一种公交车到站时间预测方法与流程

本发明涉及智能交通技术领域，更具体的说，是涉及一种公交车到站时间预测方法。

背景技术：

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的城市中实现，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等。而由于公交的行程时间受道路交通流、交叉口信号控制以及上下客流等因素的影响，站与站之间的行程时间是一个难以预测的不定值。

目前对于公交车到站时间的预测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老估计公交行程时间，从而根据公交发车时间推算各站的公交到站时间；动态预测是根据公交车辆的实时GPS数据通过多项式拟合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。但静态预测方法很难适应复杂多变的道路交通状态；而动态预测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，预测的准确度和实时性较差。

技术实现要素：

有鉴于此，本发明提供了一种公交车到站时间预测方法，以解决现有技术中静态预测方法无法适应复杂路况的情况，以及动态预测方法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，预测的准确度和实时性较差的问题。

为实现上述目的，本发明提供如下技术方案：

一种车辆到站时间预测方法，包括：

获取车辆线路及站点基础数据、车辆GPS数据以及车辆GPS实时数据；

根据所述车辆线路及站点基础数据提取车辆线路轨迹；

将所述车辆GPS数据与所述车辆线路轨迹匹配所述车辆所在线路；

依据所述车辆GPS实时数据对所述车辆进行实时位置确定；

对车辆在线路上的行驶行为进行判断，根据判断结果进行所述车辆的到站时间预测，所述对车辆在线路上的行驶行为进行判断具体包括：上下行判断和折返判断。

优选的，在所述获取车辆线路及站点基础数据、车辆GPS数据以及车辆GPS实时数据之前，还包括：

对车辆线路数据进行预处理。

其中，所述对车辆线路数据进行预处理步骤，具体包括：

在车辆系统接入的原始数据基础上，依据现有道路地图，结合车辆运行GPS历史数据，根据GPS轨迹描绘或添加路链，所述路链根据路口划分，所有路链组成了该条线路的运行轨迹，将所述路链的首尾端点设为采样点；

根据GPS聚集点对站点位置进行校正，将站点位置修正到匹配所述GPS聚焦点。

其中，所述将所述车辆GPS数据与所述车辆线路轨迹匹配所述车辆所在线路，包括：

根据实时采集的车辆GPS点的线路号和线路上下行判断，获取所述路线所有采样点按经度大小进行排序后的列表；

从所述列表中找出距离当前车辆GPS点经度前后预设距离的所有采样点；

对获取得到的所述采样点进行点到点的距离计算，计算车辆GPS点到所述采样点的距离，取出距离最近的采样点为匹配采样点；

根据车辆GPS点的投影距离，判断车辆GPS点在所匹配的采样点的位置。

其中，所述上下行判断具体为：

预设T₂为当前公交车GPS点的时间戳，T₁为上一次接收到的同一辆车GPS点的时间戳，只有当T₂>T₁时，视为正常的GPS信息；

预设S_now为在上行线路中，根据当前GPS点匹配到的采样点，S_pre为在上行线路中，根据上一次GPS点匹配到的采样点；X_now为在下行线路中，根据当前公交车GPS点匹配到的采样点，X_pre为在下行线路中，根据上一次GPS点匹配到的采样点；

当满足S_pre的序号小于S_now，并且X_pre的序号大于或等于X_now，则为上行；当满足X_pre的序号小于X_now，并且S_pre的序号大于或等于S_now，则为下行。

其中，所述根据判断结果进行所述车辆的到站时间预测具体包括：

根据所述上下行判断和所述折返判断确定车辆的路链长度；

根据车辆GPS数据获取当前路况信息，包括当前车辆运行速度以及路链速度，根据所述路链速度及所述路链长度预测车辆到站时间。

其中，所述根据车辆GPS数据获取当前路况信息具体包括：

在每接收一个GPS数据后，经过对所述采样点匹配，将匹配到的采样点放入到车辆横向速度队列；

在计算当前车辆运行速度时，取出所述队列中采样点，并去掉无效采样点，对于所述队列中的有效采样点，计算其经过的行驶距离d_is，以及经过的时间T_e-T_s，其中，T_s为第一个有效采样点的时间，T_e为最后一个有效采样点的时间，则此时车辆i的当前运行速度为：v_i＝d_is/(T_e-T_s)；

