李少偉+曹成濤+楊驥

摘 要：公交到站時(shí)間預(yù)測(cè)作為智能公交的核心內(nèi)容之一，不僅可以極大地提高公交服務(wù)滿意度進(jìn)而提高公交出行率，而且可為智能公交調(diào)度系統(tǒng)的優(yōu)化提供數(shù)據(jù)依據(jù)。本文將公交GPS數(shù)據(jù)和公交站點(diǎn)與線路等GIS數(shù)據(jù)進(jìn)行融合、處理與分析，基于公交車軌跡數(shù)據(jù)和路段在空間關(guān)系和時(shí)空分布上的分析和處理，設(shè)置一定的離站距離閾值對(duì)當(dāng)前公交站點(diǎn)進(jìn)行緩沖區(qū)分析，搜索在最近一段時(shí)間內(nèi)?？吭撜军c(diǎn)的公交車軌跡數(shù)據(jù)，獲取不同車輛的軌跡信息，進(jìn)行公交到站時(shí)間預(yù)測(cè)研究，建立預(yù)測(cè)模型，推算出公交到站時(shí)間，并以經(jīng)過廣州市體育中心公交站的多條公交線路為例驗(yàn)證預(yù)測(cè)方法的準(zhǔn)確性。研究表明：通過模型預(yù)測(cè)所得多條公交線路的公交到站時(shí)間與實(shí)際調(diào)查記錄時(shí)間誤差較小。

關(guān)鍵詞：GPS軌跡數(shù)據(jù)；公交到站時(shí)間；緩沖區(qū)分析；數(shù)據(jù)融合；GIS

中圖分類號(hào)：TP274 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract：As one of the core contents of intelligent transit，the bus arrival prediction can not only increase the satisfaction of bus service and the trip rate of public transport，but also provide data basis for the optimization of the intelligent public transportation dispatching system.In this paper，the GPS data of the bus and the GIS data of the bus station and the bus route are integrated，processed and analyzed.Based on the analysis and processing of the bus track data and the road segment in the spatial relation and the spatial and temporal distribution， a certain distance threshold from the station is set to carry out the buffer analysis，search the bus track data of the station in the last period of time，obtain the track information of different vehicles，predict the bus arrival duration，establish the prediction model and calculate the bus arrival time.Multiple bus routes of Guangzhou Sports Center are taken as cases to verify the accuracy of the prediction method.The results show that the time errors between the prediction values and the actual records of multiple bus routes are suitably small.

Keywords：GPS track data；bus arrival time；buffer analysis；data fusion；GIS

1 引言（Introduction）

隨著中國城鎮(zhèn)化進(jìn)程的不斷加快，大城市規(guī)模和人口不斷擴(kuò)大，城市居民的出行需求不斷增長，交通擁堵、環(huán)境污染及過度能源消耗等負(fù)面效應(yīng)日益突出，成為經(jīng)濟(jì)和社會(huì)協(xié)調(diào)發(fā)展的熱點(diǎn)問題，大力發(fā)展公共交通不僅可以提升交通出行效率，而且可以減輕交通擁擠，減少環(huán)境污染，合理利用資源，促進(jìn)社會(huì)公平，實(shí)現(xiàn)低碳綠色交通，但我國城市公共交通在準(zhǔn)時(shí)性、便捷性等方面不能滿足乘客的需求，導(dǎo)致公共交通吸引率長期偏低，因此積極開展公交到站時(shí)間預(yù)測(cè)方法的研究，已成為改善交通壓力的重要研究方向：向出行者提供公交到站時(shí)間信息可以極大地提高公交服務(wù)滿意度，從而提高公交出行率；向管理者提供公交到站時(shí)間信息可為公交線路及站點(diǎn)的調(diào)整提供依據(jù)，為智能公交系統(tǒng)的實(shí)時(shí)調(diào)度優(yōu)化提供基礎(chǔ)數(shù)據(jù)。

