基于公交GPS和IC卡数据的乘客人均候车时间估算方法研究

合集下载

基于GPS的公交车实时到站预测算法研究

基于GPS的公交车实时到站预测算法研究随着城市的快速发展和人口的增长，公共交通成为人们生活中不可或缺的一部分。

然而，在繁忙的城市交通中，公交车的到站时间却常常难以准确预测，给乘客的出行带来了不便。

因此，研究一种基于GPS的公交车实时到站预测算法显得尤为重要。

首先，我们需要了解GPS的工作原理。

GPS（Global Positioning System）基于卫星定位系统，通过接收卫星信号并计算其距离来确定位置。

当公交车搭载GPS设备时，它的位置信息可以准确地传输到后台服务器。

利用这些位置数据，我们可以推断公交车的行驶速度、行进距离等，从而预测其到站时间。

其次，为了设计一个有效的预测算法，我们需要考虑以下几个因素：1. 路线信息：每条公交线路都有特定的起始和终点，并沿途设有多个站点。

获取详细的路线信息对于预测公交车到站时间至关重要。

我们可以通过公交公司提供的线路数据以及公交车上的GPS监控设备来获取这些信息。

2. 实时数据收集：公交车上的GPS设备可以定时发送位置数据到后台服务器，我们需要及时地收集并处理这些数据。

借助大数据技术，我们可以迅速处理和分析GPS数据，从而实现实时的公交车到站预测。

3. 数据模型构建：将收集到的GPS数据和路线信息进行整合，我们需要构建一个合适的模型来预测公交车的到站时间。

常用的模型包括线性回归、支持向量机、神经网络等。

通过对历史数据的训练和模型优化，我们可以得到较为准确的预测结果。

4. 算法优化：除了选择合适的数据模型外，我们还可以通过算法优化来提高预测精度。

例如，使用时间序列分析方法，考虑到不同时间段的交通状况和乘客流量变化，从而更好地预测到站时间。

在实际应用中，基于GPS的公交车实时到站预测算法可以帮助乘客合理安排出行时间，减少等待时间和不确定性。

同时，公交公司也可以根据预测结果进行调度和优化，提高运营效率和服务质量。

但是，需要注意的是，基于GPS的公交车实时到站预测算法也存在一些挑战。

基于GPS轨迹数据的公交到站时间预测方法研究

基于GPS轨迹数据的公交到站时间预测方法研究作者：李少伟曹成涛杨骥来源：《软件工程》2017年第04期摘要：公交到站时间预测作为智能公交的核心内容之一，不仅可以极大地提高公交服务满意度进而提高公交出行率，而且可为智能公交调度系统的优化提供数据依据。

本文将公交GPS数据和公交站点与线路等GIS数据进行融合、处理与分析，基于公交车轨迹数据和路段在空间关系和时空分布上的分析和处理，设置一定的离站距离阈值对当前公交站点进行缓冲区分析，搜索在最近一段时间内停靠该站点的公交车轨迹数据，获取不同车辆的轨迹信息，进行公交到站时间预测研究，建立预测模型，推算出公交到站时间，并以经过广州市体育中心公交站的多条公交线路为例验证预测方法的准确性。

