[发明专利]基于手机信令的公交常乘客预测方法与系统

权利要求书

1.一种基于手机信令的公交常乘客预测方法，其特征在于，包括以下步骤：

步骤1、提取预定历史时间周期T0范围内的所有用户公交出行数据，公交出行数据包括根据信令数据与大数据分析得到公交出行上下车站点信息以及用户号码信息；

步骤2、根据上车站点和下车站点信息，从公交线路站点关系表(TN_BUS_LINE_STA_INFO)计算一次公交出行距离；

步骤3、剔除一次公交出行距离小于预设值最小值的极短出行用户的出行数据；

步骤4、将步骤3处理后的出行数据，按照自然周进行分组，不足周的进行补齐，计算每周的时间段内个体用户的出行次数以及自然月个体用户的出行次数；

步骤5、响应于个体用户每周出行次数大于第一阈值且每月出行次数大于第二阈值，判定个体用户为公交常乘客，对该个体用户赋予常客标签，并将数据存入公交常乘客数据表(TD_BUS_FREQ_PASSG_INFO)；

步骤6、基于公交常乘客数据表中赋予常客标签的用户，获取每条线路在多个统计时段的常乘客占比，存入公交常乘客数量占比表(TD_BUS_FREQ_PASSG_VOLUME_RATIO)

步骤7、基于公交常乘客数据表中的公交常乘客数量以及每条线路的常乘客占比，提取预设时间周期T2范围内第x条线路Lx在每个统计时段的常乘客数量，x＝1,2,……,m，m表示预测地区的公交线路的总数目；

步骤8、基于步骤7提取的数据，获取在一个自然月内设定的时段的常乘客数量V，并计算任意两个不同日期相同时段常乘客数量Vi与Vj之间的欧氏距离：

其中，i＝1,2,……,30；j＝1,2,……,30；

步骤9、在步骤8获得欧氏距离基础上，基于K近邻算法(KNN)遍历k值，确定影响日期范围k1；

步骤10、获取第x条线路Lx单日多个统计时段的常乘客数量Q，并计算同一线路在单日任意两个不同时段常乘客数量Qi和Qj之间的欧氏距离：

其中，i＝1,2,……,24；j＝1,2,……,24；

步骤11、在步骤10获得欧氏距离基础上，基于K近邻算法(KNN)遍历k值，确定影响时段范围k2；

步骤12、在获得的影响日期范围k1和影响时段范围k2的基础上，对未来某一日期对应时段的常乘客数量预测输出。

2.根据权利要求1所述的基于手机信令的公交常乘客预测方法，其特征在于，所述步骤2中，计算一次公交出行距离的处理包括以下步骤：

步骤2.1、根据上车站点从公交线路站点关系表中获取距离首站的距离(origin_dist)，记为L1；

步骤2.2、以下车站点从公交线路站点关系表中获取距离首站的距离(origin_dist)，记为L2；

步骤2.3、以两站之间的出行距离L作为一次公交出行距离，L＝L2-L1。

3.根据权利要求1所述的基于手机信令的公交常乘客预测方法，其特征在于，所述步骤6中，获取每条线路在多个统计时段的常乘客占比的操作包括以下步骤：

步骤5.1、对赋予常客标签的用户，从公交上下车站点表提取用户前一天乘坐的线路ID和上车时间；

步骤5.2、设定统计时段长度，将相同线路ID的常乘客按照上车时间所处统计时段进行分组统计，得到每条线路在各个统计时段的常乘客数量N；

步骤5.3、从公交上下车站点表提取所有用户前一天乘坐的线路ID和上车时间；

步骤5.4、按照步骤5.2的统计时段长度和分组方式，获得每条线路在各个统计时段的乘客量M；

步骤5.5、计算每条线路在各个统计时段的常乘客占比，即N/M。

4.根据权利要求1所述的基于手机信令的公交常乘客预测方法，其特征在于，所述步骤12中，基于影响值k1、k2，对于未来某个日期Date某个统计时段T的预测，以该日期Date前k1天的统计时段T的前后共k2个时刻的常乘客数量(k1*k2)求均值，作为预测值。