,具有隨機(jī)性和復(fù)雜性。在諸多影響因素中,交通狀況是影響公共交通準(zhǔn)點最重要、最直接的因素?？捎脙蓚€目標(biāo)站點的旅行時間可以代表交通狀況。不斷變化的公交出行需求也會對公交運行準(zhǔn)點造成很大影響?？捎霉卉嚿嫌诬嚧蔚臏?zhǔn)點情況代表交通出行需求。要實時的預(yù)測公交車當(dāng)前車次到達(dá)第二個目標(biāo)站點的公交準(zhǔn)點情況，首先作為訓(xùn)練學(xué)習(xí)中的輸入因素包括兩個目標(biāo)站點的旅行時間、相鄰上一個車次和當(dāng)前車次分別在第一個目標(biāo)站點的準(zhǔn)點值、以及相鄰上一個車次在第二個目標(biāo)站點的準(zhǔn)點值。作為輸出變量的因素只有1個，即當(dāng)前車次在第二個目標(biāo)站點的準(zhǔn)點值。按照訓(xùn)練集和測試集3:1的樣本數(shù)據(jù)比例選出實驗數(shù)據(jù)。最后采用支持向量機(jī)(SVM)算法預(yù)測公交準(zhǔn)點情況，根據(jù)上步中選取的訓(xùn)練集建立預(yù)測模型對當(dāng)前車次到達(dá)第二個目標(biāo)站點的公交準(zhǔn)點情況進(jìn)行預(yù)測，得到預(yù)測的準(zhǔn)點值。本發(fā)明采用上述技術(shù)方案的技術(shù)效果在于：1、本發(fā)明結(jié)合公交GPS數(shù)據(jù)，針對多輛車次，提取大量的公交車軌跡信息和發(fā)車信息，方便快捷，降低了數(shù)據(jù)處理成本。2、本發(fā)明基于支持向量機(jī)(SVM)算法對公交準(zhǔn)點進(jìn)行二分類預(yù)測，使乘客能夠更好地了解公交運行情況，合理調(diào)控出行時間；同時使公交運營部門也能夠及時調(diào)整公交發(fā)車間隔，提升公交服務(wù)水平。附圖說明圖1為本發(fā)明所述的基于GPS數(shù)據(jù)的公交準(zhǔn)點預(yù)測方法的流程圖。具體實施方式下面結(jié)合附圖和實施例對本發(fā)明做進(jìn)一步的詳細(xì)說明，以令本領(lǐng)域技術(shù)人員參照說明書文字能夠據(jù)以實施。本發(fā)明提供一種基于GPS數(shù)據(jù)的公交準(zhǔn)點預(yù)測方法，包括以下步驟：步驟一、公交GPS數(shù)據(jù)和發(fā)車數(shù)據(jù)采集和處理數(shù)據(jù)采集：通過3G/4G等無線傳輸網(wǎng)絡(luò)實時獲取公交車GPS軌跡信息，并采集公交車的發(fā)車數(shù)據(jù)，建立公交運行線路和車輛運行信息數(shù)據(jù)庫。所述的公交車GPS數(shù)據(jù)包括線路標(biāo)識、車次標(biāo)識、站點標(biāo)識、時間、經(jīng)緯度、速度、方位角和上下行標(biāo)識等信息；所述的公交車發(fā)車數(shù)據(jù)包括線路標(biāo)識、車次標(biāo)識、起始時間、結(jié)束時間和距首站距離等信息。從上述采集到的全網(wǎng)車輛GPS軌跡數(shù)據(jù)中提取具有上下場站的公交線路作為預(yù)測線路，確定線路上的每個站點，并進(jìn)一步提取每天經(jīng)過上述站點的公交車車次以及每個車次到達(dá)站點的時間。所述的到達(dá)站點的時間定義為站點的到站時間，公交車經(jīng)過站點其實是經(jīng)過一個站點場區(qū)，有個進(jìn)場時間和出場時間，我們默認(rèn)到達(dá)站點的時間是經(jīng)過站點的進(jìn)場時間，也就是公交車GPS數(shù)據(jù)到達(dá)站點的第一個打點時間。