研究表明：通过模型预测所得多条公交线路的公交到站时间与实际调查记录时间误差较小。

关键词：GPS轨迹数据；公交到站时间；缓冲区分析；数据融合；GIS中图分类号：TP274 文献标识码：AAbstract：As one of the core contents of intelligent transit，the bus arrival prediction can not only increase the satisfaction of bus service and the trip rate of public transport，but also provide data basis for the optimization of the intelligent public transportation dispatching system.In this paper，the GPS data of the bus and the GIS data of the bus station and the bus route are integrated，processed and analyzed.Based on the analysis and processing of the bus track data and the road segment in the spatial relation and the spatial and temporal distribution， a certain distance threshold from the station is set to carry out the buffer analysis，search the bus track data of the station in the last period of time，obtain the track information of different vehicles，predict the bus arrival duration，establish the prediction model and calculate the bus arrival time.Multiple bus routes of Guangzhou Sports Center are taken as cases to verify the accuracy of the prediction method.The results show that the time errors between the prediction values and the actual records of multiple bus routes are suitably small.Keywords：GPS track data；bus arrival time；buffer analysis；data fusion；GIS1 引言（Introduction）随着中国城镇化进程的不断加快，大城市规模和人口不断扩大，城市居民的出行需求不断增长，交通拥堵、环境污染及过度能源消耗等负面效应日益突出，成为经济和社会协调发展的热点问题，大力发展公共交通不仅可以提升交通出行效率，而且可以减轻交通拥挤，减少环境污染，合理利用资源，促进社会公平，实现低碳绿色交通，但我国城市公共交通在准时性、便捷性等方面不能满足乘客的需求，导致公共交通吸引率长期偏低，因此积极开展公交到站时间预测方法的研究，已成为改善交通压力的重要研究方向：向出行者提供公交到站时间信息可以极大地提高公交服务满意度，从而提高公交出行率；向管理者提供公交到站时间信息可为公交线路及站点的调整提供依据，为智能公交系统的实时调度优化提供基础数据。

一种基于GPS和IC卡数据的城市公交出行分布推算方法

一种基于GPS和IC卡数据的城市公交出行分布推算方法申博; 滕靖; 吴子啸【期刊名称】《《城市公共交通》》【年(卷),期】2011(000)008【摘要】城市公交规划、管理工作迫切需要信息化技术给予定量的决策数据支持。

公交出行分布数据通常基于居民出行调查获得，然而因其调查代价巨大不能作为常态化调查手段。

短期的公交线网调整工作更依赖于现状的公交出行分布需求，本文由此提出了一种利用公交GPS和IC卡（舍老年卡）数据推算现状公交出行分布的实用方法。

当前在大城市常住人口使用IC卡作为公交支付手段已得到相当普及．采用基于车载GPS和乘客IC卡记录能够推断得到全日公交OD数据并用于公交出行量回归模型的标定。

模型检验通过后，可结合人口数据和就业岗位资料用标定模型计算以投币作为主要付费方式的流动人口公交OD；叠加两部分OD得到完整的城市公交出行分布结果。

该模型的有效性通过2010年郑州市综合交通调查实践得以验证．对其它城市具有借鉴意义。

【总页数】5页(P45-49)【作者】申博; 滕靖; 吴子啸【作者单位】【正文语种】中文【中图分类】U491【相关文献】1.基于GPS和IC卡数据的公交出行OD推算方法 [J], 杨万波;王昊;叶晓飞;徐闯闯;姜冬雪2.基于GPS与IC卡数据的公交OD矩阵推算方法 [J], 尹长勇3.基于IC卡数据的公交出行OD推算方法研究 [J], 费晔4.一种基于GPS和IC卡数据的城市公交出行分布推算方法 [J], 申博; 滕靖; 吴子啸5.基于IC卡和GPS数据的城市公交系统评价及优化——以淄博市中心城区为例 [J], 郭聪;王晓琳;张荣基;孙锋因版权原因，仅展示原文概要，查看原文内容请购买。

基于GPS数据分析的公交时刻表优化的开题报告

基于GPS数据分析的公交时刻表优化的开题报告一、研究背景与意义城市公交是城市公共交通系统的主要组成部分，具有重要的公共服务作用和社会意义。

公交车的运营时间表对乘客的出行和公交公司的运营效率具有重要的影响。

传统的公交车时刻表设计方式常常不够科学和精准，而基于GPS数据分析的公交时刻表优化方法则可以更加精细地分析公交车的停靠和行驶情况，为公交车提供更加科学高效的时刻表。