2 常見預(yù)測(cè)方法綜述（Summary of common

prediction methods）

根據(jù)預(yù)測(cè)方法不同，公交到站時(shí)間預(yù)測(cè)方法主要分為下四類：（1）基于時(shí)空變化規(guī)律的預(yù)測(cè)方法：根據(jù)公交行程時(shí)間在時(shí)間與空間上的變化規(guī)律，遵循已有的歷史數(shù)據(jù)對(duì)車輛在未來時(shí)間里經(jīng)過某一路段的行程時(shí)間進(jìn)行預(yù)測(cè)，目前這種預(yù)測(cè)方法主要有時(shí)間序列法、卡爾曼濾波法[1]、神經(jīng)網(wǎng)絡(luò)法[2]、支持向量機(jī)[3，4]等。（2）基于影響因素的預(yù)測(cè)方法：通過建立公交行程時(shí)間與路段長度、天氣情況、交通流量、出行時(shí)間等因素之間的數(shù)學(xué)模型來進(jìn)行公交到站時(shí)間預(yù)測(cè)，目前主要包括統(tǒng)計(jì)回歸理論預(yù)測(cè)方法與數(shù)學(xué)模型預(yù)測(cè)方法[5-7]。（3）基于數(shù)據(jù)融合的預(yù)測(cè)方法：通過對(duì)多源檢測(cè)器采集的數(shù)據(jù)進(jìn)行綜合處理，得到更全面準(zhǔn)確的數(shù)捉，或結(jié)合多種預(yù)測(cè)方法的結(jié)果，提高預(yù)測(cè)精度、保證預(yù)測(cè)結(jié)果穩(wěn)定性，目前數(shù)據(jù)融合方法主要有加權(quán)平均法、貝葉斯方法[8，9]、統(tǒng)計(jì)決策理論[10，11]、神經(jīng)網(wǎng)絡(luò)法[12]等。（4）混合模型預(yù)測(cè)方法：由于預(yù)測(cè)算法的各自特點(diǎn)，各種預(yù)測(cè)模型在展現(xiàn)良好預(yù)測(cè)性能的同時(shí)也存在固有缺點(diǎn)，所以近年來，公交到站時(shí)間預(yù)測(cè)研究朝著多種方案相結(jié)合的混合預(yù)測(cè)模型方向發(fā)展。

3 基于GPS軌跡數(shù)據(jù)的公交到站時(shí)間預(yù)測(cè)（Bus

arrival time prediction based on GPStrack data）

隨著智能公交系統(tǒng)的快速發(fā)展，基于GPS的自動(dòng)定位系統(tǒng)、GIS技術(shù)、無線通信技術(shù)得到了更加廣泛的使用，利用公交GPS軌跡數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，已經(jīng)成為一種預(yù)測(cè)公交到站時(shí)間的新方法。

3.1 GPS數(shù)據(jù)處理與融合分析

本文實(shí)驗(yàn)數(shù)據(jù)來源于廣州市公交GPS數(shù)據(jù)，公交車在回傳數(shù)據(jù)時(shí)，受到特殊地形、惡劣天氣的影響，或是無線通信網(wǎng)絡(luò)通信質(zhì)量不佳，都會(huì)對(duì)回傳數(shù)據(jù)的質(zhì)量造成影響，所以在數(shù)據(jù)融合分析之前需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理以保障數(shù)據(jù)的精確性，從而避免對(duì)預(yù)測(cè)造成不必要的負(fù)面影響，主要采取兩個(gè)步驟：（1）GPS數(shù)據(jù)清理，去除漂移點(diǎn)。軌跡數(shù)據(jù)的經(jīng)緯度坐標(biāo)是最重要的基礎(chǔ)數(shù)據(jù)，但由于模塊定位過程中受到大型建筑物的遮擋，以及其他事物的干擾，會(huì)出現(xiàn)很多漂移點(diǎn)而對(duì)于嚴(yán)重偏離所屬線路的情況，會(huì)對(duì)預(yù)測(cè)精度造成重大影響，因此必須去除。本文通過疊加GPS軌跡點(diǎn)和公交線路圖層，在地圖上非常直觀地表現(xiàn)出了車輛行駛軌跡偏離所屬線路的程度，通過設(shè)置可變的閾值，控制軌跡數(shù)據(jù)中坐標(biāo)的精度。（2）GPS數(shù)據(jù)丟失插值處理。由于城市中高樓聳立，GPS數(shù)據(jù)傳輸過程中會(huì)出現(xiàn)丟失的問題，造成GPS定位時(shí)間間隔過久，直接影響提取出交通數(shù)據(jù)的準(zhǔn)確性。本文采取插值處理的方法補(bǔ)充空白點(diǎn)，運(yùn)用前后兩個(gè)數(shù)據(jù)點(diǎn)的平均值作為插入數(shù)值。

