基于gps數(shù)據(jù)的公交車堵車延誤時間預測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于道路交通檢測技術(shù)領(lǐng)域，具體涉及一種基于GPS數(shù)據(jù)的公交車堵車延 誤時間預測方法。
【背景技術(shù)】
[0002] 公交車在行駛過程中會受到實時路況的影響而出現(xiàn)延誤，但延誤的時間有多長， 是眾多交通參與者如出行者、司機、交通管理者等人關(guān)注的焦點。準確預測公交車車因堵車 而造成的延誤時間，可以降低乘客和司機因擁堵而產(chǎn)生的煩躁心理，也可以交通誘導、交通 控制、公交車到站時間預測、調(diào)度優(yōu)化等提供參考和支持，有助于提高城市道路交通管理和 服務水平。
[0003] 智能交通的發(fā)展過程中積累了海量的公交車GPS數(shù)據(jù)，這些數(shù)據(jù)具有數(shù)據(jù)量大、 實時性高、覆蓋面廣、可靠性高等特點。公交車GPS數(shù)據(jù)詳細記錄了公交車車輛運行軌跡， 反映了公交車運行的規(guī)律和城市道路狀態(tài)變化規(guī)律。利用各種數(shù)據(jù)管理、分析工具和數(shù)據(jù) 挖掘算法可以從中挖掘出城市道路交通變化規(guī)律，如公交車行程時間變化規(guī)律、?？空緯r 間變化規(guī)律、受信號燈影響延誤時間分布規(guī)律、堵車規(guī)律以及道路狀態(tài)變化規(guī)律等，利用這 些規(guī)律可以更加方便、及時、有效地改善城市道路交通狀況。如何利用充分發(fā)揮這些數(shù)據(jù)的 優(yōu)勢和作用，準確預測公交車因擁堵而造成的延誤時間大小，目前還缺乏有效的研宄。
[0004] 目前的研宄主要針對如何減少堵車的發(fā)生，以及在堵車之后如何實現(xiàn)交通誘導以 及有效的管理，以降低堵車的影響范圍，而對因堵車造成延誤時間長度還沒有具體的量化 研宄分析方法。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明的目的在于提供一種基于GPS數(shù)據(jù)的公交車堵車延誤時間預測 方法。
[0006] 為達到上述目的，本發(fā)明提供如下技術(shù)方案：
[0007] 基于GPS數(shù)據(jù)的公交車堵車延誤時間預測方法，包括以下步驟：
[0008] 1)對公交車歷史GPS數(shù)據(jù)進行預處理；
[0009] 2)對預處理后的公交車歷史GPS數(shù)據(jù)進行統(tǒng)計分析；
[0010] 3)公交車堵車情景劃分；
[0011] 4)公交車狀態(tài)判別；
[0012] 5)公交車堵車時間預測和修正。
[0013] 進一步，所述步驟2)具體包括如下步驟：
[0014] 21)根據(jù)公交車歷史GPS數(shù)據(jù)，統(tǒng)計公交在每個路段的行程時間以及在每個站點 的停站時間；
[0015] 22)統(tǒng)計出公交車的歷史堵車信息和堵車點信息；
[0016] 23)取最近一個檢測周期的歷史堵車信息，若在該檢測周期內(nèi)在同一堵車點發(fā)生 的堵車超過閾值，則認為在該點會發(fā)生常發(fā)性堵車；
[0017] 23)根據(jù)常發(fā)性堵車數(shù)據(jù)，統(tǒng)計出每個堵車記錄的平均堵車速度，然后統(tǒng)計出每個 路段每個堵車點的平均通行速度。
[0018] 進一步，所述步驟22)中堵車點通過如下方法確定：
[0019] 根據(jù)路段編號從數(shù)據(jù)倉庫中選出公交GPS歷史信息，并按里程距離排序；
[0020] 根據(jù)里程距離求出每個里程的平均行程時間；
[0021] 對各里程行程所對應的平均速度分布分析，找到平均速度先逐漸減小后來逐漸增 大的里程點且最小平均速度小于一定的閾值，則平均速度最小的點對應的里程距離即為擁 堵點。
[0022] 進一步，所述步驟3)中，將公交車堵車狀態(tài)劃分為6種情景，具體是：
[0023] 情景1 :常發(fā)性堵車情況下，有同一線路前車堵車的信息，而且檢測出前車目前仍 處于堵車狀態(tài)下，此種情景說明堵車形成時間較長，而且堵車程度較為嚴重；
[0024] 情景2:常發(fā)性堵車情況下，有同一線路前車堵車的信息，而且檢測出前車目前為 正常行駛狀態(tài)下；
[0025] 情景3:常發(fā)性堵車情況下，沒有同一線路前車堵車的信息，而且檢測出前車目前 為正常行駛狀態(tài)下；
[0026] 情景4:偶發(fā)性堵車情況下，有同一線路前車堵車的信息，而且檢測出前車目前仍 處于堵車狀態(tài)下；
[0027] 情景5:偶發(fā)性堵車情況下，有同一線路前車堵車的信息，而且檢測出前車目前為 正常行駛狀態(tài)下；
[0028] 情景6 :偶發(fā)性堵車情況下，沒有同一線路前車堵車的信息，而且檢測出前車目前 為正常行駛狀態(tài)下。
[0029] 進一步，所述步驟4)具體包括如下步驟：
[0030] 41)當公交車連續(xù)n個GPS數(shù)據(jù)的行駛速度值均小于閾值，且根據(jù)車輛里程信息判 斷公交不在公交站點內(nèi)和信號燈影響范圍內(nèi)，且在預定時間范圍內(nèi)里程變化小于閾值，則 確定公交車遇到堵車；
