一种利用公交ic卡预测公交到站时间的方法
【技术领域】
[0001] 本发明属于交通运输技术领域。可通过1C卡记录的乘客刷卡信息准确的预测公 交到站时间。
【背景技术】
[0002] 公共交通发展的关键在于提高公交服务水平，实时准确的公交到站信息不仅能够 减少乘客的等待时间，方便乘客合理安排出行，也对公交运营者的合理决策、智能调度提供 保障。我国的公交到站时间预测主要采用公交车辆GPS设备的实时传输，虽然GPS定位精 度高，但由于设备所需费用较大，普及性较低，短时间内还无法全面覆盖各公交线路实现公 交到站时间的实时预测。
[0003] 目前利用公交1C卡预测公交到站时间的方法，通常采用1C卡中记录的下车刷卡 时间求平均值。由于乘客在下车前通常选择提前刷卡，且提前的时间与车辆运行速度和车 上拥挤程度等因素密切相关，因此，当刷卡人数较少时，该方法受到刷卡时间异常值的影响 较大，且难以针对不同公交线路准确地预测到站时间，造成计算的精度较低。
【发明内容】
[0004] 针对传统利用公交1C卡预测公交到站时间存在的问题，本发明综合考虑车型、站 点上下车人数、运营时间等因素进行分析，为利用公交1C卡准确预测公交到站时间提供解 决思路。方法如下：
[0005] 通过人工调查记录车辆准确的到站时间，与公交1C卡记录的数据进行配对，配对 后的数据包含公交线路编号、车辆编号、车辆到站时间、公交1C卡刷卡时间和站点上下车 人数。根据对相邻刷卡时间间隔分布规律的分析，确定判定有效刷卡时间的阈值，针对不同 站点的刷卡数据准确预测公交到站时间。具体方法和步骤如下：
[0006] 步骤1 :通过对公交车辆在高峰、平峰和节假日时段的车辆到站时间进行调查，构 建不同运行时段车辆到站时间序列，其中m为公交线路编号，η为车辆编 号，k为车辆运营班次，Κ··<分别表不第一个站点、第二个站点...第h个站点的到站 时间子序列。
[0007] 步骤2 :提取覆盖目标线路运行时间的所有公交1C卡刷卡时间构成序列
分别表示第一个站点、第二个站点..·第i2个站 点的刷卡时间子序列；站点上车人数序列
和站点下车人数序列 毛,》,^(气，气·..气[，设t为公交车站点编号，&i3，&V.力〃分别表不第一个站点、第二个站 点...第13个站点的上车人数子序列；气，气··气分别表示第一个站点、第二个站点...第 14个站点的编号子序列；
[0008] 步骤3:在提取的所有序列中，利用公交线路编号、车辆编号和车辆运营班次，将 车辆到站时间序列為《,^获11，^1.41}和公交1(：卡刷卡时间序列心", (^{*^，\-气}、站点上 车人数序列、站点下车人数序列4%山{气，气一气}进行配对，得到配 对后的序列，+，该序列包括车辆到站时间、公交1C卡刷卡时间和站点上 下车人数，分别表示配对后的子序列。
[0009] 步骤4 :将序列5^,,』/忱2，心2-3;2}按时间先后顺序排序，并计算相同车辆在同一 站点相邻两个刷卡时间的时间间隔Sl。设△ ^是判断是否为剔除异常值后的有效刷卡时间 的阈值，通过分析相邻有效刷卡时间差的分布规律，确定判断有效刷卡时间差的阈值At2。 j为满足条件Sl<At2的刷卡记录个数。公交1C卡刷卡时间与车辆到站时间之间的差值 为T，最大差值为1~_。
[0010] t= 1为车辆运行的始发站，当t> 1时，若i2< 2,公交车到站时间/^ (f)的计算 方法为：
[0011]
[0012] 式中，d(d= 1，2,3……）为刷卡日期，p(p= 1，2,3……）为运行时间段；
[0013]若i2 > 2，j< 3，〇)的计算方法为：
[0014]
[0015] 式中，乂为车上乘客人数N和座位数m的比值。
[0016] 若i2> 2,j彡3，/?⑴的计算方法为：
[0017]
[0018] 式中，t是最后一条刷卡时间记录；
[0019] 本发明具有以下有益效果：
[0020] 该发明的基础数据来源于公交1C卡数据，相对于GPS检测数据等，1C卡的使用更 为普及。1C卡数据的获取无需另外布置采集设备，具有费用低廉，覆盖范围广，数据量大的 特点。相比传统用刷卡平均时间预测到站时间的方法，该发明综合考虑车型、运行时间、车 内拥挤程度和下车刷卡人数等指标，能够根据不同车型和道路状况准确地预测公交到站时 间，减少乘客的等车时间，同时为公交的实时信息发布提供数据及技术支持。
【附图说明】
[0021] 图1公交到站时间预测流程图
[0022] 图2. 1相邻有效刷卡时间差分布直方图
[0023] 图2. 2不大于20s的相邻有效刷卡时间差分布直方图
[0024]图 3.Ι?^-rt关系图
[0025] 图 3. 2T_-j关系图
【具体实施方式】
[0026] 下面结合附图对本发明详细描述其具体实施过程。通过2015年4月15日-21 日对北京市52路、486路公交车在高峰、平峰和节假日时段的车辆到站时间进行调查，得到 180组车辆到站时间数据，与提取的446组覆盖目标线路运行时间的所有公交1C卡刷卡时 间进行配对，用来计算相邻刷卡时间的时间差以及车辆到站时间与刷卡时间的差值，通过 分析乘客的刷卡规律，准确预测车辆的到站时间。
[0027] 步骤1 :通过人工调查获得公交车辆的准确到站时间，按时间先后顺序排列如表1 所示。
[0028] 表1公交车辆到站时间统计表
[0029]
[0031] 步骤2 :提取覆盖目标线路运行时段内的公交1C卡刷卡时间，按时间排序如表2 所示。
[0032] 表2乘客下车刷卡时间统计表
[0033]
[0034] 同时提取目标线路运行时段内的站点上下车客流量，如表3所示。
[0035] 表3公交站点上下车客流量统计表
[0036]
[0037] 步骤3:利用公交线路编号、车辆编号和车辆运营班次，在提取的所有序列中，将 车辆到站时间、公交1C卡刷卡时间、站点上车人数和站点下车人数进行配对，配对后的数 据如表4所示。
[0038] 表4公交1C卡与人工调查数据配对表
[0039]
[0041] 步骤4 :计算相同车辆在同一站点相邻两个刷卡时间的时间间隔，时间间隔不大 于72s的刷卡时间定为有效刷卡时间。通过分析相邻有效刷卡时间差的分布规律，图2. 1 显示刷卡时间间隔81在0-20s的数量达到257个，占样本量的66%，图2. 2表明在l-5s， Sl的数量都在20个以上，但是从第6s开始，si的数量急速下降到10个以下，因此，确定5s 为判断判断聚类刷卡个数的阈值。
[0042] 当i2>