为线路上每条路链建立一个纵向速度队列；

在获取当前车辆运行速度时，提取出该车辆经过的路链列表，并将当前车辆运行速度添加到该车辆经过的每个路链的纵向速度队列中；

每当计算出某辆车的当前车辆运行速度后，将该速度值加入到路链的纵向速度队列中；

假设路链的纵向速度队列中存储了n个最近经过该路链的车辆速度，则路链速度为：

其中，所述根据所述路链速度及所述路链长度预测车辆到站时间步骤，具体包括：

将待预测车辆的GPS点投影到采样点，获取当前采样点距离下一站的距离以及间隔的路链信息；

假设中间通过n个路链，各路链长度为L_i(i＝1…n)，且当前车辆GPS点的位置距离路链尾的距离为L_now，则当前车辆GPS点距离下一站的距离为：

各路链的路链速度为v_i(i＝1…n)，V_now为车辆当前所在路链的速度，则到下一站的时间预测为：

经由上述的技术方案可知，与现有技术相比，本发明公开了一种公交车到站时间预测方法，获取车辆线路及站点基础数据、车辆GPS数据以及车辆GPS实时数据；根据所述车辆线路及站点基础数据提取车辆线路轨迹；将所述车辆GPS数据与所述车辆线路轨迹匹配所述车辆所在线路；依据所述车辆GPS实时数据对所述车辆进行实时位置确定；对车辆在线路上的行驶行为进行判断，根据判断结果进行所述车辆的到站时间预测。本发明通过车辆定位提取线路轨迹以及线路匹配，且通过预测到站算法计算车辆速度和到站距离进而计算车辆到达下一站的时间，实时实用的将车辆动态信息发布至乘客信息服务平台，提供到站时间预测数据，提高车辆到站时间预测的准确度和实时性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种车辆到站时间预测方法流程示意图；

图2为本发明实施例将点投影到路链上的原理示意图；

图3为本发明实施例将车辆GPS点匹配到线路上的原理示意图；

图4为本发明实施例计算当前路况信息的原理示意图；

图5为本发明实施例预测公交到站时间的原理示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅附图1，图1为本发明实施例提供的一种车辆到站时间预测方法流程示意图。如图1所示，本发明实施例公开了一种车辆到站时间预测方法，该方法具体步骤包括如下：

S101、获取车辆线路及站点基础数据、车辆GPS数据以及车辆GPS实时数据。

对于车辆系统接入的基础数据包括线路号、站点位置、GPS数据等，由于其缺少线路数据，为了满足到站预测的需求，需要在基础数据的基础上，依据现有道路地图，结合车辆运行GPS历史数据，根据GPS轨迹描绘或添加路链，路链通常根据路口划分，所有路链组成了该条线路的运行轨迹，将路链首尾端设置为采样点。

S102、根据车辆线路及站点基础数据提取车辆线路轨迹。

S103、将车辆GPS数据与车辆线路轨迹匹配车辆所在线路。

具体的，该步骤包括：

根据实时采集的车辆GPS点的线路号和线路上下行判断，获取所述路线所有采样点按经度大小进行排序后的列表；

从所述列表中找出距离当前车辆GPS点经度前后预设距离的所有采样点；

对获取得到的所述采样点进行点到点的距离计算，计算车辆GPS点到所述采样点的距离，取出距离最近的采样点为匹配采样点；

根据车辆GPS点的投影距离，判断车辆GPS点在所匹配的采样点的位置。

需要说明的是，首先，根据实时采集的公交车GPS点的线路号和线路上下行，获取该线路所有采样点按经度大小进行排序后的列表；其次，采用二分查找法，从列表中找出距离当前公交车GPS点经度前后100米的所有采样点；最后，对找出的采样点再进行点到点的距离计算，计算公交车GPS点到采样点的距离，取出距离最近的采样点为匹配采样点，如图3所示(其中，×为采样点)。

