[发明专利]一种基于Holt-Winters模型的公交客量预测方法

说明书

所属技术领域

本发明涉及基于Holt-Winters模型的公交站点客流量短时预测方法，属于智慧城市、智能交通领域。

背景技术

随着经济的快速发展，城市化进程越来越高，城市的面积逐渐变大，城市人口逐渐变多，城市的车辆也不断的增多。在城市快速发展的同时，交通压力变大等问题也随之而来。随着智能交通概念的提出，智能交通技术越来越得到各地学者的关注，其中客流的分析与监测是智能交通技术的重要组成部分。

客流量是影响公交运行效率的重要因素。对公交客流实时监控分析和预测可以很好的协助公交调度、城市公交线路调整、线网优化、站点布局优化、换乘推荐、路线推荐、时段推荐等，可以有效的缓解交通压力，有助于改善公共交通，对城市交通发展起到极大地促进作用，并将切实惠及人民生活。

现有公交客流预测方法包括：神经网络、时间序列分析、支持向量机等方法，但主要集中于中长期预测。短时公交客流预测方法包括：卡尔曼滤波，小波变换，神经网络，自回归滑动平均法等。但卡尔曼滤波不适用于非线性分布的复杂情况；神经网络与小波变换，序列特性受观测尺度的变化影响较大，并且观测尺度的变化还会影响算法参数选取；自回归滑动平均法虽算法简单，但用于预测具有复杂变化的客流量误差较大。

发明内容

本发明的目的在于，现有公交客流预测方法多集中于长期预测，时效性不强，不能具备一定的实时参考性，本发明通过聚类获得乘客IC卡上车站点信息和某公交线路各个站点上客量时间序列数据后，采用Holt-Winters模型预测未来时段上车客流量。

本发明具体包括如下步骤：

(A)采集公交车GPS数据、公交站点位置信息和公交IC卡刷卡数据。

(B)根据步骤(A)中得到的公交GPS数据和IC卡数据，根据步骤(A)中得到的公交GPS数据、公交站点位置数据和公交IC卡刷卡记录数据，获取车辆停靠时间和停靠站点信息，识别IC卡刷卡数据上车站点信息。

(C)统计同一线路不同车辆不同时间停靠同一站点的上车客流量，统计某路线不同时间间隔各站点上客量。

(D)站点客流预测。根据站点历史上车客流量变化规律与实时上车客流量变化情况，建立Holt-Winters模型，预测未来时段上车客流量。

所述步骤(A)中，公交GPS数据包括：公交车辆车牌编号，公交线路编号，数据采集时间，车辆位置(经度、纬度)和车辆容客量；公交站点位置数据包括站点名称，线路名称，站点位置(经度、纬度)；IC卡刷卡数据包括：卡号，卡类型，刷卡时间，乘车车牌编号。

所述步骤(B)中，对数据初步清理。GPS数据与IC卡刷卡数据中存在大量缺失和不符合实际情况的记录，通过公交车牌号和时间按日期进行匹配相应的IC卡刷卡数据和GPS数据，清除错误数据。

所述步骤(C)中包括如下步骤：

(C1)统计同一线路不同车辆不同时间停靠同一站点的上车客流量。按(B)中得到含有站点信息的各车辆IC卡刷卡数据，统计同一路线所有车辆，设路线集L(i)＝{L(1),L(2),...,L(n)}，{L_i(j)}表示第i条路线的第j个车辆，与车辆停靠时间T_ij(k)＝{t_ij(1),...,t_ij(m)}比较，统计某时刻在停靠站点{S}的上车客流量，得到某一车辆各个站点基于时间序列的上车客流量{P}。

(C2)统计不同时间间隔同一公交线路站点上客量时间序列数据。从(C1)中得到的集合{P}中查找同一线路所有车辆不同时间某站点客流量，假设时间间隔为10min，该路线某站点对一天内时间进行排序，统计该站点中每隔10min上客量。

所述步骤(D)中包括如下步骤：

(D1)建立模型预测方程