一种基于回归拟合的公交站点停靠时间预测方法
【技术领域】
[0001]本发明涉及电子技术领域，尤其涉及一种基于回归拟合的公交站点停靠时间预测 方法。
【背景技术】
[0002] 近年来，随着公交优先政策的不断深入，居民对公交服务水平的要求越来越高，而 目前公交服务尚存在一些问题，主要表现在公交服务的稳定性方面。准确、可靠的公交车辆 行程时间预测技术不仅能够为公交车辆调度技术提供保障，还将为乘客提供可靠的乘车信 息。而公交车辆在站点的停靠时间作为整个行程时间的重要部分，研究公交在站点停靠时 间的预测方法，减少公交车在停靠站处的延误，也是公交优先的一个具体方面。
[0003] 目前，国内外对公交停靠站时间的研究大多侧重于其影响因素。Levinson研究发 现公交车上下车人数是影响公交停靠时间的决定性因素 ;Wei Fan等在研究中分析了公交 车内站立乘客数对乘客上车时间的影响，认为站立乘客数会对单位乘客上车时间产生一定 影响;Jaiswal等发现在大型公交停靠站中，公交车的停靠时间与停靠站内的等待乘客数量 呈正相关;Bladikas等研究中分析了不利天气对公交停靠时间的影响，发现在雨雪天气情 况下，公交车停靠时间会显著增加 ;Kenneth J.Dueker等利用AVL/APC(实时行车诱导)数据 分析了公交停靠时间的影响因素，认为AVL/APC数据能有效用于公交停靠时间分析;Chen等 利用神经网络模型分析了乘客行为对公交停靠时间的影响。吴叶等对影响公交停靠时间的 因素进行了简单分析，如车型、拥挤度及上下车人数等;杨东媛对公共汽车中途停靠时间进 行分析，建立了各种影响因子的修正系数。刘建荣等在分析了公交车站泊位数影响基础 上，对公交停靠站公交车的损失时间进行了研究。
[0004] 现有技术中的一种公交站点车辆停靠延误模型设计方案包括:将公交车辆站点停 靠过程细分为变换车道、减速进站停靠、开车门、乘客上下车、关车门和加速离站6个阶段并 进行分析，结合对成都市二环路上公交停靠站点的实例调查数据，建立了公交站点车辆停 靠延误模型。
[0005] 上述现有技术中的公交站点车辆停靠延误模型设计方案的缺点包括:①缺少对公 交车站点停靠影响因素的定量分析，如车内乘客密度状态、车门数、台阶数等。②只适用于 单机公交车，而目前很多城市的公交车不只是单机车，还有铰接车，如北京，目前北京市公 交车有两种车型，双车门单机车和三车门铰接车。③研究下车客流量与时间之间的关系时， 所采用的模型较简单，回归方程相关系数较低，说明模型可靠性也较低。
【发明内容】
[0006] 本发明的实施例提供了一种基于回归拟合的公交站点停靠时间预测方法，以实现 有效地预测公交车在站点的停靠时间。
[0007] 为了实现上述目的，本发明采取了如下技术方案。
[0008] -种基于回归拟合的公交站点停靠时间预测方法，包括：
[0009] 获取公交车的上、下车人数、车门数、车内乘客密度状态，计算出每个车门的上、下 车人数；
[0010] 以每个车门的上、下车人数、车内乘客密度状态为自变量，以每个车门的乘客上、 下车时间为因变量，通过回归拟合过程计算出所述自变量与因变量之间的关系式；
[0011] 根据所述自变量与因变量之间的关系式计算出每个车门的乘客上、下车时间，根 据每个车门的乘客上、下车时间计算出公交车的站点停靠时间。
[0012] 进一步地，所述的获取公交车的上、下车人数、车门数、车内乘客密度状态信息，计 算出每个车门的上、下车人数，包括：
[0013] 预测出公交车在站台的上下车客流，获取公交车的车门数信息，将公交车的车内 乘客密度状态划分为拥挤状态和非拥挤状态；
[0014]当公交车为两门车，贝
[0015] 当公交车为三门车，则进行下车客流分配，分配方法如下：
[0016] Pf后=0.5461 XPf-0.0741
[0017]
[0018] 式中，Ρτ -下车总人数；
[0019] 前门下车人数；
[0020] Pf后一后门下车人数。
[0021 ]进一步地，所述的以每个车门的上、下车人数、车内乘客密度状态为自变量，以每 个车门的乘客上、下车时间为因变量，通过回归拟合过程计算出设定函数模型下的所述自 变量与因变量之间的关系式，包括：
