[发明专利]一种基于支持向量机的公交站间运行时间区间预测方法

说明书

本发明公开了一种基于支持向量机的公交车站间运行时间区间预测方法，首先对公交车辆GPS原始数据进行数据清洗，然后从中提取公交到站时刻并计算公交的站间运行时间，并选择相关的信息建立公交站间运行时间区间预测模型输入数据集，分别建立两个支持向量回归机预测公交运行时间区间的上、下界，采用粒子群算法对支持向量机进行参数寻优，并以考虑预测区间有效覆盖率更大和标准化预测区间平均宽度更小作为参数优化目标，根据PSO算法得到的最优参数构建最终公交站间运行时间区间预测模型。本发明在不确定性情况下为出行者提供实时、准确的预测公交车辆的到站时间区间预测，方便出行者进行出行路线的规划和选择。

技术领域

本发明属于公共交通管理优化领域，具体涉及一种基于支持向量机的公交站间运行时间区间预测方法。

背景技术

通过优先发展公共交通来缓解城市交通问题已经成为我国城市交通的长期发展战略。公交出行具有费用低廉、容量大、污染低等优点，可以高效利用城市的道路信息资源，有效的缓解了城市道路的交通拥堵状况，降低环境污染。然而，在我国公交车延误现象频繁发生，特别是在早晚高峰时段，车辆延误现象尤为突出，严重影响了公交到站时间的准点率，使得居民不愿意选择公交出行。因此，实时、准确的预测公交车辆的到站时间，不仅可以方便出行者进行出行路线的规划和选择，提高乘坐公交车出行的满意度，还能使得智能公交系统能够更好的为居民服务。

在实际的社会环境中，公交车运行过程中容易受到各种不确定性的影响，导致预测的公交到达的时间点往往是不可靠的，特别是对交通高峰时间的公交到站时间的预测。提供不可靠的公交到达时间信息，反而容易引起公交出行者的反感，降低客户体验。现有技术仅对公交车辆到站时间点进行预测，虽然预测模型和方法种类较多，但在实际中，由于公交运行过程的复杂性以及不确定性的存在，到站时间预测方法的预测误差往往难以避免，预测结果的准确性和可靠性较低。此外，现有技术集中于模型预测结果精度的比较，而对模型预测结果的不确定性研究不足。由于缺乏预测结果不确定性的相关信息，造成了公交到达时间模型预测结果的可靠性降低，从而制约了预测模型在实际公交运营过程中的应用。

发明内容

发明目的：为了解决上述现有技术中公交到站时间估计准确性不足问题，本发明提供一种基于支持向量机的公交站间运行时间区间预测方法，所述方法使用公交GPS数据，以预测区间有效覆盖率和区间平均宽度作为优化目标，并且考虑公交站间运行时间中存在的不确定性因素建立基于支持向量机的区间预测模型。

技术方案：一种基于支持向量机的公交站间运行时间区间预测方法，所述的预测方法包括以下步骤：

(1)公交车GPS轨迹数据预处理：所述公交车GPS轨迹数据包括公交车的车辆编号、线路编号和数据采集的时间点以及采集时刻公交车经纬度坐标、公交车速度、行驶方向角，并且进行初步处理，剔除数据中的异常数据，所述的异常数据包括漂移数据和冗余重复数据，然后对数据中缺失的数据进行估计；

(2)公交到站时刻提取：根据步骤(1)预处理后的样本数据，按照线路编号筛选出目标线路的数据，并与目标线路的站点经纬度坐标信息进行比对，确定公交车辆到达各站点的时刻其中i表示目标线路站点编号，n表示当前车辆在该行驶方向上已运行车辆中的序号，所述序号公交车从起始站点的发车时间依次排序；

(3)公交站间运行时间计算：根据由步骤(2)获取的公交车辆到达各站点的时刻，计算得到公交的站间运行时间为：

其中：表示车辆n从站点i到站点j的运行时间，且满足站点j位于站点i目标线路的同一个行驶方向(上行或下行)的下游；

(4)建立模型输入数据集：选取与预测目标区域公交运行时间相关的信息作为特征数据，并以此建立模型输入数据集；

(5)建立参数优化目标函数：以预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)作为主要参数，建立预测模型参数优化目标函数为：