当找出公交车GPS点所匹配的采样点后，并不能确定其是在采样点前还是后，在进行下一站判断时，需要判断出GPS点在站点对应采样点的前后。如图2所示，S₂为GPS点匹配的采样点，挑选出S₂前后两个采样点S₁和S₃组成线段S₁S₂和S₂S₃，将GPS点投影到两线段上求最短距离，判断GPS是在采样点前还是在后。

S104、依据车辆GPS实时数据对车辆进行实时位置确定。

S105、对车辆在线路上的行驶行为进行判断，根据判断结果进行车辆的到站时间预测，对车辆在线路上的行驶行为进行判断具体包括：上下行判断和折返判断。

具体的，所述上下行判断具体为：

预设T₂为当前公交车GPS点的时间戳，T₁为上一次接收到的同一辆车GPS点的时间戳，只有当T₂>T₁时，视为正常的GPS信息；

预设S_now为在上行线路中，根据当前GPS点匹配到的采样点，S_pre为在上行线路中，根据上一次GPS点匹配到的采样点；X_now为在下行线路中，根据当前公交车GPS点匹配到的采样点，X_pre为在下行线路中，根据上一次GPS点匹配到的采样点；

当满足S_pre的序号小于S_now，并且X_pre的序号大于或等于X_now，则为上行；当满足X_pre的序号小于X_now，并且S_pre的序号大于或等于S_now，则为下行。

具体的，所述折返判断具体为：

由于运营线路存在单方向，同一路链往返运营行驶的情况，需要折返算汉模块对车辆状态处理，使预测更精准。

主要功能有：折返区域标识：按线路名称及方向，对折返区域进行特定标识；折返处理：按照折返逻辑对车辆实现准确的预测。

具体的，在所述获取车辆线路及站点基础数据、车辆GPS数据以及车辆GPS实时数据之前，还包括步骤：

对车辆线路数据进行预处理。

具体的，对车辆线路数据进行预处理包括如下步骤：

在车辆系统接入的原始数据基础上，依据现有道路地图，结合车辆运行GPS历史数据，根据GPS轨迹描绘或添加路链，所述路链根据路口划分，所有路链组成了该条线路的运行轨迹，将所述路链的首尾端点设为采样点。

根据GPS聚集点对站点位置进行校正，将站点位置修正到匹配所述GPS聚焦点。

考虑到原始站点位置信息与实际停靠位置有偏差，为了进一步提高预测的准确率，需要根据GPS聚集点，对站点位置进行校正，将站点位置修正到匹配GPS聚焦点。

如图3所示，ABCD为一条线路上的三条路链，S为站点所在位置，S₁和S₂为站点在不同路链上的投影，d₁和d₂为站点到路链的距离。在添加采样点时，比对d₁和d₂，选择离路链较近的投影点作为采样点加入路链中，如图3，d₁<d₂，则添加S₁做为采样点。

由于部分路链采样点稀少，会造成匹配时有较大偏差，为了提高GPS点匹配的精度，则需要在路链上添加采样点。添加采样点的原则是：当一条路链上有两采样点间距离大于15m，则在两采样点间添加点。

假设A、B为路链上相邻的采样点，且距离d_AB>15，则在两点间需要添加n＝[d_AB/15]个采样点S₁，S₂…S_n，且满足

增加采样点后，需要计算采样点到路链首尾距离以及到下一站的距离，作为采样点的属性存储。最后输出由线路及站点数据、采样点数据、路链数据、站点及所属路链数据构成的公交基础数据。

