对等待乘客数进行预测的方法和系统以及评价方法和系统的制作方法
【技术领域】
[0001] 本发明涉及公交车调度，更具体地，涉及一种用于对等待乘客数进行预测的方法 和系统W及评价方法和系统，W及一种用于公共汽车的调度方案的评价方法和评价系统。
【背景技术】
[0002] 在线调度在公共汽车运营系统中起着重要的作用，因为基于预定义的需求的离线 调度（静态调度）无法与各种动态的变化相适应。在线调度包括例如公共汽车出发时刻表 调度、车速控制、跃站指示等等。通常，调度仅仅基于公共汽车的状态或者预测的公共汽车 的状态，在调度公共汽车时并没有考虑到乘客流信息。因为不知道乘降时间，所W无法准确 地预测公共汽车状态
[0003] 例如，当因为前一站的乘客数比通常多很多从而造成登车时间长时，该公共汽车 到达下一站的实际到站时间可能会比预测的到站时间要晚。在另一个例子中，讨论公交串 车度USbunching)问题。图2是示出了解释公交串车问题的说明图。在图2中，H角形代 表公共汽车，它们被调度为本应基本等间距地行驶，同一公交线路的至少两辆公共汽车一 起行驶被称为公交串车。公交串车使服务不可靠，例如，一些乘客的等待时间会更长，一些 公共汽车会很拥挤。图3是示出了发生公交串车时的乘客流情况的说明图。在图3中，矩 形条的长度对应于公共汽车的停靠时间。图3右下侧的曲线图示出了正常情况下第一个车 站的乘客流情况，图3右上侧的曲线图示出了发生公交串车的情况下第H个车站的乘客流 情况。公交串车的一个关键原因是异常的乘客负载，因为登车乘客数量大将增加公共汽车 的停靠时间从而引起延迟。有时候，公交串车并不是有害的。例如，当某大型展览或体育比 赛散场时在附近的车站会出现异常的乘客数量提升，此时为了满足突发的乘客流，反而期 望公交串车的出现。
[0004] 因此，不仅应该基于公共汽车状态，还应该基于乘客流信息来调度为乘客服务的 公交系统。送就涉及到乘客流的预测。
[0005] 在执行乘客流预测的现有技术中，存在非参量统计方法、参量方法W及实时仿真 方法。
[0006] 非参量统计方法包括例如神经网络、SVM(支持向量机）等等。非参量统计方法要 求诸如日期、时间和天气的环境变量作为输入变量，并且求得乘客流和环境条件之间的关 系。但是，等待乘客数公共汽车的位置强相关，所W难W被建模为环境条件。
[0007] 参量方法例如包括线性回归、时序模型、卡尔曼滤波等等。送些技术中的一些预测 一年或N天的时间间隔中的乘客流，送种预测对于公共汽车调度员进行及时决策而言过于 粗糖。在卡尔曼滤波中，WPC(t+l)=WPC(t)+w(t)，其中WPCO表示等待乘客数，wO表示 高斯噪声，可见在送种乘客流预测中没有考虑到乘客需求和公共汽车的位置。
[0008] 实时仿真方法基于实时0D(起点-目的地）估计。实时仿真方法要求大量数据 (例如，历史0D矩阵）W及高效的计算机来支持仿真，送对于公共汽车调度而言成本过高。
【发明内容】
[0009] 考虑到W上问题，本发明旨在提供一种使公共汽车位置预测与乘客流预测互相结 合的方法和系统，W及一种用于公共汽车的调度方案的评价方法和评价系统。
[0010] 根据本发明的一个方面，提供了一种用于对等待乘客数进行预测的方法，包括：基 于公共汽车的历史行驶数据W及当前车辆运行数据对公共汽车到达一个车站的到站时间 进行预测；W及基于历史乘客流数据W及当前等待乘客数，并且在考虑所述到站时间的预 测结果的情况下，对所述车站下一时段的等待乘客数进行预测。
[0011] 根据本发明的另一个方面，提供了一种用于公共汽车的调度方案的评价方法，包 括：基于公共汽车的历史行驶数据W及当前车辆运行数据对公共汽车到达一个车站的到站 时间进行预测；基于历史乘客流数据W及当前等待乘客数，并且在考虑所述到站时间的预 测结果的情况下，对所述车站下一时段的等待乘客数进行预测；把预测的等待乘客数与他 们的等待时间的积分作为关键绩效指标KPI 及对公共汽车的调度方案进行评价，W确 定所述关键绩效指标KPI是否小于预定值。
[0012] 根据本发明的另一个方面，提供了一种用于对等待乘客数进行预测的系统，包括： 到站时间预测器，被配置为基于公共汽车的历史行驶数据W及当前车辆运行数据对公共汽 车到达一个车站的到站时间进行预测；W及等待乘客数预测器，被配置为基于历史乘客流 数据W及当前等待乘客数，并且在考虑所述到站时间的预测结果的情况下，对所述车站下 一时段的等待乘客数进行预测。
