[发明专利]一种公交客流组合预测方法

说明书

所属技术领域

本发明涉及基于灰度模型，自回归滑动平均模型的公交客流组合预测方法，属于智慧城市、智能公交领域。

背景技术

随着国民经济能力不断提升，居民生活水平得到改善，市民出行量的急剧增加导致城市拥堵问题越来越明显，严重影响了市民出行效率和生活质量，限制了城市交通的快速发展。“智能公交系统”是综合利用全球定位、无线通信、地理信息等技术建立智能车辆终端信息网络，将公交车辆的运行和运营管理智能化、信息化、可视化，实现对车辆的集中调度，统一管理，优化人力、运力资源配置，降低公交运营成本，提高调度应变能力和乘客服务水平。

客流量是影响公交运行效率的重要因素。公交公司可以根据客流量的变化情况最优地调度公交车辆，节省运营成本，市民也可以参考站点上车客流量信息制定出行计划从而节省出行时间。因此，及时准确预测未来时段站点客流量是实现智能公交系统过程中的重要环节。

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。但卡尔曼滤波要求数据序列的误差满足于线性分布，不适用于非线性分布的复杂情况；神经网络与小波变换，观测尺度的变化对序列特性影响较大，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，交通流过程的复杂性和不确定性，决定了准确的交通流预测不是单一的模型或方法所能解决和完成的，各种预测模型在具体的情况下各有其优缺点，各有其适用范围和应用条件。现有的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，而短时预测模型预测精度不高，本发明通过建立将灰度模型和自回归滑动平均模型相结合的组合预测模型，利用最小二乘法对模型参数进行估计，能够提供实时准确的公交客流预测值。

为实现上述发明目的，本发明借助两种预测模型结合的组合预测模型，采用最小二乘法，预测短时段内公交站点客流量。

本发明具体包含如下步骤：(A)采集历史客流数据。(B)建立灰度预测模型预测第i+1天的客流量为M_i+1，并作客流统计，计算出第i天第t个时间段的客流量在一天中总客流量的比例r_it。(C)以自回归滑动平均预测模型作短时预测，预测第t+1个时间段的客流量H_t+1。(D)建立预测模型：S_i＝α·M_i+1·r_ij+β·H_t+1，采用最小二乘法根据历史值求出α，β即可。

所述步骤(A)中，历史客流数据包括公交GPS数据、公交站点位置信息和IC卡刷卡数据。