[0022] 选定应用于乘客上、下车时间回归拟合过程的多种模型函数，选定进行乘客上、下 车时间回归拟合运算的拟合软件，以每个车门的上、下车人数、车内乘客密度状态为自变 量，以每个车门的乘客上、下车时间为因变量，在所述拟合软件中输入所述自变量和所述因 变量，依次选取所述多种模型函数中的每种模型函数，分别针对所述自变量和所述因变量 进行回归拟合运算，得到每种乘客密度状态下每种模型函数下的所述自变量与所述因变量 之间的关系式，以及每个模型函数的拟合优度值；
[0023] 分别针对每种乘客密度状态，将各种模型函数的拟合优度值进行比较，选择拟合 优度值最高的模型函数，将拟合优度值最高的模型函数下的所述自变量与所述因变量之间 的关系式确定为该种乘客密度状态下最终的每个车门的上、下车人数与每个车门的乘客 上、下车时间之间的关系式。
[0024] 进一步地，所述应用于乘客上、下车时间回归拟合过程的多种模型函数包括:对数 函数、二次曲线、三次曲线、幂函数、S-型曲线和指数函数中的最少两种。
[0025] 进一步地，当所述车内乘客密度状态为不拥挤时，选取的乘客上车时间对应的模 型函数为指数函数，乘客上车时间Τι与上车人数Νι之间的关系式为：
[0026]
[0027] 选取的乘客下车时间对应的模型函数为幂函数，乘客下车时间!^与下车人数犯之 间的关系式为：
[0028] T2 = 4.695+0.561 Xln Ν2,Ν2>0
[0029] 当所述车内乘客密度状态为拥挤时，选取的乘客上车时间对应的模型函数为三次 曲线，乘客上车时间Τι与上车人数Νι之间的关系式为：
[0030] Τι = 5 · 223+4 · 617N-0 · 193Ν2+0 · 006N3，Ni>0
[0031 ]选取的乘客下车时间对应的模型函数为幂函数，乘客下车时间T2与下车人数N2之 间的关系式为：
[0032] T2 = 7.386+0.412Xln Ν2,Ν2>0
[0033]
[0034] 进一步地，所述的根据所述自变量与因变量之间的关系式计算出每个车门的乘客 上、下车时间，根据每个车门的乘客上、下车时间计算出公交车的站点停靠时间，包括：
[0035] 计算出公交车的各个车门的上、下车人数，根据公交车当前的车内乘客密度状态 将各个车门的上、下车人数代入到对应的各个车门的上、下车人数与各个车门的乘客上、下 车时间之间的关系式，计算出各个车门的乘客上、下车时间，选取时间最长的某个车门的乘 客上、下车时间；
[0036] 选定应用于站点停靠时间回归拟合过程的多种模型函数，选定进行站点停靠时间 回归拟合运算的拟合软件，以所述时间最长的某个车门的乘客上、下车时间为自变量，以 公交车停靠站时间为因变量，在所述拟合软件中输入所述自变量和所述因变量，依次选取 所述多种模型函数中的每种模型函数，分别针对所述自变量和所述因变量进行回归拟合运 算，得到每种模型函数下的所述自变量与所述因变量之间的关系式，以及每个模型函数的 拟合优度值；
[0037] 将各种模型函数的拟合优度值进行比较，选择拟合优度值最高的模型函数，将拟 合优度值最高的模型函数下的所述自变量与所述因变量之间的关系式确定为最终的时间 最长的某个车门的乘客上、下车时间与公交车的站点停靠时间之间的关系式，根据该关系 式计算出公交车的站点停靠时间。
[0038]进一步地，所述的应用于站点停靠时间回归拟合过程的多种模型函数包括:对数 函数、二次曲线、三次曲线、幂函数、S-型曲线和指数函数中的最少两种函数。
[0039]进一步地，当选定的应用于站点停靠时间回归拟合过程的模型函数为二次曲线 时，时间最长的某个车门的乘客上、下车时间与公交车的站点停靠时间之间的关系式如下：
[0040] Τ = 0·906+1·019ΧΤ·χ，Τ·χ>0
[0041 ]式中，Τ为公交车的站点停靠时间，Tmax为时间最长的某个车门的乘客上、下车时 间。
[0042]由上述本发明的实施例提供的技术方案可以看出，本发明实施例通过研究公交车 在站点的停靠时间与上下车人数、车内乘客密度状态之间的关系，综合考虑多种因素，尤其 是对于不同公交车型，建立相应模型来预测停靠时间，且各模型回归精度也高于现有技术。 本发明以大量现实数据为基础，基于回归分析得到站点停靠时间预测