二、研究内容和方法研究内容：基于GPS数据分析的公交时刻表优化方法研究。

研究方法：1. 数据收集：选择某一城市的公交车系统，使用GPS数据采集设备收集公交车的GPS数据，包括公交车的位置、速度、行驶方向等信息。

2. 数据处理：对GPS数据进行处理，包括数据清洗、数据校准、数据格式转换等，使GPS数据能够被分析使用。

3. 数据分析：使用数据挖掘和机器学习算法对GPS数据进行分析和建模，包括公交车的行驶路线、运营时间、停靠时间、乘客流量等信息的分析。

4. 时刻表优化：基于数据分析的结果，优化公交车的时刻表，包括公交车的发车间隔、路线安排、停靠站点、运营时间等方面的调整。

5. 模拟实验与验证：基于优化后的时刻表，进行模拟实验和验证，评估公交车运营效率和服务质量的提升情况。

三、预期结果与创新点预期结果：本研究将基于GPS数据分析的公交时刻表优化方法应用到实际的公交车运营中，优化公交车的时刻表，提升公交车的运营效率和服务质量。

创新点：1. 使用GPS数据采集设备收集数据，实现对公交车运营过程的全面监控和数据分析。

2. 基于数据挖掘和机器学习算法对GPS数据进行分析和建模，为公交车的时刻表优化提供科学依据。

3. 通过模拟实验和验证，对优化后的时刻表进行评估，为进一步提高公交车的运营效率和服务质量提供有力支持。

四、研究进展和计划研究进展：已完成公交车GPS数据采集设备的选择和安装，开始对GPS数据进行清洗和处理工作。

研究计划：1. 2022年3月-5月：完成GPS数据的清洗、校准和格式转换工作，进行初步数据分析和建模。

基于GPS的公交实时调度优化研究

基于GPS的公交实时调度优化研究基于GPS的公交实时调度优化研究随着城市化进程的加速和交通需求的不断增长，公共交通系统在现代城市中起着至关重要的作用。

然而，由于交通拥堵、时间不确定性和乘客需求的不断变化等因素的影响，公交车的实时调度成为一个具有挑战性的问题。

因此，基于全球定位系统（GPS）的公交实时调度优化研究应运而生。

公共交通系统的调度优化是一个复杂的问题，其关键在于实现公交车的准时到达和满足乘客需求。

传统上，公交车的调度是基于静态时间表设计的，但这种方法无法应对复杂的交通环境和实际情况。

基于GPS的公交实时调度可以提供精确的公交车位置和预计到达时间信息，帮助运营者根据实际情况进行动态调整。

首先，基于GPS的公交实时调度可以帮助运营者监控公交车的实时位置和运行情况。

通过实时监测，运营者可以了解公交车的速度、行驶路线和交通状况等信息，并及时调整运营策略，以确保公交车能够按时到达目的地。

其次，基于GPS的公交实时调度可以提供精确的乘客需求信息，从而优化公交车的运行策略。

通过分析乘客的上车和下车位置、人数和时间分布等数据，运营者可以合理安排公交车的出发时间、线路和车辆数量，以最大程度地满足乘客的需求。

此外，基于GPS的公交实时调度还可以提供实时的交通信息，帮助运营者预测和应对交通拥堵。

通过分析交通流量、拥堵程度和道路情况等信息，运营者可以调整公交车的路线，选择更为通畅的道路，从而减少公交车的行驶时间和提高运行效率。

为了实现基于GPS的公交实时调度优化，运营者可以借助现代信息技术和计算机算法。

首先，运营者可以使用现代GPS 设备和卫星定位系统，收集公交车的位置和运行数据。

其次，运营者可以利用数据挖掘和机器学习算法，对收集到的数据进行分析和预测，以确定最佳的调度策略。

最后，运营者可以借助智能交通系统和实时调度软件，将优化后的调度策略实施到实际运营中。

然而，基于GPS的公交实时调度也面临一些挑战和难题。

首先，数据的准确性和可靠性是一个重要问题。