數(shù)據(jù)處理：由于每天公交站點上下車人數(shù)具有隨機(jī)性且不均勻，而且GPS數(shù)據(jù)在每個站點的上傳信息也存在異常，需要進(jìn)行站點標(biāo)識匹配，將目標(biāo)站點標(biāo)識不對應(yīng)的數(shù)據(jù)作為錯誤數(shù)據(jù)剔除，同時與站點標(biāo)識對應(yīng)的時間等信息也相應(yīng)剔除，只保留相同站點標(biāo)識的數(shù)據(jù)。步驟二、公交準(zhǔn)點值的判定無論是日常的通勤出行還是假日時的交通出行,人們最關(guān)心的問題就是能否按時到達(dá)目的地。隨著人們生活節(jié)奏的加快和時間觀念的增強,人們在出行時不僅關(guān)注用多長時間到達(dá)目的地,而且更加關(guān)注在這一時間范圍內(nèi)到達(dá)的可能性。在實際判斷過程中,各運營商有不同的“準(zhǔn)點行車”定義范圍可供選擇。本發(fā)明采用“快一慢二”的準(zhǔn)點定義原則，即公交車早于時刻表規(guī)定時間1分鐘內(nèi)或晚于時刻表規(guī)定時間2分鐘內(nèi)到達(dá)站點都認(rèn)為是公交車準(zhǔn)點到達(dá)，即準(zhǔn)點為1，若在此范圍之外的情況均屬于準(zhǔn)點之外，即非準(zhǔn)點為0；分析線路中各個站點的準(zhǔn)點情況并根據(jù)準(zhǔn)點定義方法判定站點的準(zhǔn)點值。公交車在每天的行駛過程中會有很多車次經(jīng)過每個站點，這些車次經(jīng)過各個站點都有個到站時間，首先是通過公交車GPS軌跡數(shù)據(jù)統(tǒng)計各個站點的到站時間，然后與公交車發(fā)車數(shù)據(jù)中到達(dá)各個站點的計劃時間做相應(yīng)的差值，最后根據(jù)上面“快一慢二”的準(zhǔn)點定義方法，計算出公交車各個站點的準(zhǔn)點值，此判定原則是若公交的站點時間差在準(zhǔn)點定義范圍內(nèi)，就視為準(zhǔn)點，為1，若公交的站點時間差不在準(zhǔn)點定義范圍內(nèi)，就視為不準(zhǔn)點，為0。步驟三、公交準(zhǔn)點影響因素的提取公交系統(tǒng)受到多種因素的綜合影響,具有隨機(jī)性和復(fù)雜性。在諸多影響因素中,部分因素隨時間變化而變化,會對公交線路運行的準(zhǔn)點可靠性產(chǎn)生影響；部分因素雖然自身不會發(fā)生變化,但會因為設(shè)置的不合理或者其他原因間接降低公交準(zhǔn)點率；還有一些突然因素,一旦發(fā)生,將會對公共交通的準(zhǔn)點產(chǎn)生很大的影響。交通狀況是影響公共交通準(zhǔn)點最重要、最直接的因素。如果交通不擁堵,大部分公交車會以正常速度、按照既定的時刻表運行,且在中間各站保持較好的準(zhǔn)時性。但當(dāng)?shù)缆钒l(fā)生交通擁堵時,公交運行速度急劇下降,準(zhǔn)點率隨之降低,造成大量乘客在站臺的等待時間過長、部分乘客不能及時上車,影響出行效率?？捎脙蓚€目標(biāo)站點的旅行時間可以代表交通狀況。此外,不斷變化的公交出行需求也會對公交運行準(zhǔn)點可靠性造成很大影響。平峰時段,公交需求不大,乘客能夠在規(guī)定時間內(nèi)上車,公交車在站臺?？繒r間得到保障。但在高峰時段,乘客上車時間明顯拉長,公交車在站臺停留超過預(yù)定時間,對下游站點造成更大影響,影響公交運行準(zhǔn)點可靠性。可用公交車上游車次的準(zhǔn)點情況代表交通出行需求。