數(shù)據(jù)融合分析是將車輛GPS定位數(shù)據(jù)、公交車輛數(shù)據(jù)、公交線路數(shù)據(jù)、公交站點(diǎn)數(shù)據(jù)、公交線路站點(diǎn)關(guān)系、運(yùn)營計(jì)劃數(shù)據(jù)等進(jìn)行融合，通過GPS空間信息和站點(diǎn)空間信息進(jìn)行空間分析，結(jié)合融合后的數(shù)據(jù)獲得公交車GPS的時(shí)空軌跡數(shù)據(jù)。具體關(guān)聯(lián)如圖1所示。

3.2 公交車停站時(shí)刻獲取

為了獲取更準(zhǔn)確的公交車停站時(shí)刻，需要充分了解公交車運(yùn)行規(guī)律：公交從始發(fā)站開往終點(diǎn)站，中途經(jīng)過多個(gè)?？空荆卉嚳偸菑恼九_(tái)的上游減速進(jìn)入?？空荆缓笤谡緝?nèi)?？科痰却丝蜕舷萝?，然后起步加速離站，進(jìn)入站臺(tái)的下游路段。公交車經(jīng)過每一個(gè)站臺(tái)都要經(jīng)歷減速進(jìn)站和加速離站的過程。

根據(jù)公交站點(diǎn)與公交車空間關(guān)系和時(shí)空分布特征，設(shè)置一定的離站距離閾值對(duì)公交站點(diǎn)進(jìn)行緩沖區(qū)分析，搜索在最近一段時(shí)間內(nèi)?？吭撜军c(diǎn)的公交車軌跡數(shù)據(jù)，獲取不同車輛的軌跡信息，根據(jù)公交車和?？空军c(diǎn)的坐標(biāo)信息，可得到當(dāng)前時(shí)刻公交車離站距離，將當(dāng)前線路公交車速度、離站距離及時(shí)間信息進(jìn)行疊加，可以得到公交車停站過程圖。

以廣州體育中心公交車站為例，測(cè)得某路公交車到站的車速和離站距離隨時(shí)間變化規(guī)律如圖2所示，由圖可知，公交車先減速到站后再加速離站，離站距離由大變小再由小變大，由于車輛靜止時(shí)GPS接收器計(jì)算精度和外界多徑效應(yīng)引入的干擾，位置數(shù)據(jù)不是同一值而是小范圍值，因此可以將公交車停站時(shí)的最小離站距離范圍設(shè)置在GPS定位誤差范圍內(nèi)，將該范圍內(nèi)第一個(gè)最小車速值（車速的計(jì)算依賴于GPS定位數(shù)據(jù)，由于GPS的定位誤差，公交車停站時(shí)的最小車速值應(yīng)是接近0的小范圍值）作為停站時(shí)的車速，即取距離和車速曲線左側(cè)底部對(duì)應(yīng)的時(shí)刻作為公交車停站時(shí)刻的替代值！