基于公交卡刷卡控制设备的乘车时间预测研究

基于公交卡刷卡控制设备的乘车时间预测研究乘车时间是乘坐公交车的乘客普遍关注的问题之一。

公交车作为城市公共交通的重要组成部分，往往需要乘客提前做好时间规划，以便能够按时到达目的地。

基于公交卡刷卡控制设备的乘车时间预测研究，就是利用刷卡记录和相关数据，对乘车时间进行分析和预测，以提供乘客更准确的时间估计。

公交卡刷卡控制设备充当着公交车上的一道"门禁"，记录着乘客进出公交车的时间和刷卡信息。

通过收集这些数据，我们可以建立一个可靠的预测模型，帮助乘客预测乘车时间。

这项研究对于提升公交出行体验、减少等待时间和提高运输效率至关重要。

首先，乘车时间预测需要充分利用刷卡记录和相关数据。

当乘客刷卡进入公交车时，系统记录下刷卡时间和车辆编号等信息。

通过对大量刷卡数据的分析，可以得出不同时间段不同线路的平均乘车时间。

同时，还可以考虑其他因素，如天气、交通状况等，以更准确地预测乘车时间。

其次，乘车时间预测可以采用机器学习和数据挖掘的方法。

通过利用历史数据，可以训练出一个预测模型，根据不同的因素来预测乘车时间。

例如，可以使用回归模型、决策树或神经网络等算法，建立起乘车时间与相关因素之间的关联。

这样，当有新的数据进来时，就可以通过预测模型来预测乘车时间。

另外，定时更新模型也是提高预测准确性的关键。

随着时间的推移，交通状况和乘客的刷卡行为可能会发生变化。

因此，定期重新训练和优化预测模型是必要的。

通过在模型中引入实时数据，可以提高乘车时间预测的准确性。

此外，对于乘车时间预测研究来说，数据的保护和隐私也是需要重视的问题。

公交卡刷卡控制设备记录了大量的个人数据，如乘客的刷卡时间、起点和终点等信息。

在进行数据分析和处理时，需要遵守相关的法律法规，并采取有效的安全措施，确保数据的隐私和安全。

乘车时间预测的研究意义重大。

对于乘客来说，可以提前规划出行时间，减少等待时间，提高出行效率。

对于公交运营方来说，可以根据预测结果，合理安排车辆运行计划，提高公交运输的准点率和服务质量。

公交客流实时分析与短时预测研究的开题报告

公交客流实时分析与短时预测研究的开题报告一、研究背景及意义在城市化进程不断加速的背景下，公共交通成为解决城市交通问题的重要途径。

但随着城市人口的增加和交通需求的不断扩大，公交车辆在高峰时段的运力已逐渐难以满足市民出行需求，同时也带来了更多的交通拥堵和乘客拥挤的问题。

因此，准确地预测公交车辆客流量，并合理指导公交组织与调度工作显得尤为重要。

目前，随着大数据技术的逐步成熟，基于公交车辆 GPS 信息和公交IC 卡刷卡数据的公交客流分析成为可能。

通过对公交车辆运行轨迹、站点到站时间、换乘转移情况等各方面数据的综合分析，可以实现对公交车辆客流实时监控、预测和调度，进而提高公交服务的质量和效率。

因此，本文将研究公交客流实时分析与短时预测技术，探讨公交客流的时空变化规律，建立客流预测模型，提高公交车辆的满载率，促进城市公共交通更好地为市民服务。

二、研究内容1.公交客流数据采集技术包括公交车辆 GPS 信息、公交 IC 卡刷卡数据、乘客上下车数据等的采集与处理方法，同时对采集数据的有效性和准确性进行考察。

2.公交客流实时分析技术对公交车辆运行轨迹、站点到站时间、乘客换乘转移情况等进行分析，构建公交客流时空变化规律分析模型，提取出公交客流集中和稀少的区域和时间，为下一步的预测工作奠定基础。

3.公交客流短时预测技术根据历史客流数据和实时客流情况，建立公交客流量短时预测模型，预测未来某个时间段内各公交站点的客流量，并基于预测结果进行公交车辆的调度和组织。