要實時的預(yù)測公交車當(dāng)前車次到達(dá)第二個目標(biāo)站點的公交準(zhǔn)點情況，首先作為訓(xùn)練學(xué)習(xí)中的輸入因素包括兩個目標(biāo)站點的旅行時間、相鄰上一個車次和當(dāng)前車次分別在第一個目標(biāo)站點的準(zhǔn)點值、以及相鄰上一個車次在第二個目標(biāo)站點的準(zhǔn)點值。作為輸出變量的因素只有1個，即當(dāng)前車次在第二個目標(biāo)站點的準(zhǔn)點值。本發(fā)明中先提取每一天的小樣本數(shù)據(jù)，然后按時間順序組成一個大樣本數(shù)據(jù)，按照訓(xùn)練集和測試集3:1的樣本數(shù)據(jù)比例選出實驗數(shù)據(jù)。所述的兩個目標(biāo)站點的旅行時間，在車次標(biāo)識對應(yīng)的情況下，兩個目標(biāo)站點的旅行時間就是當(dāng)前車次在第二個目標(biāo)站點的到站時間和第一個目標(biāo)站點的到站時間的差值。步驟四、公交準(zhǔn)點的預(yù)測本發(fā)明采用支持向量機(jī)(SVM)算法預(yù)測公交準(zhǔn)點情況，根據(jù)上步中選取的訓(xùn)練集建立預(yù)測模型對當(dāng)前車次到達(dá)第二個目標(biāo)站點的公交準(zhǔn)點情況進(jìn)行預(yù)測，得到預(yù)測的準(zhǔn)點值。所述的支持向量機(jī)(SupportVectorMachines，SVM)算法是一種基于統(tǒng)計學(xué)習(xí)理論的新型的通用學(xué)習(xí)方法，它建立在統(tǒng)計學(xué)習(xí)理論的VC理論和結(jié)構(gòu)風(fēng)險最小化原理的基礎(chǔ)上，根據(jù)有限樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，以期獲得更好的泛化能力。其基本思想是首先通過非線性變換將輸入空間映射到一個高維特征空間，然后在這個新空間中求取最佳線性分類面，而這種非線性變換是通過定義適當(dāng)?shù)膬?nèi)積函數(shù)(核函數(shù))來實現(xiàn)的，在訓(xùn)練集中意支持向量為基礎(chǔ)。支持向量機(jī)不僅在分類領(lǐng)域中取得了很好的效果，而且有效地解決了高維問題。通過學(xué)習(xí)SVM可以自動尋找那些對分類有較好區(qū)分能力的支持向量，由此構(gòu)造出的分類器可以最大化類之間的間隔，因而SVM有較好的算法性能和較高的分類精度。給定樣本數(shù)據(jù)集{(xi,yi)|i＝1,2,...,n}，其中xi為輸入值，yi為輸出值。在這里xi為4個輸入變量，即兩個目標(biāo)站點的旅行時間、相鄰上一個車次和當(dāng)前車次分別在第一個目標(biāo)站點的準(zhǔn)點值、以及相鄰上一個車次在第二個目標(biāo)站點的準(zhǔn)點值。yi為1個輸出變量，即當(dāng)前車次在第二個目標(biāo)站點的準(zhǔn)點值?？紤]用函數(shù)f(x)＝ωTx+b，對樣本數(shù)據(jù)集進(jìn)行擬合，并使得函數(shù)y和f(x)之間的距離最小，即損失函數(shù)R(y,f(x))＝∫L(y,f(x))dx最小，根據(jù)結(jié)構(gòu)風(fēng)險最小化原則，應(yīng)使得：最小，L為損失函數(shù)，這里選用ε不敏感損失函數(shù)，其表達(dá)式為：相應(yīng)的優(yōu)化問題為：min12ωTω+CΣi=1n(ξi+ξi*)]]>St.