[0013] 根据本发明的另一个方面，提供了一种用于公共汽车的调度方案的评价系统，包 括：到站时间预测器，被配置为基于公共汽车的历史行驶数据W及当前车辆运行数据对公 共汽车到达一个车站的到站时间进行预测；等待乘客数预测器，被配置基于历史乘客流数 据W及当前等待乘客数，并且在考虑所述到站时间的预测结果的情况下，对所述车站下一 时段的等待乘客数进行预测；关键绩效指标KPI设置器，被配置为把预测的等待乘客数与 他们的等待时间的积分作为KPI 及评价器，被配置为对公共汽车的调度方案进行评价， W确定所述关键绩效指标KPI是否小于预定值。
[0014] 根据本发明的方法和系统预测的等待乘客数与实际等待乘客数更加接近并且基 本吻合。另外，采用根据本发明的方法和系统预测的等待乘客数来设置面向乘客的KPI，能 够更真实地反映乘客对公交系统的服务的总体感受。此外，利用所述KPI对公共汽车的调 度方案进行评价，并基于该评价来找出满足该KPI的调度方案，能够提高乘客对公交系统 的服务的满意度。
【附图说明】
[0015] 通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述W及其 它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号 通常代表相同部件。
[0016] 图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框 图。
[0017] 图2是示出了解释公交串车问题的说明图。
[0018] 图3是示出了发生公交串车时的乘客流情况的说明图。
[0019] 图4是示出根据本发明的实施例的用于对等待乘客数进行预测的方法的流程图。
[0020] 图5示出了预测的一段路程的行驶时间的例子。
[0021] 图6是示出了根据本发明的一个实施例的等待乘客数预测步骤中的处理的流程 图。
[0022]图7是示出根据本发明的一个实施例的从历史乘客流数据中的登车乘客数获得 到达乘客数APC的示图。
[002引图8是示出利用季节性ARIM模型来预测APC的例子的示图。
[0024] 图9是示出了根据本发明的一个实施例的预测登车乘客数DPC的步骤中的处理的 流程图。
[0025] 图10示出了利用根据本发明的实施例预测的等待乘客数而设置的关键绩效指标 KPI。
[0026] 图11是示出根据本发明的实施例的用于公共汽车的调度方案的评价方法的流程 图。
[0027] 图12示出了根据本发明的等待乘客数的预测的效果。
[0028] 图13是示出根据本发明的实施例的用于对等待乘客数进行预测的系统的方框 图。
[0029]图14是示出根据本发明的实施例的用于公共汽车的调度方案的评价系统的方框 图。
【具体实施方式】
[0030] 下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开 的优选实施方式，然而应该理解，可WW各种形式实现本公开而不应被送里阐述的实施方 式所限制。相反，提供送些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的 范围完整地传达给本领域的技术人员。
[0031] 图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框 图。图1显示的计算机系统/服务器12仅仅是一个示例，不应对本发明实施例的功能和使 用范围带来任何限制。
[0032] 如图1所示，计算机系统/服务器12W通用计算设备的形式表现。计算机系统 /服务器12的组件可W包括但不限于；一个或者多个处理器或者处理单元16,系统存储器 28,连接不同系统组件（包括系统存储器28和处理单元16)的总线18。
[0033] 总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器， 外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举 例来说