[发明专利]一种基于贝叶斯网络模型的公交环境动态变化预报方法

摘要

本发明涉及一种基于贝叶斯网络模型的公交环境动态变化预报方法，包括以下步骤筛选影响公交客流波动或行驶时间变化的众多因素；将这些外部环境随机干扰条件和客流或行驶时间决策变量抽象为贝叶斯网络的结点，确定结点集合及其取值范围，对它们的历史信息数据集进行离散化处理；分析外部环境干扰输入节点和客流或行驶时间决策节点之间影响关系，建立公交动态环境预报的贝叶斯网络结构图；确定条件和决策节点之间的条件概率表；计算某种公交客流或行驶时间发生时的后验概率，从而实现预报公交环境动态变化。本发明结合车联网环境下的交通事件检测，实现动态预报客流时空变化的功能，为公交日常运营管理提供数据支撑。

主权项

一种基于贝叶斯网络模型的公交环境动态变化预报方法，其特征在于，包括以下步骤：(1)采用定量和定性相结合的方法筛选影响公交客流波动或行驶时间变化的众多因素；其中采用定量和定性相结合的方法，具体为：(11)采用阅读文献、实地调研和专家座谈方式，确定所有可能影响公交客流波动或行驶时间波动的众多因素，共有n个候选指标，包括道路类型、路况、交通事故、大型活动、交通管制和天气变化；(12)结合智能公交调度平台，在时刻i获取第j个影响因素aij，以及相关联的客流或行驶时间yi，将m条数据记录作为样本D，汇总为条件矩阵A＝(aij)mn和决策向量Y＝(yi)m；(13)根据最小二乘法，评估候选因素对的影响程度向量B＝(b1，b2，...，bn)＝(A′A)‑1(A′Y)，若bj为正，第j个影响因素与客流或行驶时间正相关；否则负相关，显然，bj的绝对值越大，该因素对其影响越大；(14)设定阀值σ，对若|bj|＞σ，该因素决定客流或行驶时间，获取n个条件和2个决策变量X＝{X1，X2，...，Xn}∪{Xn+1，Xn+2}；(2)将这些外部环境条件和客流或行驶时间决策变量抽象为贝叶斯网络的结点，确定结点集合及其取值范围，对它们的历史信息数据集进行离散化处理，其中离散化处理的具体步骤为：(21)对各个变量找到其取值的上下限(22)对上述变量的进行K个等间隔离散化处理，获取其特征取值状态空间为其中：(23)在样本集D中，计算各变量取值状态的发生概率以及两个变量间先验概率分布其中Count(·)表示事件·在样本集D出现的次数；(3)分析外部环境干扰输入节点和客流或行驶时间决策节点之间影响关系，基于条件独立性检验方法，建立公交动态环境预报的贝叶斯网络结构图，其中条件独立性检验方法，具体为若任意两个结点Xi和Xj之间相互依赖，存在有向边相连接针对2个决策变量Xn+1和Xn+2，分别构建一个有向无环图，建立公交动态环境预报的双层网络拓扑结构S；(4)利用最大似然估计方法，确定外部环境干扰条件和客流或行驶时间决策节点之间的条件概率表，在给定双层网络拓扑结构S和训练样本集D，利用先验知识，针对2个决策变量Xn+1和Xn+2，确定贝叶斯网络模型各结点处的条件概率密度为：p(Xn+1/X1,X2,...,Xn)=p(Xn+1)×Πi=1np(Xi|Xn+1)p(X1,X2,...,Xn),]]>p(Xn+2/X1,X2,...,Xn)=p(Xn+1)×Πi=1np(Xi|Xn+1)p(X1,X2,...,Xn);]]>(5)根据网络结点的状态，根据车联网环境下的各种交通环境变化检测值x＝(x1，x2，...，xn)，计算给定网络条件结点的状态据此推理公交客流或行驶时间在不同取值条件下的最大后验概率或从而实现预报公交环境动态变化。