4.公交客流优化调度策略根据研究所得到的客流数据及其预测结果，针对公交车辆的调度策略进行优化，提高车辆的运营效率，在不降低公交服务质量的基础上，促进公交服务更加智能化和便捷化。

三、预期研究成果和应用意义通过本研究，预期实现以下成果：1.实现对公交客流实时监控和预测，优化公交车辆调度，提高公交服务效率和质量。

2.探究公交客流的时空变化规律，为公交调度及组织提供科学依据。

基于公交IC卡和GPS数据的乘客上下车站点研究

ｐｉｎｇｙｂｃｏｍｐａｎｉｏｎｓ，ｉｔｉｍｐｒｏｖｄｅｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｅｃｍｈａｎｉｓｍｆｏｒｌａｎｄｉｎｇｓｔａｔｉｏｎ；ｉｆｎａｌｌｙ，ｉｔｃｏｎｄｕｃｔｅｄ
导乘客上下车站点的判别方法。通过充分挖掘两类公交数据中的信息，考虑乘客刷卡滞后的情况，采用相邻站点进站时间与刷卡时间匹配的方法识别上车站点；同时考虑到同行人员代刷卡行为，改进了下车站点的判断机理；最后结合成都市公交ｌＣ卡和ＧＰＳ数据进行实例分析，结果表明所采用的判别方法上车站点识别率较高，下车站点
Ｒ（），ｓＩｌ（
公ｌ路运ｌ输
基于公交ＩＣ卡和ＧＰＳ数据的乘客上下车站点研究
秦政
６１００３１）（西南交通大学交通运输与物流学院，四川成都
摘Байду номын сангаас
要：文章通过对公交ｌＣ卡和ＧＰＳ数据的分析，给出了利用ＩＣ卡和ＧＰＳ数据推
ｔｈｅａｓｃｅａｎａｌｙｓｉｓｉｎｃｏｍｂｉｎａｔｉｏｎｉｔｗｈＣｈｅｎｇｄｕｂｕｓＩＣｃａｒｄａｎｄＧＰＳｄａｔａ，ｔｈｅｒｅｓｕｌ￣ｓｈｏｗｅｄｔｈａｔｔｈｅ

基于GPS的公交车辆到达时间预测技术研究的开题报告

基于GPS的公交车辆到达时间预测技术研究的开题报告一、研究背景随着城市公交系统的发展和完善，公交车成为人们出行的不可或缺的方式。

但是，公交车的到达时间对于乘客来说是一个无法控制的因素。

如果能够准确地预测公交车的到达时间，对于乘客来说将会更加方便，准确。

目前，公交车到达时间预测的方法主要有两种，一种是基于时间表的预测，即预测公交车按照时间表行驶所需要的时间，但是时间表预测容易受到交通状况和天气等外界因素的影响，可能产生较大偏差；另一种是基于实时定位数据的预测，即通过GPS等技术获取公交车的当前位置和速度等实时数据，结合历史数据进行预测，这种方法可以更准确地预测公交车的到达时间。

二、研究目的本研究旨在开发一种基于GPS的公交车辆到达时间预测技术，通过对实时定位数据和历史数据进行分析和处理，建立公交车到达时间的预测模型，准确预测公交车到站的时间，提高公交效率，方便乘客出行。

三、研究内容及方法1. 收集公交车实时定位数据并建立实时监控系统2. 统计和分析历史数据，包括公交车的发车时间、到达时间、速度等数据3. 建立预测模型，包括时间序列模型、机器学习模型等4. 对模型进行测试和优化，评估预测效果四、预期研究成果本研究将设计和实现一个基于GPS的公交车辆到达时间预测系统，提供准确的公交车到达时间预测服务，通过自动化的方式实现公交车的高效运营，提高公交车的使用效率，降低公交出行的成本和时间。

同时也将为其他相关领域的研究提供思路和参考。

五、研究意义随着城市化的不断推进，人流、物流的交通方式越来越复杂，公交车成为了一种重要的出行方式。

本研究将利用先进的技术手段，为公交车运营提供可靠的辅助，实现公交运营效率、服务质量的提升，为人们提供便利的出行服务，进一步推进城市交通的智能化发展。

基于公交APP用户数据的公交乘客候车时间计算方法[发明专利]

