CN105206040A - 一种基于ic卡数据的公交串车预测方法 - Google Patents

Abstract

本发明公开了一种基于IC卡数据的公交串车预测方法，属于公共交通信息处理技术领域。所述预测方法包括公交车IC卡数据采集、数据处理、实际公交串车情况检测、训练学习数据和公交串车预测，其中公交串车预测采用最小二乘支持向量机(LS-SVM)算法。本发明结合公交IC卡数据，针对多辆车次，提取大量的乘客信息，不需要车载GPS系统，方便快捷，降低了数据处理成本；同时采用最小二乘支持向量机方法能够更好更快更有效地实现公交串车预测，使乘客能够更好地了解公交运行情况，合理调控出行时间，使公交运营部门也能够及时调整公交发车间隔，提升公交服务水平；本发明处理数据简单，成本低，且有较高预测精度。

Description

一种基于IC卡数据的公交串车预测方法

技术领域

本发明涉及公共交通信息处理技术领域，具体地说是一种基于IC卡数据的公交串车预测方法。

背景技术

在实际的公交运营过程中，由于交通拥堵、站点停靠时间和上下车人数的变化等因素影响，公交车辆的到站并不规律。特别是高峰时段，乘客常常在公交站台等上十分钟或者更久都不见有一辆公交车来，而一旦来车了却发现来的不止是一辆车，而是若干辆车同时到达，并且车辆的载客量往往不均匀。降低了公交的服务水平，引发安全危害。

事实上，某辆公交车在某个站点的延误，可能会导致其到下一个站点的时间增加，同时造成下一个站点乘客量和等待时间的增加，进一步增加了该次公交车的延误时间。另一方面，下一车次的公交车承载的乘客量将会减少，同时减少了站点延误时间，缩短了与前车的时间间隔，这如同滚雪球效应，在之后的同一路线行走中，这两个公交车有很大可能在某一站点相遇。这种现象是公交串车现象。因此预测公交串车可以减少乘客等待时间，提高公交的服务水平，提升公交分担率。

近年来，在一些大城市(如江苏南京、浙江杭州等)的公交站点，已经出现对公交车辆到站的预测，而针对公交串车情况进行预测的文献非常少。但是目前的公交车辆到站预测均是结合车载GPS系统，而且只针对于一辆车，给出其距离站点的距离及预计到站时间。这虽然能给予公交乘客一定的参考，但是实际上，在高峰时段，道路拥堵情况严重，导致公交串车现象，造成后续车辆先于前车进站，使得预测出的公交到站时间与乘客实际等待时间不符，且车载GPS系统要求大的存储空间，定位精度低，我们需要探寻更好的方法来解决上述问题。

发明内容

针对上述问题，本发明提供一种充分考虑某一车次到达下游站点的各相关因素、具有实时动态性能的基于IC卡数据的公交串车高精度预测方法。本发明基于公交IC卡数据，从乘客角度出发，预测相邻两车的到站间隔及公交串车，能够更好地了解公交运行情况，合理调控出行时间，提高出行效率；同时对于公交运营部门来说，也能够及时调整公交发车间隔，避免公交串车情况发生，更好提升公交服务水平。

所述的一种基于IC卡数据的公交串车高精度预测方法，对同一个公交线路的两个相邻站点的多辆车次提取车次标识、线路标识、站点标识、到站时间和上下车客流量等信息。首先剔除两个站点的车次标识不对应的异常点，得到车次标识完全对应一致的数据，计算第二个站点按照第一个站点的车次顺序排列得到的车头时距，通过分析车头时距的正负来检测到达第二个站点实际的公交串车情况。若为正，说明没有发生串车，相反，若为负，说明发生了串车。然后要预测某一个车次到达第二个站点的公交串车情况，根据上述提取的线路标识、车次标识、到站时间和上下车客流量等数据，提取训练学习中每一天的小样本数据，包括两个站点的旅行时间、某一个车次在第一个站点的车头时距、某一车次和相邻上一车次分别在第一站点的上下车人数，以及相邻上一车次在第二个站点的上下车人数等信息，这些每一天的小样本数据组成一个大样本数据，根据所述的大样本数据建立预测模型，结合最小二乘支持向量机算法预测某一车次到达第二个站点的公交串车情况。