ωxi+bi-yi≤ϵ+ξi*-ωxi-bi+yi≤ϵ+ξiξi,ξi*≥0]]>其中，ε>0，為擬合精度，ξi為目標(biāo)值之上超出ε部分所設(shè)；為目標(biāo)之下超出ε部分所設(shè)；常數(shù)C>0，表示函數(shù)f(x)的平滑度和允許誤差大于ε的數(shù)值之間的折中，利用Lagrange優(yōu)化方法可將上述問題轉(zhuǎn)化得到其對偶問題：min12Σi,j=1n(αi*-αi)(αj*-αj)xiTxj-Σi=1nαi*(yi-ϵ)-αi(yi+ϵ)]]>St.Σi=1n(αi-αi*)=0αi,αi*∈[0,C]]]>其中，αi與為Lagrange因子，通過核函數(shù)K(xi,x)將其轉(zhuǎn)換成高維空間，此時可以求解得到SVM回歸函數(shù)：f(x)=Σi=1n(αi-αi*)K(xi,xj)+b]]>本發(fā)明選擇徑向基函數(shù)為核函數(shù)，其具體形式為：K(xi,xj)=exp(-|xi-xj|22σ2)]]>其中參數(shù)σ為訓(xùn)練前確定的超參數(shù)。通過10折交叉驗證的方法對SVM學(xué)習(xí)模型中的懲罰系數(shù)C和RBF核寬度σ進(jìn)行優(yōu)化選擇，取最優(yōu)懲罰系數(shù)值為最優(yōu)拉格朗日算子最終建立預(yù)測模型。預(yù)測模型建立后，根據(jù)輸入樣本得到預(yù)測值。實施例1為了進(jìn)一步說明本具體實施方式，提供了本實施例。在本實施例中，為了方便本發(fā)明的參數(shù)理解及算法體現(xiàn)，對五個步驟中的具體基礎(chǔ)數(shù)據(jù)進(jìn)行具體說明?；A(chǔ)數(shù)據(jù)(發(fā)車數(shù)據(jù))和實際運行數(shù)據(jù)(公交GPS數(shù)據(jù))有XX市XX公司提供，基礎(chǔ)數(shù)據(jù)是可靠性判斷的基礎(chǔ)和重要參照，公交車發(fā)車數(shù)據(jù)包括線路標(biāo)識、車次標(biāo)識、起始時間、結(jié)束時間、到達(dá)各個站點的計劃時間、起始狀態(tài)、結(jié)束狀態(tài)和距首站距離等信息。實際運行數(shù)據(jù)是準(zhǔn)點預(yù)測的主體和核心數(shù)據(jù)，公交GPS數(shù)據(jù)包括線路標(biāo)識、車次標(biāo)識、站點標(biāo)識、時間、經(jīng)緯度、速度、方位角、上下行標(biāo)識、距首站距離和開門狀態(tài)等信息。以XX市XX公司XX路公交車八天的數(shù)據(jù)為例，其中某一天的GPS基礎(chǔ)數(shù)據(jù)和八天的發(fā)車數(shù)據(jù)如表1和表2：其中表1“上下行”中，0代表上行，1代表下行，2代表離線，3代表上行場站，4代表下行場站。表2“起始狀態(tài)”和“結(jié)束狀態(tài)”中，3代表上行場站，4代表下行場站。表1：XX市XX公司XX路公交車某一天的GPS基礎(chǔ)數(shù)據(jù)表2：XX市XX公司XX路公交車八天的發(fā)車數(shù)據(jù)(1)公交準(zhǔn)點值的判定和公交準(zhǔn)點影響因素的提取在本實例中分析線路中各個站點的準(zhǔn)點情況并根據(jù)“快一慢二”準(zhǔn)點定義方法判定公交準(zhǔn)點值，然后分析公交系統(tǒng)，提取公交準(zhǔn)點的影響因素。