[发明专利]一种基于LSTM神经网络的公交到站时间预测方法

权利要求书

1.一种基于LSTM神经网络的公交到站时间预测方法，其特征在于，所述方法包括如下步骤：

步骤1)从城市公交数据库将包含有公交车定位数据、刷卡数据的历史数据集导入至Hadoop大数据集群下的HBase数据库，通过Spark内存计算框架对存入的数据集进行数据预处理；

步骤2)对处理后的数据进行数据标准化处理；

步骤3)通过最小绝对收缩和选择算法对标准化后的数据特征进行判断，分析每个特征的影响因子系数，并进行特征筛选；

步骤4)基于LSTM神经网络构建公交车的到站时间预测模型，将已经筛选好关键特征的标准化数据输入至到站时间预测模型，并进行模型训练，实现对公交车到站时间的预测。

2.根据权利要求1所述的基于LSTM神经网络的公交到站时间预测方法，其特征在于，步骤1)中对存入的数据集进行数据预处理具体为：通过Hadoop大数据集群对HBase数据库下的历史数据进行数据读取，对历史数据中的公交车定位数据进行数据修复、数据剔除和数据归纳，整理出每条线路的公交车运行轨迹信息，并将公交站台的经纬度信息和公交车轨迹信息进行匹配。

3.根据权利要求2所述的基于LSTM神经网络的公交到站时间预测方法，其特征在于，将公交站台的经纬度信息和公交车轨迹信息进行匹配具体包括如下步骤：

步骤1-1)以公交站台为中心确定设定范围的圆形面积，当公交车的定位数据与站台的经纬度数据之间的距离小于圆形半径，确定当前的公交车的位置在所述公交站台范围内；

步骤1-2)确定公交车的两个定位数据点，判断两个定位数据点的前后的时间顺序，根据当前两个定位数据点两点间所构成线段的斜率判断该公交车的运行方向；

步骤1-3)将与公交站台距离最接近的公交车定位点的记录时间作为为公交车的到站时间。

步骤1-4)以公交车到站时间和公交车对应的车辆号对原始数据进行排序，再通过Spark内存处理技术输出存储至HBase数据库中；同时将所述公交车到站时间按照站台的线路顺序存入HBase数据库中。

4.根据权利要求3所述的基于LSTM神经网络的公交到站时间预测方法，其特征在于，所述步骤1-1)中公交车的定位数据与站台的经纬度数据之间的距离通过式(1)计算，

式(1)中，和λ₁代表公交车的当前纬度和经度，和λ₂代表目标站点的纬度和经度，d代表要求的公交车当前位置和目标站点之间的距离，d/r代表公交车的当前位置和目标站点在圆上的弧度角。

5.根据权利要求3所述的基于LSTM神经网络的公交到站时间预测方法，其特征在于，所述步骤1-2)中，根据式(2)计算两个定位数据点两点间构成线段的斜率，

L＝(y₂-y₁)/(x₂-x₁) (2)

式(2)中，y₁、y₂分别为两所述定位数据点的纬度，x₁、x₂分别为两所述定位数据点的经度。

6.根据权利要求4所述的基于LSTM神经网络的公交到站时间预测方法，其特征在于，所述步骤1-2)中判断该公交车的运行方向具体为：

设定定位数据(x₁，y₁)点记录时间为t₁，定位数据点(x₂，y₂)记录时间t₂，且t₁<t₂；若两个定位数据点所构成线段的斜率大于0，则当前公交线路是上行线路；反之，若两个定位数据点所构成线段的斜率大于0，则当前公交线路是上行线路。