[发明专利]一种基于GPS数据的公交运行状态评估方法

说明书

本发明公开了一种基于GPS数据的公交运行状态评估方法，包括公交运行状态划分为集结态、集结过渡态、常态、大间隔过渡态和大间隔状态；运行状态阈值确定：将特征值车头时距的数据集划分为不同的类别，各类别聚类中心从小到大排序，相邻类别聚类中心平均值即为各状态阈值。确定指标、建立公交时空集簇概率模型、空间概率分布拟合和时间概率分布拟合；最后建立多分类Logistic公交集簇预测模型，根据所建立的预测模型判定公交运行状态在线路上的状态转移概率，作出公交运行状态评估。本发明方便快捷，提升公交服务水平；具有较高预测精度，使乘客能够更好地了解公交运行情况，合理调控出行时间。

技术领域

本发明涉及智能公共交通领域，尤其是一种基于GPS数据的公交运行状态评估方法。

背景技术

目前许多大城市的公交站点已经出现对公交车辆到站的预测，采用的方法基本为结合车载GPS系统，给乘客提供下一辆车与站点的距离及预计到站时间。但没有对公交车运行状态的预测方法。地面公交的行驶总是会受到各种随机因素的干扰，使得公交运行时常出现若干辆同线路车同时到达的集簇现象，造成公交服务可靠性降低，部分乘客等待时间延长，公交分担率下降等问题。因此，建立公交运行状态评估平台具有较好的理论价值和现实意义。

一般公交车辆在道路上行驶时，从微观层面分析它的运行特征，其运行状态的识别指标有该车辆的运行速度、加速度等指标，而公交系统的运行状态则不能简单的以公交车辆的速度、加速度等指标来划分公交车辆的运行状态由其状态特征值决定，车头时距作为状态特征值可以准确的反映出两辆车之间的运行状态。分析的角度不同，公交运行状态的划分也不同。如根据车辆是否发生了集簇，可以将车辆划分为：集簇状态和非集簇状态。

为了考虑既定发车间隔的影响，已有研究利用车头时距偏差，即实际车头时距与既定发车间隔之间的绝对值，描述公交车集簇现象。车头时距偏差考虑了既定发车间隔对实际车头时距的影响，但它是一个绝对值，不利于不同线路之间的比较，而且既定的发车间隔具有很强的不确定性。CN 105206040 A一种基于IC卡数据的公交串车预测方法中结合最小二乘支持向量机算法，通过分析车头时距的正负来检测公交车到达下一个站点的公交集簇情况，仅考虑了“集簇”这一种情况，没有对公交车到达下一站产生的其他运行状态进行评估。

发明内容

为解决目前公交车运行可靠性指标不合理，运行状态分类不明确的问题，针对研究某一公交线路发生集簇的时空概率分布以及公交集簇状态的预测，提供一种基于GPS数据的公交运行状态评估方法。

本发明是通过下述技术方案来实现的。

一种基于GPS数据的公交运行状态评估方法，包括以下步骤：

步骤1，公交运行状态划分：

11)结合公交运行状态特征值车头时距的大小，划分为集簇态、集簇过渡态、常态、大间隔过渡态和大间隔状态五个状态；

12)运行状态阈值确定：

通过K-means聚类算法迭代将特征值车头时距的数据集划分为不同的类别；

13)将利用K-means聚类算法得到的各类别的聚类中心从小到大排序，相邻类别聚类中心的平均值即为各状态阈值；

步骤2，公交运行状态时空概率分布：

21)确定指标：通过公交GPS数据信息采集与处理系统获取公交车ID以及到站时刻，计算车头时距与车头时距遵守比率HAR；

22)建立公交时空集簇概率模型：集簇概率定义为同一线路上前后连续两辆公交车辆在一个时间阈值内相继到达同一站点的概率；

23)空间概率分布拟合：