a)首先，判定公交各個站點的準(zhǔn)點值公交車在每天的行駛過程中會有很多車次經(jīng)過每個站點，這些車次經(jīng)過各個站點都有個到站時間，首先是通過公交車GPS軌跡數(shù)據(jù)統(tǒng)計各個站點的到站時間，然后與公交車發(fā)車數(shù)據(jù)中到達(dá)各個站點的計劃時間做相應(yīng)的差值，最后根據(jù)上面“快一慢二”的準(zhǔn)點定義方法，判定公交車各個站點的準(zhǔn)點值，此判定原則是若公交的站點時間差在準(zhǔn)點定義范圍內(nèi)，就視為準(zhǔn)點，為1，若公交的站點時間差不在準(zhǔn)點定義范圍內(nèi)，就視為不準(zhǔn)點，為0。b)然后，提取公交準(zhǔn)點的影響因素要實時的預(yù)測公交車當(dāng)前車次到達(dá)第二個目標(biāo)站點的公交準(zhǔn)點情況，首先作為訓(xùn)練學(xué)習(xí)中的輸入變量有4個，包括兩個目標(biāo)站點的旅行時間、相鄰上一個車次和當(dāng)前車次分別在第一個目標(biāo)站點的準(zhǔn)點值、以及相鄰上一個車次在第二個目標(biāo)站點的準(zhǔn)點值。作為輸出變量的只有1個，即當(dāng)前車次在第二個目標(biāo)站點的準(zhǔn)點值。本實施例中一共有八天的數(shù)據(jù)，按照3:1的比例選擇前六天數(shù)據(jù)作為訓(xùn)練集，后兩天的數(shù)據(jù)作為測試集。以XX市XX公司XX路公交車為例，測試集中的輸入變量和輸出變量數(shù)據(jù)如下表3所示：其中，第10個站點為第二個目標(biāo)站點，第9個站點為第一個目標(biāo)站點表3預(yù)測公交準(zhǔn)點的輸入輸出變量(2)公交準(zhǔn)點的預(yù)測本發(fā)明采用支持向量機(jī)(SVM)算法預(yù)測公交準(zhǔn)點情況，根據(jù)上步中選取的訓(xùn)練集建立預(yù)測模型對當(dāng)前車次到達(dá)第二個目標(biāo)站點的公交準(zhǔn)點情況進(jìn)行預(yù)測，得到預(yù)測的準(zhǔn)點值。并最后采用Accuracy(準(zhǔn)確率)、Sensitivity(靈敏度)和Specificity(特異度)標(biāo)準(zhǔn)進(jìn)行評價，計算公式如下：以XX市XX公司XX路公交車為例，后兩天作為測試集，最后的預(yù)測精度如下表4所示：表4SVM算法的預(yù)測精度預(yù)測結(jié)果Accuracy(％)Sensitivity(％)Specificity(％)預(yù)測精度93.6299.4698.62由表4的預(yù)測精度可以得出，采用支持向量機(jī)(SVM)算法預(yù)測公交準(zhǔn)點的效果好，可以為乘客提供下游站點的公交準(zhǔn)點信息，提高出行效率；也可為公交運營部門提供準(zhǔn)點依據(jù)，合理安排發(fā)車間隔，提高服務(wù)水平。本發(fā)明基于公交GPS數(shù)據(jù)提和發(fā)車數(shù)據(jù)，采用的工具是SQLServer2012和MATLAB2013b，選取八天的數(shù)據(jù)作為實驗數(shù)據(jù)，首先對公交車的GPS數(shù)據(jù)采集與處理，然后根據(jù)“快一慢二”原則判定各個站點的準(zhǔn)點值，并分析公交系統(tǒng)，提取公交準(zhǔn)點的影響因素，最后采用支持向量機(jī)(SVM)算法預(yù)測公交準(zhǔn)點情況，結(jié)果表明SVM預(yù)測精度高，預(yù)測效果好。對乘客來說，預(yù)測下游站點的公交準(zhǔn)點情況,能夠更好地了解公交運行情況，合理調(diào)控出行時間，提高出行效率；同時對于公交運營部門來說，也能夠及時調(diào)整公交發(fā)車間隔，更好提升公交服務(wù)水平。當(dāng)前第1頁1 2 3