[0031] 42)根據(jù)堵車發(fā)生的時間段以及路段判斷是否有歷史擁堵信息，若有，且在預設(shè)周 期內(nèi)其歷史堵車次數(shù)大于閾值，則判定為常發(fā)性堵車，轉(zhuǎn)到步驟43);若不存在歷史擁堵信 息或其歷史堵車次數(shù)小于閾值，則判定為偶發(fā)性堵車，轉(zhuǎn)到步驟45);
[0032] 43)檢測是否有前車堵車信息，若無，則將當前車輛堵車狀態(tài)確定為情景3;若有， 轉(zhuǎn)到步驟44);
[0033] 44)檢測前車是否處于堵車狀態(tài)，若是，則將當前車輛堵車狀態(tài)確定為情景1;若 否，則將當前車輛堵車狀態(tài)確定為情景2;
[0034] 45)檢測是否有前車堵車信息，若無，則將當前車輛堵車狀態(tài)確定為情景4;若有， 轉(zhuǎn)到步驟46;
[0035] 46)檢測前車是否處于堵車狀態(tài)，若是，則將當前車輛堵車狀態(tài)確定為情景5;若 否，則將當前車輛堵車狀態(tài)確定為情景6。
[0036] 進一步，所述步驟5)中，當公交車堵車狀態(tài)為情景1、情景2或情景3時，執(zhí)行以下 步驟：
[0037] 501)確定當前公交車輛Vi的位置與擁堵點的距離；
[0038] 502)獲取前車V」信息；
[0039] 503)情景1的公交堵車時間的預測值通過下式計算：
[0041] 其中dvj (m，n)前車Vj的實時里程，di(m，n)為當前車輛Vi的實時里程，Tvji為Vj 經(jīng)過diOn，!!）的時間，為當前實時時間；a為修正因子，通過下式計算：
[0043] 其中
分別為車輛Vi和車輛Vj到達屯(m，n)前3分鐘的平均速度；h 和k為對應數(shù)據(jù)個數(shù)；
[0044] 情景2的公交堵車延誤時間的預測值通過下式計算：
[0045] TJami (m,n) =a* [TvJ (m,n) -TvJi (m,n)]；
[0046] 此時T_ (m，n)即為當前車輛Vi的堵車延誤時間；其中Tvji為Vj經(jīng)過di(m，n)的 時間，Tm為當前實時時間；a為修正因子；
[0047] 情景3的公交堵車延誤時間的預測值通過下式計算：
[0049] 其中0為修正因子，即
[0051] 其中匕為在線路m和路段n在w類天氣的下車輛的平均行駛速度，q為在 路段m和時段n在w類天氣下堵車次數(shù)，p為在路段m和時段n總的堵車次數(shù)，Vavg_(m，n) 為在在路段m和時段n總的平均堵車時間。
[0052] 進一步，所述步驟5)中，
[0053] 情景4的公交堵車延誤時間的預測值通過下式計算：
[0054]
[0055] 其中Ts (m，n)為發(fā)車時間間隔，T為堵車時間預測周期；
[0056] 情景5的公交堵車延誤時間的預測值通過下式計算：
[0057] TJami (m,n) =Ts (m,n) +TJamJ (m,n)；
[0058] 其中Ts (m，n)為發(fā)車時間間隔，Tjam>，n)為所預測的前車V」的堵車時間；
[0059] 情景6的公交堵車延誤時間的預測值通過下式計算：
[0060]
[0061] 其中djam(m，n)為根據(jù)前車信息得到的堵車點里程，Tjamj(m，n)為前車堵車時間，〇 為預定義閾值，T和巾分別是衰減系數(shù)，且有(P>1和巾〈1。
[0062] 本發(fā)明相對于現(xiàn)有技術(shù)具有如下優(yōu)點：第一，充分利用海量歷史數(shù)據(jù)的優(yōu)勢，在海 量數(shù)據(jù)的基礎(chǔ)上挖掘公交堵車延誤時間的規(guī)律；第二，可建立面向GPS數(shù)據(jù)挖掘的公交堵 車時間長度預測的數(shù)據(jù)倉庫及專用數(shù)據(jù)挖掘庫，將所需的數(shù)據(jù)進行集成與匯總，將數(shù)據(jù)分 析和挖掘過程中得到的信息存儲專用數(shù)據(jù)挖掘庫，減少后續(xù)工作的負擔，提高預測效率；第 三，建立基于GPS數(shù)據(jù)挖掘的公交堵車延誤時間預測模型，利用動態(tài)的實時公交GPS數(shù)據(jù)對 公交判斷是否發(fā)生堵車，然后根據(jù)公交歷史堵車信息判別是常發(fā)性堵車還是偶發(fā)性堵車， 進一步，結(jié)合前車的動態(tài)信息判斷堵車的嚴重程度以及堵車變化的趨勢；第四，結(jié)合歷史統(tǒng) 計信息和實時GPS數(shù)據(jù)，利用決策樹分類的方法將堵車狀態(tài)劃分為6種情景，針對不同情景 采用不同的預測計算方法，并根據(jù)實時數(shù)據(jù)和歷史堵車信息對預測結(jié)果進行修正，能夠在 常發(fā)性擁堵和偶發(fā)性擁堵的情況下獲得更準確的預測值。
【附圖說明】
[0063] 圖1示出了基于GPS數(shù)據(jù)的公交車堵車延誤時間預測方法的流程示意圖；
[0064] 圖2示出了基于GPS數(shù)據(jù)的公交車堵車延誤時間預測方法中公交車狀態(tài)判別和堵 車時間預測的流程示意圖。
【具體實施方式】
[0065] 為了使本發(fā)明的目的、技