本发明的优点在于：

1、本发明结合公交IC卡数据，针对多辆车次，提取大量的乘客信息，不需要车载GPS系统，方便快捷，降低了数据处理成本；

2、本发明采用最小二乘支持向量机方法能够更好更快更有效地实现公交串车预测，使乘客能够更好地了解公交运行情况，合理调控出行时间；同时使公交运营部门也能够及时调整公交发车间隔，提升公交服务水平；

3、本发明考虑了上下车人数、到站时间、两站点间的旅行时间、两个相邻车次的车头时距等多个因素，处理数据简单，成本低，且有较高预测精度。

附图说明

图1为本发明所述的基于IC卡数据的公交串车预测方法的原理图；

图2为本发明所述的基于IC卡数据的公交串车预测方法的流程图。

具体实施方式

下面结合附图和实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供一种基于IC卡数据的公交串车预测方法，包括以下步骤：

第一步，公交车IC卡数据采集：通过3G传输网络实时获取公交车IC卡刷卡信息，建立公交运行线路和车辆运行信息数据库。所述的公交车IC卡数据包括车次标识、线路标识、站点标识、到站时间、日期和上下车客流量等信息。从上述采集到的全网IC卡数据中获取一条易发生串车的公交线路，在此条公交线路的基础上找寻相邻两个目标站点，并进一步提取每天经过上述两个目标站点的公交车车次以及每个车次到达这两个目标站点的到站时间、上下车人数。

由于每天交通状况不一，所以公交公司发放的公交车次数不尽相同，可根据不同车辆号或车次间隔，提取每天的车次标识。

第二步，数据处理：由于每天公交站点上下车人数具有随机性且不均匀，而且乘客刷卡信息也存在异常，需要进行车次标识匹配，将两个目标站点车次标识不对应的数据作为错误数据剔除，同时与车次标识对应的站点标识、到站时间和上下车客流量等信息也相应剔除，只保留两个目标站点具有相同车次标识的数据。

第三步，实际公交串车情况检测：本发明将公交站点的公交串车情况分为二元状态，有串车情况的是1，没有串车情况的是0。根据第二步，在两个目标站点具有相同车次标识的情况下，第二个目标站点按照第一个目标站点的车次顺序排列得到的两相邻车次的车头时距(即Headway)，可以得到实际的公交串车情况，若求得的车头时距为正，则说明没有串车情况，记为0；若求得的车头时距为负或者为0，则说明发生了串车情况，记为1。

所述的第一个目标站点定义为两个相邻的目标站点中先到达的站点，所述的第二个目标站点定义为两个相邻的目标站点中后到达的站点。

所述的两相邻车次的车头时距(即Headway)，就是当前车次在某一个目标站点的到站时间与相邻上一车次在同一个目标站点的到站时间的差值。

第四步，训练学习数据：要实时的预测当前车次到达第二个目标站点的公交串车情况，相关因素就包括相邻的上一个车次在第一个目标站点的到站时间和上下车人数、在第二个目标站点的到站时间和上下车人数，以及当前车次在第一个目标站点的到站时间和上下车人数。作为训练学习中的输入因素包括两个目标站点的旅行时间、两相邻车次在第一个目标站点之间的车头时距、相邻上一个车次和当前车次分别在第一个目标站点的上下车人数、以及相邻上一个车次在第二个目标站点的上下车人数。作为输出变量的因素只有1个，即公交串车情况。本发明中先提取每一天的小样本数据，然后按时间顺序组成一个大样本数据，按照训练集和测试集3:1的样本数据比例选出训练集。

所述的两个目标站点的旅行时间，在车次标识对应的情况下，两个目标站点的旅行时间就是当前车次在第二个目标站点的到站时间和第一个目标站点的到站时间的差值。由于两个目标站点是存在站间距的，根据国家规定的公交车最高车速，两个目标站点间的旅行时间是一个正值并且大于某一个定值，所以要剔除不符合规定的旅行时间数据，同时对应的车次标识、站点标识、到站时间和上下车客流量等信息也相应剔除。