专利名称：基于公交APP用户数据的公交乘客候车时间计算方法
专利类型：发明专利
发明人：何兆成,钟嘉明
申请号：CN201711176844.1
申请日：20171122
公开号：CN107944700A
公开日：
20180420
专利内容由知识产权出版社提供
摘要：本发明利用实时公交App中海量的用户数据，通过时间关联的方法，构建公交信息查询链，并结合数据挖掘的方法，从中发现用户在公交出行中的节点时刻，如规划公交出行时刻、到站时刻和离站时刻，依此计算该用户候车时间。

对于无法计算候车时间的不完整公交信息查询链，如无法识别或缺失到站行为或离站行为等记录，则利用与其相似的完整公交信息查询链，采取随机森林算法对缺失的行为记录进行修补，最终实现候车时间的计算。

申请人：中山大学
地址：510275 广东省广州市海珠区新港西路135号
国籍：CN
代理机构：广州粤高专利商标代理有限公司
代理人：林丽明
更多信息请下载全文后查看。

基于大数据的公交车站候车时间预测模型研究

基于大数据的公交车站候车时间预测模型研究随着城市化进程的不断加速，越来越多的人选择乘坐公交车出行。

然而，乘坐公交车所面临的一个常见问题就是候车时间的不确定性，这给乘客的出行带来了一定的困扰。

为了解决这一问题，研究人员开始探索基于大数据的公交车站候车时间预测模型。

大数据的出现为公交车站候车时间预测提供了丰富的数据来源。

通过收集公交车的GPS定位数据、公交车站的摄像头数据、乘客的刷卡数据等，可以获取大量的实时数据。

这些数据在经过处理和分析后，可以用来构建公交车站候车时间预测模型。

首先，通过对公交车的GPS定位数据进行分析，可以得到公交车的运行速度和到站时间。

同时，结合公交车站的摄像头数据，还可以获得站台上的乘客数量和到站车辆的车型等信息。

这些数据可以用来建立公交车站的运行模型，提供准确的到站时间预测。

其次，通过对乘客的刷卡数据进行分析，可以了解到乘客在不同时间段的分布情况。

例如，早上上班高峰期和下班高峰期，往往是人流量最大的时候。

通过分析这些数据，可以预测不同时间段的候车时间，提前安排公交车的发车间隔，以减少候车时间的不确定性。

此外，通过分析历史数据，可以发现一些规律，例如特定日期（如节假日）和特定事件（如演唱会）对公交车站的候车时间有较大影响。

根据这些规律，可以进行精细化的预测和调度，提供更好的服务质量。

在建立公交车站候车时间预测模型时，还需要考虑一些因素，例如天气、交通状况等。

天气因素可以通过天气预报数据来获取，交通状况可以通过实时路况数据来分析。

这些因素对公交车站的候车时间有重要影响，因此需要纳入模型中进行综合考虑。

基于大数据的公交车站候车时间预测模型的研究及应用可以提高公交出行的效率和便利性。

通过准确预测候车时间，乘客可以提前合理安排出行时间，避免长时间的等待。

同时，公交运营方也可以根据预测结果进行合理的调度，提高运输效率和服务质量。

然而，要建立一个准确可靠的公交车站候车时间预测模型，仍然面临一些挑战。

融合公交GPS与IC卡数据的乘客下车点推算模型研究及应用

融合公交GPS与IC卡数据的乘客下车点推算模型研究及应用周晨阳张国栋文舜智刘川欧阳锦灿（浙江数智交院科技股份有限公司，浙江杭州 310030）摘要：公交是县城公共交通系统的重要组成部分，县城公交下车点推算研究对县城公交系统规划与调度具有重要意义。

