[发明专利]一种基于支持向量机的公交站间运行时间区间预测方法

摘要

本发明公开了一种基于支持向量机的公交车站间运行时间区间预测方法，首先对公交车辆GPS原始数据进行数据清洗，然后从中提取公交到站时刻并计算公交的站间运行时间，并选择相关的信息建立公交站间运行时间区间预测模型输入数据集，分别建立两个支持向量回归机预测公交运行时间区间的上、下界，采用粒子群算法对支持向量机进行参数寻优，并以考虑预测区间有效覆盖率更大和标准化预测区间平均宽度更小作为参数优化目标，根据PSO算法得到的最优参数构建最终公交站间运行时间区间预测模型。本发明在不确定性情况下为出行者提供实时、准确的预测公交车辆的到站时间区间预测，方便出行者进行出行路线的规划和选择。

主权项

一种基于支持向量机的公交站间运行时间区间预测方法，其特征在于：所述的预测方法包括以下步骤：(1)公交车GPS轨迹数据预处理：首先采集公交车的GPS轨迹数据，所述公交车GPS轨迹数据包括公交车的车辆编号、线路编号和数据采集的时间点以及该时刻公交车经纬度坐标、公交车速度、行驶方向角，然后进行初步处理，剔除数据中的异常数据，所述的异常数据包括漂移数据和冗余重复数据，最后对数据中缺失的数据进行估计；(2)公交到站时刻提取：根据步骤(1)预处理后的样本数据，按照线路编号筛选出目标线路的数据，并与目标线路的站点经纬度坐标信息进行比对，确定公交车辆到达各站点的时刻其中i表示目标线路站点编号，n表示当前车辆在该行驶方向上已运行车辆中的序号，所述序号按照公交车从起始站点的发车时间依次排序；(3)公交站间运行时间计算：根据由步骤(2)获取的公交车辆到达各站点的时刻，计算得到公交的站间运行时间为：Ti,jn=Ajn-Ain---(1)]]>其中：分别表示公交车在站点j、站点i的时刻，表示公交车n从站点i到站点j的运行时间，且满足站点j位于站点i目标线路的同一个行驶方向(上行或下行)的下游；(4)建立模型输入数据集：选取与预测目标区域公交运行时间相关的信息作为特征数据，并以此建立模型输入数据集；(5)建立参数优化目标函数：以预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)作为主要参数，建立预测模型参数优化目标函数为：f＝NPIAW+φ(PICP)EXP(‑ω(PICP‑μ))   (2)其中：ω和μ为给定参数，μ为预测区间的名义置信水平，ω作为对有效覆盖率误差的惩罚系数，φ(PICP)是关于预测区间有效覆盖率的指示函数，表达式为：φ(PICP)=0,ifPICP≥μ1,ifPICP<μ---(3)]]>预测区间有效覆盖率(PICP)和标准化预测区间平均宽度(NPIAW)的计算方法分别为：其中NPIAW=1DNΣi=1N(Ui-Li)---(5)]]>其中，N为样本总体数量，ti表示第i个样本运行时间的实际值，Li,Ui分别表示第i个样本运行时间区间预测的上界和下界，D表示所有样本中实际运行时间最大值与最小值的差值；(6)建立公交站间运行时间区间预测模型：构建两个以径向基RBF作为核函数的支持向量回归机(SVR)，分别预测公交站间运行时间预测区间的上界和下界，每个SVR均包含三个模型参数，分别为惩罚系数C、不敏感损失系数ε和RBF核参数γ；两个SVR均以步骤(4)所得数据集作为模型训练数据输入部分，其中上界预测模型的训练数据输出部分为预测目标实际运行时间的(2‑μ)倍，下界预测模型的训练数据输出部分为预测目标实际运行时间的μ倍；(7)预测模型参数寻优：采用粒子群算法(PSO)对两个SVR模型中的参数进行寻优；(8)模型应用：所的模型是以采用步骤(6)所得最优模型参数建立的一组上、下界SVR预测模型，并采用模型训练数据对预测模型进行训练得到最终公交站间运行区间预测模型；以公交车辆GPS历史数据和实时上传数据提取预测目标特征数据，并输入到该区间预测模型，模型输出结果即为预测车辆从预测区域上游站点运行到下游站点运行时间区间的上、下界预测值。