第五步，公交串车预测：本发明采用最小二乘支持向量机算法预测公交串车情况，根据第四步中选取的训练集建立预测模型对当前车次到达第二个目标站点的公交串车情况进行预测，得到预测值。

所述的最小二乘支持向量机(LS-SVM)算法是一种遵循结构风险最小化原则的核函数学习机器，LS-SVM应用于公交串车预测主要是运用它的回归算法。利用相邻历史数据建立LS-SVM模型，训练好模型后，得到一个回归函数，将预测输入向量带入回归函数，得到的输出值即为待预测的数据。

采用所述的LS-SVM应用于公交串车预测，包括训练建模和预测评估两个过程。

其中，训练过程中，对于训练样本求方程

的解，方程中y为1维列向量，由训练样本的输出y_i(i＝1…l)构成；为1维列向量，1的个数为l个；γ为已经确定的超参数，b和α是需要求解的未知数，b为实数，α为1维列向量(称为Lagrange乘子)，求解b和α的过程就是建模过程，Ω为核函数矩阵，有输入样本的输入x_i通过核函数计算获得，公式为

Ω_ij＝K(x_i,x_j)，

公式中选择径向基(RBF)函数作为核函数，表示为每一个径向基函数的中心对应于一个支持向量，此时得到的支持向量机是径向基函数分类器；

解方程(1)的关键是求A的逆矩阵，A＝Ω+γ^-1I，获得A的逆矩阵后，既可获得参数b为：

还可获得参数α为：

获得b和α后，训练过程结束，获得模型如下：

$f\left(x\right)=\underset{i=1}{\overset{l}{\Σ}}{\mathrm{\α}}_{i}K(x,x_i)+b---\left(3\right)$

根据式(3)描述的模型，对新的输入X来计算其输出f(X)，这个过程称为预测过程。

在具体应用中，训练过程的计算量更大，将上述计算过程进行细化，获得下述过程：

核函数矩阵的形成过程：

核函数矩阵的形成主要是计算不同输入向量的核函数，核函数采用RBF函数，其具体形式为：

$K(x_i,x_j)=\exp (-{\frac{\left|x_i-x_j\right|}{2{\mathrm{\σ}}^2}}^2)---\left(4\right)$

其中参数σ为训练前确定的超参数，采取K交叉验证方式来确定，具体过程为：

步骤a，选定σ初值，σ＝0.01；

步骤b，将训练集分成k份相等的子集，每次将其中k-1份数据作为训练数据，而将另外一份数据作为测试数据。这样重复k次，根据k次迭代后得到的MSE平均值来估计期望泛化误差，最后选择一组最优的参数，并作为核函数K(x,x_i)的参数σ。

RBF函数的计算涉及向量的2范数计算和指数函数的计算，按照Ω_ij＝K(x_i,x_j)的定义，对于l个训练样本，Ω_ij为l×l维矩阵，即l个样本中任意两个进行核函数计算而获得核函数矩阵。

核函数矩阵求逆过程：

获得Ω_ij后，即可构成矩阵A，从Ω_ij的计算过程可知，A为对称正定阵。如果获得矩阵A的逆矩阵A^-1，则根据式(2)即可获得b和α。求矩阵A的逆矩阵的过程即为训练过程的关键环节。

实施例

如图1所示，两辆相邻车次公交车V1和V2在同一个线路行驶的过程中分为两种情况：情况1：没有公交串车的理想状态：首先在9点02分的时候，公交车V1和V2分别在第1站点和第4站点；在9点18分的时候，公交车V1和V2分别到达了第5站点和第8站点；然后在9点24分的时候，V1到达了第7站点，V2到达了第10站点。两个公交车V1和V2一直保持着三站左右的距离，在各个站点等待的乘客数量也基本比较平均，没有相遇情况，没有发生串车情况。

