[发明专利]一种基于IC卡数据的公交串车预测方法

摘要

本发明公开了一种基于IC卡数据的公交串车预测方法，属于公共交通信息处理技术领域。所述预测方法包括公交车IC卡数据采集、数据处理、实际公交串车情况检测、训练学习数据和公交串车预测，其中公交串车预测采用最小二乘支持向量机(LS‑SVM)算法。本发明结合公交IC卡数据，针对多辆车次，提取大量的乘客信息，不需要车载GPS系统，方便快捷，降低了数据处理成本；同时采用最小二乘支持向量机方法能够更好更快更有效地实现公交串车预测，使乘客能够更好地了解公交运行情况，合理调控出行时间，使公交运营部门也能够及时调整公交发车间隔，提升公交服务水平；本发明处理数据简单，成本低，且有较高预测精度。

主权项

一种基于IC卡数据的公交串车预测方法，其特征在于：包括以下步骤，第一步，公交车IC卡数据采集：通过3G传输网络实时获取公交车IC卡刷卡信息，所述的公交车IC卡数据包括车次标识、线路标识、站点标识、到站时间、日期和上下车客流量信息；从上述采集到的IC卡数据中选取一条易发生串车的公交线路，在此条公交线路的基础上找寻相邻两个目标站点，并进一步提取每天经过上述两个目标站点的公交车车次以及每个车次到达这两个目标站点的到站时间和上下车人数；第二步，数据处理：需要做车次标识的匹配，将两个目标站点车次标识不对应的数据作为错误数据剔除，同时与车次标识对应的站点标识、到站时间和上下车客流量信息也相应剔除，只保留两个目标站点具有相同车次标识的数据；第三步，实际公交串车情况检测：在两个目标站点具有相同车次标识的情况下，第二个目标站点按照第一个目标站点的车次顺序排列得到两相邻车次的车头时距，若求得的车头时距为正，则说明没有串车情况，记为0；若求得的车头时距为负或者为0，则说明发生了串车情况，记为1；第四步，训练学习数据：要实时的预测当前车次到达第二个目标站点的公交串车情况，相关因素就包括相邻的上一个车次在第一个目标站点的到站时间和上下车人数、在第二个目标站点的到站时间和上下车人数，以及当前车次在第一个目标站点的到站时间和上下车人数；作为训练学习中的输入因素包括两个目标站点的旅行时间、相邻两个车次在第一个目标站点之间的车头时距、相邻上一个车次和当前车次分别在第一个目标站点的上下车人数、以及相邻上一个车次在第二个目标站点的上下车人数；作为输出变量的因素只有1个，即公交串车情况；先提取每一天的小样本数据，然后按时间顺序组成一个大样本数据，按照训练集和测试集3:1的样本数据比例选出训练集；第五步，公交串车预测：采用最小二乘支持向量机算法预测公交串车情况，根据第四步中选取的训练集建立预测模型对当前车次到达第二个目标站点的公交串车情况进行预测，得到预测值。