[发明专利]一种公交乘客出行站点预测方法、存储介质及服务器

权利要求书

1.一种公交乘客出行站点预测方法，其特征在于，所述方法包括：

获取某市区的公交车GPS轨迹数据、乘客公交IC卡刷卡记录数据以及公交站点及线路矢量数据；

根据所述公交车GPS轨迹数据、乘客公交IC卡刷卡记录数据以及公交站点及线路矢量数据，将乘客刷卡的位置匹配到公交线路最邻近的公交站点，获取乘客的刷卡上车站点，构建乘客历史上车站点出行链路；

对公交站点进行空间聚类，将乘客历史上车站点出行链路转化为乘客历史上车聚类出行链路；

基于乘客历史上车聚类出行链路以及一种部分匹配预测算法的变阶马尔科夫模型，对乘客的上车聚类进行预测，基于概率模型将预测的上车聚类推断到具体上车站点；

基于公交地铁混合出行链的分析结果，对公交乘客的下车聚类和下车站点进行预测；

其中，根据所述公交车GPS轨迹数据、乘客公交IC卡刷卡记录数据以及公交站点及线路矢量数据将乘客IC刷卡的位置匹配到公交线路最邻近的公交站点，获取乘客的公交上车站点，构建乘客历史上车站点出行链路，步骤包括：

采用低频浮动车地图匹配算法对公交车GPS轨迹数据进行时空轨迹还原；

基于平均速度插值算法，将乘客刷卡时的瞬时位置匹配到公交车轨迹；

基于最邻近法则，根据公交站点的位置信息，将瞬时刷卡位置最邻近的公交站点作为乘客的上车站点；

将同一乘客多个日期的出行站点按照时间顺序连成一条乘客历史上车站点出行链路；

根据所述公交地铁混合出行链的分析结果，预测乘客的下车聚类和下车站点，步骤包括：

构建公交车地铁混合出行链，利用有明确下车站点的地铁下车记录对模型进行盲测，统计下一地铁上车聚类和当前地铁下车聚类的重复度，推断出地铁下车聚类的预测准确率相对于地铁上车聚类预测的下降幅度；

基于地铁下车聚类的预测准确率下降幅度和公交上车聚类/站点的预测结果，进一步推断出公交下车聚类/站点的预测准确率。

2.根据权利要求1所述的公交乘客出行站点预测方法，其特征在于，所述乘客公交IC卡刷卡记录数据包括乘客匿名ID、刷卡时间、出行方式、地铁上下车站点、公交车车牌以及消费价格。

3.根据权利要求1所述的公交乘客出行站点预测方法，其特征在于，所述公交车GPS轨迹数据包括公交车车牌、轨迹数据采集时间、公交车运行时的瞬时速度、瞬时方向角以及瞬时位置。

4.根据权利要求1所述的公交乘客出行站点预测方法，其特征在于，所述公交站点及线路矢量数据包括但不限于公交站点编号、公交站点位置、公交站点名称以及站点所属公交路线。

5.根据权利要求1所述的公交乘客出行站点预测方法，其特征在于，根据所述基于公交站点及线路矢量数据，将乘客历史上车站点出行链路转化为乘客历史上车聚类出行链路，步骤包括：

基于公交站点间的密度连通性，采用密度聚类算法将当前站点周围满足密度阈值条件的公交站点分配到同一个聚类中；

遍历所有公交站点，判断位于当前站点对面的同名站点以及距离当前站点最近的站点是否与当前站点处于同一个聚类中：若所述同名站点以及距离当前站点最近的站点与所述当前站点不处于同一聚类，则将所述同名站点所处聚类以及距离当前站点最近的站点所处聚类合并到当前站点的聚类中，进一步得到乘客历史上车聚类出行链路。

6.根据权利要求1所述的公交乘客出行站点预测方法，其特征在于，根据所述基于乘客历史上车聚类出行链路以及一种部分匹配预测算法的变阶马尔科夫模型，对乘客的上车聚类进行预测，再基于概率模型，预测出乘客具体上车站点，步骤还包括：

以单个乘客一个月内的公交刷卡记录形成的刷卡轨迹作为一个文本串序列，形成每个乘客的公交历史上车聚类出行链路序列；

基于所述基于部分匹配预测算法，通过训练每个乘客的公交历史上车聚类出行链路序列进行预测，再根据概率模型，预测出乘客上车站点出行链路序列，实现对每个个体的上车聚类和上车站点预测。