具体的，所述根据判断结果进行所述车辆的到站时间预测具体包括：

根据所述上下行判断和所述折返判断确定车辆的路链长度；

根据车辆GPS数据获取当前路况信息，包括当前车辆运行速度以及路链速度，根据所述路链速度及所述路链长度预测车辆到站时间。

具体的，所述根据车辆GPS数据获取当前路况信息具体包括：

在每接收一个GPS数据后，经过对所述采样点匹配，将匹配到的采样点放入到车辆横向速度队列。

如图4所示，在计算当前车辆运行速度时，取出所述队列中采样点，并去掉无效采样点，对于所述队列中的有效采样点，计算其经过的行驶距离d_is，以及经过的时间T_e-T_s，其中，T_s为第一个有效采样点的时间，T_e为最后一个有效采样点的时间，则此时车辆i的当前运行速度为：v_i＝d_is/(T_e-T_s)。

当前车辆运行速度定义为当前3分钟(当前时刻向前推3分钟)的车辆平均速度。如图4所示，每当接收一个GPS数据后，经过采样点匹配，将匹配到的采样点放入车辆横向速度队列(队列长度为9，约为3分钟)。在计算车辆当前速度时，首先取出队列中采样点，去除无效采样点(如后一GPS时间小于前一GPS时间、后一GPS匹配的采样点序号小于前一GPS采样点序号等采样点)，如图4(a)中横向速度队列里的采样点1～2为无效采样点，不纳入计算。对于队列中有效的采样点，计算器经过的距离d_is，以及经过的时间T_e-T_s，其中，T_s为第一个有效采样点的时间，T_e为最后一个有效采样点的时间，从而计算出车辆在3分钟内的平均车速，即车辆当前速度。

假设路链的纵向速度队列中存储了n个最近经过该路链的车辆速度，则路链速度为：

路链速度定义为经过一条路链的最近n辆车的平均速度。为线路上每条路链建立一个纵向速度队列；在获取当前车辆运行速度时，提取出该车辆经过的路链列表，并将当前车辆运行速度添加到该车辆经过的每个路链的纵向速度队列中。如图4(b)所示，路链的纵向速度队列中，存储了最近4辆车经过此路链的车辆的速度，则路链速度为

具体的，所述根据所述路链速度及所述路链长度预测车辆到站时间步骤，具体包括：

将待预测车辆的GPS点投影到采样点，获取当前采样点距离下一站的距离以及间隔的路链信息。

假设中间通过n个路链，各路链长度为L_i(i＝1…n)，且当前车辆GPS点的位置距离路链尾的距离为L_now，则当前车辆GPS点距离下一站的距离为：

如图5所示，待预测车辆车距离下一站间隔的路链尾路链1和路链2，则到下一站的距离为L_now+L₁+L₂。各路链的路链速度已知，为v_i(i＝1…n)，V_now为车辆当前所在路链的速度，则到下一站的时间预测为：

综上所述，本发明公开了一种公交车到站时间预测方法，获取车辆线路及站点基础数据、车辆GPS数据以及车辆GPS实时数据；根据所述车辆线路及站点基础数据提取车辆线路轨迹；将所述车辆GPS数据与所述车辆线路轨迹匹配所述车辆所在线路；依据所述车辆GPS实时数据对所述车辆进行实时位置确定；对车辆在线路上的行驶行为进行判断，根据判断结果进行所述车辆的到站时间预测。本发明通过车辆定位提取线路轨迹以及线路匹配，且通过预测到站算法计算车辆速度和到站距离进而计算车辆到达下一站的时间，实时实用的将车辆动态信息发布至乘客信息服务平台，提供到站时间预测数据，提高车辆到站时间预测的准确度和实时性。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

以上结合附图对本发明所提出的示例性描述，以上实施例的说明只是用于帮助理解本发明的核心思想。对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，如前后桥都有电机参与驱动的混合动力系统等。综上所述，本说明书内容不应理解为对本发明的限制。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。