假設(shè)當(dāng)前某個(gè)時(shí)間段內(nèi)通過公交站點(diǎn)（i為公交車下一站?？康恼军c(diǎn)序號(hào)，m為乘客候車站點(diǎn)序號(hào)，i、m均為正整數(shù)且根據(jù)當(dāng)前公交線路經(jīng)過站點(diǎn)先后順序排序，1

3.3 站間行駛時(shí)間預(yù)測(cè)

鑒于同一時(shí)間段有多輛不同線路公交車經(jīng)過該站點(diǎn)，通過上述方法獲取該車輛的公交停站時(shí)刻替代值，則相鄰站點(diǎn)間的時(shí)間間隔等于同一輛車下一站點(diǎn)的公交停站時(shí)刻替代值減去上一站點(diǎn)的公交停站時(shí)刻替代值，由于同一時(shí)間段有多輛公交車經(jīng)過相鄰站點(diǎn)，因此同一時(shí)間段的站間行駛時(shí)間是一個(gè)集合，取集合的算術(shù)平均值，即可得到相鄰站點(diǎn)間的行駛預(yù)測(cè)時(shí)間。

假設(shè)當(dāng)前某個(gè)時(shí)間段內(nèi)通過相鄰公交站點(diǎn)和的公交車的站間行駛時(shí)間為：

則該時(shí)間段內(nèi)相鄰公交站點(diǎn)和的站間行駛預(yù)測(cè)時(shí)間為：

3.4 公交到站時(shí)間預(yù)測(cè)

將目標(biāo)車輛距離當(dāng)前站點(diǎn)的到站時(shí)間進(jìn)行分拆：目標(biāo)車輛距離最近站點(diǎn)的到站時(shí)間及后續(xù)各相鄰車站的站間行駛時(shí)間總和，即為公交到站時(shí)間，公交到站時(shí)間預(yù)測(cè)示意圖如圖3所示。

假設(shè)公交車距離下一站點(diǎn)的距離為（由公交車坐標(biāo)和站點(diǎn)坐標(biāo)計(jì)算得到），公交車所在站點(diǎn)區(qū)間距離為（由相鄰站點(diǎn)坐標(biāo)計(jì)算得到），公交車到達(dá)乘客候車站點(diǎn)的時(shí)間為，已知當(dāng)前公交車下一站點(diǎn)為，乘客候車站點(diǎn)為，則公交到站時(shí)間預(yù)測(cè)值：

4 案例分析（Case analysis）

本文以廣州市體育中心站為例，將體育中心站作為候車點(diǎn)，通過實(shí)際調(diào)查和預(yù)測(cè)模型計(jì)算出相應(yīng)的公交到站時(shí)間，具體實(shí)施方法如下：（1）采用定點(diǎn)調(diào)查方式：選擇體育中心站，在周末下午時(shí)間做公交到站時(shí)間調(diào)查，記錄多趟公交線路到站時(shí)間。（2）通過公交線路，查詢距離站點(diǎn)最近公交車，從數(shù)據(jù)庫中提取出相關(guān)車輛的公交車軌跡數(shù)據(jù)：位置、途徑站點(diǎn)、速度、時(shí)間等相關(guān)信息。（3）利用本文提出的預(yù)測(cè)模型對(duì)提取的公交車軌跡數(shù)據(jù)進(jìn)行處理、分析，推算出每趟公交線路的公交到站時(shí)間。

實(shí)驗(yàn)結(jié)果如下：針對(duì)體育中心站到站的車輛做了12份記錄，得到公交線路及其到站時(shí)間記錄12條；通過推算模型計(jì)算出的相同公交車的到站記錄12條，用累計(jì)誤差除以到站累計(jì)時(shí)間，所得準(zhǔn)確率為1-（30/149）=79.87%，取得較好的預(yù)測(cè)效果，具體情況如表1所示。