情况2：公交串车状态：首先在9点02分的时候，公交车V1和V2分别在第一站点和第4站点，各个站点等待的乘客基本比较平均；在9点10的时候，V1到达第3站点，V2到达第5站点和第6站点之间，两列公交车距离开始拉近，V2行驶比较慢，到达站点比较晚，在第6站点之后站点等待的乘客数量增加；9点13分的时候，V1到达第4站点，V2马上到达第6站点；然后在9点19分的时候，V1到达第6站点，V2刚驶出第7站点，两列公交车距离非常接近；最后在9点34分的时候，V1和V2在第10站点相遇，而在下一站第11站等待的乘客数量非常大，发生了公交串车情况。这就说明一个滚雪球效应，一列公交车V2延迟增加下一站乘客的数量，也增加了停车延误时间，显然，这也增加了总线的延迟。另一方面，下一列公交车V1的乘客将会减少，也减少了停车延误时间，没有延迟。

预测的评价指标的定义如下：

对于公交串车这样有两个类别的分类问题，将样本分为串车情况，用1表示，和不串车情况，用0表示。对一个串车二分问题来说，如果一个样本是串车1并且也被预测成串车1，这个样本就是一个正确的串车数量；相应地，一个样本是不串车0被预测成不串车0，这个样本就是一个正确的不串车数量；

下面预测指标，常常用于评价分类算法的性能：

(1)准确率：计算的是所有的样本中，预测的正确的样本(包括正确的串车样本和正确的不串车样本)所占比例。

(2)正确串车率：计算的是正确的串车样本占所有串车样本的比例。

本实施例中，为了方便本发明的参数理解及算法体现，对六个步骤中的具体基础数据进行具体说明。

公交IC卡数据有北京市XX公司提供，公交IC卡数据包括车次标识、线路标识、站点标识、到站时间和上下车客流量、记录号，交易类型，交易序号，交易日期，交易时间，SAM卡号，城市号，卡发行号，卡类型，线路号，车辆号，上车站，下车站，司机号和卡号等信息。以北京市XX公司XX路公交车到达某两个目标站点SA，SB为例，四个月的车次标识、站点标识、到站时间和上、下车客流量基础数据如表1和表2：

表1：北京市XX公司XX路公交车到达第一个目标站点SA的基础数据

表2：北京市XX公司XX路公交车到达第二个目标站点SB的基础数据

数据处理主要包括以下几步:

1、去除异常点。

首先处理数据是按照一天数据进行筛选的，例如提取某一天的基础数据，第二个站点的车次标识、到站时间和上下车客流量要按照第一个站点的车次顺序排列，求得两个站点的旅行时间，根据两个站点的站间距，且知道国家规定的公交车最高车速，可以得出旅行时间是一个正值并且大于某一个定值，所以剔除不符合要求的数据，包括车次标识、到站时间和上下车客流量等信息；

然后计算相邻两个车次的车头时距，即Headway，由于第一步中剔除了不符合要求的数据，所以有一些车次不相邻，那只能计算上一个Headway和下一个Headway；

2、输入变量。

要实时的预测当前车次到达下一目标站点SB的公交串车情况，相关因素就包括相邻的上一个车次在站点SA的到站时间和上下车人数，在下一站点SB的到站时间和上下车人数，以及本车次在上一站点SA的到站时间和上下车人数。

作为输入变量的因素有8个，包括两个目标站点的旅行时间，当前车次在第一目标站点相邻两个车次之间的车头时距，上一车次和当前车次分别在第一目标站点的上下车人数，以及上一车次在第二目标站点的上下车人数。

3、输出变量。

本发明基于IC卡数据预测公交串车情况，作为输出变量的因素有1个，即公交串车情况，若本车次在下一站点SB发生串车，记为1，若没有发生串车，记为0。

以北京市XX公司XX路公交车到达某两个目标站点SA，SB为例，四个月处理后的基础数据，包括8个输入变量和1个输出变量，还有日期如下表3所示：

表3

本发明基于公交IC卡数据预测公交串车情况，采用的算法是最小二乘支持向量机(LeastSquaresSupportVectorMachines，LS-SVM)，采用的工具是MATLAB2013b，选取前三个月(20120702-20120930)的数据作为训练数据，后一个月(20121001-20121029)的数据作为测试数据，通过预算最后得出预测结果如下表4所示：

