[发明专利]一种基于稀疏GPS数据的公交行程时间预测方法

说明书

一种基于稀疏GPS数据的公交行程时间预测方法，本发明涉及基于稀疏GPS数据的公交行程时间预测方法。本发明的目的是为了解决现阶段由于公交数据稀疏特性造成公交行程时间预测可信度较低的问题。一种基于稀疏GPS数据的公交行程时间预测方法具体过程为：步骤一、接收到公交车辆上传的原始GPS数据后，对公交原始GPS数据进行归一化预处理，并将归一化预处理后的数据整合为二维时空速度矩阵；步骤二、构建基于交通流先验规则的生成式对抗网络，生成契合实际的公交线路交通状态；步骤三、基于无模型自适应驱动方法，在线预测公交行程时间。本发明用于公共交通信息处理技术领域。

技术领域

本发明涉及公共交通信息处理技术领域，更具体地说，本发明涉及一种基于稀疏GPS数据的公交行程时间预测方法。

背景技术

近年来，在公共交通优先战略的引领下，城市智能公交出行系统的建设取得了显著发展。然而，路网交通拥堵引起的公交车辆的集中到达或较长时间无法到达的现象日趋严重，造成了居民由于公交出行质量的下降转而选择其他出行方式。公交吸引力的不足制约了公交事业的发展。合理的公交实时调度和可靠的公交行程时间估计是提升乘客出行体验的重要手段。然而由于公交具有车辆数较少、发车间隔大及其GPS数据采集稀疏等特点，在进行公交行程时间在线预测时会出现时间、空间间隔较长后才有数据上传的情况。这些公交GPS数据之间交通关联度较低，直接利用这些稀疏的数据来准确预测公交行程时间的难度较大。

近年来，国内外开展了大量关于利用GPS数据进行公交行程时间预测的研究。这些成果主要可以分为：(1)滤波方法，这类方法主要是利用交通流理论(基本图理论、Lighthill-Whitham-Richards模型)来推断公交行程时间的变化趋势。这些方法能够按照交通状态的演化来预测公交行程时间，但需要保证能提供连续更新的数据才能准确计算。(2)统计学习方法，它们通过拟合前一公交车与当前公交车行程时间之间的关系，在大数据中挖掘交通历史变化规律，来预测公交到达下一站点的行程时间。因此，只有当车辆分布较为密集，车辆间的车头时距较小时，前后公交车经历的交通状态相似，预测结果才较为可信度。

由于公交车辆的发车频率较低且其数据采集的时间间隔较大，公交GPS数据呈现出在时空上采样稀疏性的特点。而从上述研究现状中可以看出，如何在数据稀疏采样的情况下保证公交行程时间预测可信度的问题还有待解决。因此，需要针对公交GPS数据稀疏性的特点，开发一种公交行程时间预测方法。

发明内容

本发明的目的是为了解决现阶段由于公交数据稀疏特性造成公交行程时间预测可信度较低的问题，而提出一种基于稀疏GPS数据的公交行程时间预测方法。

一种基于稀疏GPS数据的公交行程时间预测方法具体过程为：

步骤一、接收到公交车辆上传的原始GPS数据后，对公交原始GPS数据进行归一化预处理，并将归一化预处理后的数据整合为二维时空速度矩阵；

步骤二、构建基于交通流先验规则的生成式对抗网络，生成契合实际的公交线路交通状态；

步骤三、基于无模型自适应驱动方法，在线预测公交行程时间。

本发明的有益效果为：

本发明方法主要包括公交线路交通状态生成和公交行程时间预测两部分。在公交线路交通状态生成方法中，本发明提出了一种基于误差反馈的上采样单元来避免状态生成过程中误差累积，提高交通状态的生成精度。在接收到生成的公交线路交通状态矩阵后，公交行程时间预测部分使用了一种无模型自适应的方法，使得公交预测系统能够在公交交通状态的驱动下进行公交行程时间的在线预测。本发明不仅能够为公交公司提供公交GPS数据处理以及公交行程时间预测的技术支持，还能为乘客提供准确、快捷的出行服务，具有较好的应用前景。