文章基于浙江省某县2020年9—11月公交GPS和IC卡数据进行县城下车点推算及结果分析。

考虑县城居民公交出行链与活动模式较明确的特点，采用基于规则的方法推算下车点，通过融合时空信息和概率方法推算得到该县公交OD矩阵，从站点OD量、运距、客流等维度对县城公交出行特征展开分析，并通过两个相似的其他县城对分析结果进行验证。

研究表明，该下车点推算方法适用于县城公交，得到的站点OD、运距和客流等结果具备县城公交的一般特征和规律。

关键词：公共交通；县城公共交通系统；下车点推测；交通大数据中图分类号：U491.17文献标识码：A文章编号：2096-1936（2023）09-0006-04 DOI：10.19301/ki.zncs.2023.09.002公共汽车作为县城公交系统的重要组成部分，对公交GPS和IC卡数据进行研究得到乘客出行的需求与规律，为公交线路规划调整、运营管理提供数据支撑[1-3]。

推测公交下车点可以了解公共交通需求变化特征。

针对公交下车点推算的研究较多。

Farzin[4]通过整合公交GPS数据估算乘客出行的上下车位置，构建区域公交OD矩阵。

Vu等[5]构建了一个用于用户聚类和目的地预测的朴素贝叶斯分类器。

Chen等[6]利用智能卡数据比较了伦敦、北京和新加坡的异质性和多样性，讨论不同时空尺度的变化。

Eh等[7]从城市、分析方法、输出结果等方面对使用IC卡数据估计公共交通OD进行了综述。

Yan等[8]通过制定往返、换乘原则识别出行的用户，利用朴素贝叶斯分类器完成下车点识别。

综上所述，公交下车点推断主要有两种识别方法：一是基于出行链，该方法逻辑简单，适用于小样本且具有明确应用场景的数据；二是基于机器学习，需要有大量数据支撑，适用于出行链规则不明确的应用场景。

基于公交GPS到站时间预测的算法研究分析

基于公交GPS到站时间预测的算法研究分析发布时间：2023-03-07T03:32:06.984Z 来源：《中国科技信息》2022年19期第10月作者：杨勇余婷[导读] 公交行业运行数据具有一定的波动性，并呈现出一定的非线性变化趋势杨勇余婷安徽交欣科技股份有限公司230041摘要：公交行业运行数据具有一定的波动性，并呈现出一定的非线性变化趋势，在大数据背景下，采用基于GPS计算的多区域公交车辆预计到达时间算法来构建公交到站时间预测模型具有较好的可行性，且通过考虑多区域多变量预测模型的预测精度要大于仅考虑一块区域一种变量的预测模型，从而更好的解决公交到站时间预测的滞后性、存在极值和随机性的问题；分区域预测模型将会优于传统的公交预测到达时间模型，面对多区域内车辆线路联通较多时，对于计算公交到达时间精度也相对较高。

关键词：公共交通；分区域预测模型；公交到站预测1.引言准确的公交到站时间预测是当下提升公交吸引力的关键技术之一，21 世纪以来，我国大力倡导绿色交通，坚持可持续发展战略在我国各个领域持续推进。

城市现代化的发展，汽车保有量快速上升，车多路少，交通拥堵，交通事故率增长，环境污染，能源的损耗，方便、快捷、安全、高效的公共交通方式就成为缓解交通问题的主要手段。

公共汽车凭借其低价、便捷、覆盖面广、公交线路多等优点而颇具吸引力。

然而，公交车辆到站时间是绝大多数选择公交出行者最为关心内容之一，为出行者提供预测准确性高的公交车到站时间信息，成为提升公交线路运营管理水平，影响公交吸引力的主要因素。

2.国内外研究现状国内外学者对公交车辆到站时间的预测进行了研究。

Cheng 和 Liu 等人利用历史数据，开发了一组预测到站终点的公交到站模型，通过实验证明该模型可以用于估计公交到站时间且较为准确。

但由于实际生活中公交车辆的运营环境十分复杂，存在很多随机干扰因素( 如天气变化，交通拥堵以及客流的变化等) ，利用历史数据来保证静态的最优结果十分困难。