表4预测结果

公交串车预测结果	准确率(％)	正确串车率(％)
			预测精度	93.77％	85.54％

本发明基于IC卡数据的公交串车预测方法，预测精度高，准确率达93.77％。可以实时的预测本车次在下一目标站点的公交串车情况，使公交乘客及时地了解公交运行现状，合理安排出行时间，提高出行效率；同时公交运营部门也可以通过此预测结果适当的调度公交车，调整发车间隔，避免公交串车情况发生，提高了公交的服务水平和服务质量。

Claims (6)

1.一种基于IC卡数据的公交串车预测方法，其特征在于：包括以下步骤，

第一步，公交车IC卡数据采集：通过3G传输网络实时获取公交车IC卡刷卡信息，所述的公交车IC卡数据包括车次标识、线路标识、站点标识、到站时间、日期和上下车客流量信息；从上述采集到的IC卡数据中选取一条易发生串车的公交线路，在此条公交线路的基础上找寻相邻两个目标站点，并进一步提取每天经过上述两个目标站点的公交车车次以及每个车次到达这两个目标站点的到站时间和上下车人数；

第二步，数据处理：需要做车次标识的匹配，将两个目标站点车次标识不对应的数据作为错误数据剔除，同时与车次标识对应的站点标识、到站时间和上下车客流量信息也相应剔除，只保留两个目标站点具有相同车次标识的数据；

第三步，实际公交串车情况检测：在两个目标站点具有相同车次标识的情况下，第二个目标站点按照第一个目标站点的车次顺序排列得到两相邻车次的车头时距，若求得的车头时距为正，则说明没有串车情况，记为0；若求得的车头时距为负或者为0，则说明发生了串车情况，记为1；

第四步，训练学习数据：要实时的预测当前车次到达第二个目标站点的公交串车情况，相关因素就包括相邻的上一个车次在第一个目标站点的到站时间和上下车人数、在第二个目标站点的到站时间和上下车人数，以及当前车次在第一个目标站点的到站时间和上下车人数；作为训练学习中的输入因素包括两个目标站点的旅行时间、相邻两个车次在第一个目标站点之间的车头时距、相邻上一个车次和当前车次分别在第一个目标站点的上下车人数、以及相邻上一个车次在第二个目标站点的上下车人数；作为输出变量的因素只有1个，即公交串车情况；先提取每一天的小样本数据，然后按时间顺序组成一个大样本数据，按照训练集和测试集3:1的样本数据比例选出训练集；

第五步，公交串车预测：采用最小二乘支持向量机算法预测公交串车情况，根据第四步中选取的训练集建立预测模型对当前车次到达第二个目标站点的公交串车情况进行预测，得到预测值。

2.根据权利要求1所述的一种基于IC卡数据的公交串车预测方法，其特征在于，第三步中所述的第一个目标站点定义为两个相邻的目标站点中先到达的站点，所述的第二个目标站点定义为两个相邻的目标站点中后到达的站点。

3.根据权利要求1所述的一种基于IC卡数据的公交串车预测方法，其特征在于，第三步中所述的两相邻车次的车头时距，就是当前车次在某一个目标站点的到站时间与相邻上一车次在同一个目标站点的到站时间的差值。

4.根据权利要求1所述的一种基于IC卡数据的公交串车预测方法，其特征在于，第四步中所述的两个目标站点的旅行时间，就是在车次标识对应的情况下，当前车次在第二个目标站点的到站时间和第一个目标站点的到站时间的差值。

5.根据权利要求1所述的一种基于IC卡数据的公交串车预测方法，其特征在于，第五步中所述的预测模型表示为其中选择径向基函数作为核函数，表示为α_i为拉格朗日乘子α的数组元素，

且

偏移量

其中矩阵核函数矩阵Ω＝K(x_i,x_j)。

6.根据权利要求5所述的径向基核函数K(x,x_i)中参数σ采取K交叉验证方式来确定，具体过程为：

步骤a，选定σ初值，σ＝0.01；

步骤b，建立LS-SVM模型；

步骤c，将选出的训练集分成k份相等的子集，每次将其中k-1份数据作为训练数据，而将另外一份数据作为测试数据；这样重复k次，根据k次迭代后得到的MSE平均值来估计期望泛化误差，最后选择一组最优的参数值，并作为核函数K(x,x_i)的参数σ。