5 結(jié)論（Conclusion）

為改善城市公共交通在準(zhǔn)時(shí)性、便捷性等方面的不足，提升公共交通吸引率，本文將公交GPS數(shù)據(jù)和公交站點(diǎn)與線路等GIS數(shù)據(jù)進(jìn)行融合、處理與分析，基于公交車軌跡數(shù)據(jù)和路段在空間關(guān)系和時(shí)空分布上的分析和處理，進(jìn)行公交到站時(shí)間預(yù)測(cè)研究，建立模型，推算出公交到站時(shí)間，彌補(bǔ)了現(xiàn)有公交數(shù)據(jù)記錄的不足。以廣州市體育中心公交站為例對(duì)推算方法進(jìn)行驗(yàn)證，所得公交到站時(shí)間的準(zhǔn)確率79.87%，取得較好的預(yù)測(cè)效果，具有一定的實(shí)用價(jià)值。公交到站時(shí)間預(yù)測(cè)提

升了公交服務(wù)滿意度及公交出行率，為智能公交系統(tǒng)的優(yōu)化（線路站點(diǎn)規(guī)劃、實(shí)時(shí)調(diào)度）提供了數(shù)據(jù)依據(jù)，對(duì)解決城市公共交通問題具有重要的現(xiàn)實(shí)意義。

參考文獻(xiàn)（References）

[1] BinYu.WilliamH.K.Lama，MeiLamTam.Bus Arrival Time Prediction at Bus Stop with Multipleroutes[J].Transportation Research PartC，2011：1157-1170.

[2] ZHONG Huiling，ZHANG Meng，SHI Yongqiang.Efficient Path Planning Algorithm Based on the Strategy of Network Layer[J].Journal of Southwest University Jiao Tong，2011，46（4）：645-650.

[3] ShafhiY，Khani A.A Practical Model for Transfer Optimization in a Transit Network：Model Formulations and Solutions[J].Transportation Research Part A：Policy and Practice，2010，44（6）：377-389.

[4] Chang-Jiang Zheng.Improved Iterative Prediction for Multiple Stop Arrival Time Using a Support Vector Machine[J].TRANSPORT，2012，27（2）：158-164.

[5] 王拙.基于有限狀態(tài)自動(dòng)機(jī)的公交車到站時(shí)間預(yù)測(cè)模型[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[6]何巍楠.基于浮動(dòng)車數(shù)據(jù)的城市常發(fā)性交通擁堵時(shí)空分布特征研究[D].北京交通大學(xué)，2012.

[7] 孫玉現(xiàn)，等.基于路況相似性的城市公交車到站時(shí)間預(yù)測(cè)機(jī)制[J].軟件學(xué)報(bào)，2012，23（1）：87-99.

[8] 王建.基于貝葉斯網(wǎng)絡(luò)組合模型的公交駐站時(shí)間預(yù)測(cè)[J].城市交通，2012，10（5）：78-83.

[9] 蔣新.基于多源數(shù)據(jù)的大城市常規(guī)公交運(yùn)行評(píng)價(jià)研究[D].北京交通大學(xué)，2011.

[10] 李嘉.基于交通數(shù)據(jù)融合技術(shù)的行程時(shí)間預(yù)測(cè)模型[N].湖南大學(xué)學(xué)報(bào)，2014，41（1）：33-38.

[11] 聶慶慧，等.基于多源ITS數(shù)據(jù)的行程時(shí)間預(yù)測(cè)體系框架及核心技術(shù)[N].東南大學(xué)學(xué)報(bào)，2011，41（1）：199-204.

[12] 李川.基于復(fù)雜網(wǎng)絡(luò)的城市公共交通網(wǎng)絡(luò)連通性研究[D].成都：西南交通大學(xué)，2014.

作者簡介：

李少偉（1981-），男，碩士，講師.研究領(lǐng)域：GIS/GPS在智能交通中的應(yīng)用.

曹成濤（1981-），男，博士，副教授.研究領(lǐng)域：智能交通技術(shù).

楊 驥（1983-），男，博士生，副高級(jí)工程師.研究領(lǐng)域：地理信息系統(tǒng).