預測方法和系統技術方案

本發明專利技術提供一種預測方法和系統，以解決現有人工蹲點方式存在的錯誤率高、誤差大，以及很難對由堵點引發的脫班進行預測的問題。上述預測方法至少以公交線網的靜態運營參數數據以及公交線網的動態運營參數的采樣數據作為數據來源，在數據來源上保證了客觀和準確；在后續的步驟中，上述預測方法以具有堵點脫班特征的公交運行軌跡段為中心進行聚類，提取出與具有堵點脫班特征的公交運行軌跡段屬于同一類的公交運行軌跡段，對其進行關聯分析，以至少獲得由堵塞引發的公交脫班的前件。最后，根據上述前件預測出發生堵塞的路段、由堵塞引發的脫班的路段、所影響的公交車輛，以及，所影響的公交路線中的至少一個，從而實現了對由堵塞引發公交脫班的預測。

【技術實現步驟摘要】

本申請涉及數據處理領域，更具體地說，涉及預測方法和系統。
技術介紹
“脫班”指定時運行的交通工具誤點，更具體的，在公交線網運營中的脫班，是指公交線路上的班次因種種原因無法跟從編訂的班次行走，比如在編訂班次中，某公交應該15:30到達某一站點，結果卻16 00乃至在更晚的時刻到達該站點。造成公交車輛脫班的原因很多，交通堵塞(即出現堵點)，即是造成公交車輛脫班的一個重要因素。為此，在現有技術中，經常采用人工蹲點的方式來確定某一路段是否發生交通堵塞(也即產生堵點)，以及是否發生脫班。 上述人工蹲點的方式存在錯誤率高、誤差大的問題。也很難根據人工采集的信息，尋找出脫班的發生規律，從而無法對由堵點引發的脫班進行預測。而近年來，許多城市建成了智能公交系統，智能公交系統可通過RFID設備采樣及車載GPS/GPRS模塊采樣，來獲取公交車輛的海量動態運營參數的采樣數據。這些海量動態運營采樣數據，為準確地預測某一路段是否發生由堵塞引發的脫班提供了契機。
技術實現思路
有鑒于此，本申請提供一種預測方法和系統，以解決現有人工蹲點方式存在的錯誤率高、誤差大，以及很難對由堵點引發的脫班進行預測的問題。為實現上述目的，本申請提供如下技術方案—種預測方法，至少用于預測由交通堵塞引起的公交脫班，所述方法包括至少獲取公交線網的運營參數所對應的數據，所述運營參數所對應的數據包括公交線網的靜態運營參數數據以及公交線網的動態運營參數的采樣數據，所述靜態運營參數至少包括公交線路發車間隔和到站名稱；對所述運營參數所對應的數據進行預處理，從而確定出公交車輛的公交運行軌跡，所述公交運行軌跡由公交運行軌跡點構成；以路段為最小單位對公交車輛的公交運行軌跡進行掃描，以掃描出具有堵點脫班特征的公交運行軌跡段，所述具有堵點脫班特征的公交運行軌跡段至少包括兩個公交運行軌跡點；以所述具有堵點脫班特征的公交運行軌跡段為中心，對所述公交運行軌跡進行聚類分析，得到聚類結果，所述聚類結果包括與所述具有堵點脫班特征的公交運行軌跡段屬于同一類的公交運行軌跡段；對聚類結果進行關聯分析，得到關聯分析結果，所述關聯分析結果包括由堵塞引發公交脫班的相應知識，所述知識至少包括由堵塞引發公交脫班的前件；根據所述知識進行預測，得到預測結果，所述預測結果包括發生堵塞的路段、由堵塞引發公交脫班的路段、由堵塞引發公交脫班的路段所影響的公交車輛，以及，由堵塞引發公交脫班的路段所影響的公交路線中的至少一個。一種預測系統，至少用于預測由交通堵塞引起的公交脫班，所述系統包括數據獲取單元、預處理單元、預測分析單元，所述預測分析單元包括掃描單元、聚類單元、關聯分析單元、堵點脫班預測單元，其中所述數據獲取單元用于，至少獲取公交線網的運營參數所對應的數據，所述運營參數所對應的數據包括公交線網的靜態運營參數數據以及公交線網的動態運營參數的采樣數據，所述靜態運營參數至少包括公交線路發車間隔和到站名稱；所述預處理單元用于，對所述運營參數所對應的數據進行預處理，從而確定出公交車輛的公交運行軌跡，所述公交運行軌跡由公交運行軌跡點構成；所述掃描單元用于，以路段為最小單位對公交車輛的公交運行軌跡進行掃描，以掃描出具有堵點脫班特征的公交運行軌跡段，所述具有堵點脫班特征的公交運行軌跡段至少包括兩個公交運行軌跡點；·所述聚類單元用于，以所述具有堵點脫班特征的公交運行軌跡段為中心，對所述公交運行軌跡進行聚類分析，得到聚類結果，所述聚類結果包括與所述具有堵點脫班特征的公交運行軌跡段屬于同一類的公交運行軌跡段；所述關聯分析單元用于，對聚類結果進行關聯分析，得到關聯分析結果，所述關聯分析結果包括由堵塞引發公交脫班的相應知識，所述知識至少包括由堵塞引發公交脫班的前件；所述堵點脫班預測單元用于，根據所述知識進行預測，得到預測結果，所述預測結果包括發生堵塞的路段、由堵塞引發公交脫班的路段、由堵塞引發公交脫班的路段所影響的公交車輛，以及，由堵塞引發公交脫班的路段所影響的公交路線中的至少一個。一種智能公交系統，至少包括第一服務器和第二服務器，所述第一服務器、第二服務器通過網絡數據交換設備相連接，其中所述第一服務器存儲有公交線網的靜態運營參數數據以及公交線網的動態運營參數的采樣數據，所述靜態運營參數至少包括公交線路發車間隔和到站名稱；所述第二服務器用于執行上述預測方法中的步驟?？梢?，在本申請實施例提供的技術方案中，在本申請實施例提供的技術方案中，主要基于公交線網的動態運營參數的采樣數據和靜態運營參數數據，進行聚類分析和關聯分析，并根據關聯分析結果進行預測。由于公交線網的動態運營參數的采樣數據是公交車輛在運行過程中實時實地的采樣數據，屬于非人為介入的客觀數據，而靜態運營參數數據也屬于客觀數據，因此，其在數據來源上首先保證了客觀以及準確性。而在后續的步驟中，先以具有堵點脫班特征的公交運行軌跡段為中心進行聚類分析得到聚類結果，從而快速、高效得提取出與上述具有堵點脫班特征的公交運行軌跡段屬于同一類的公交運行軌跡段。然后，對聚類結果進行關聯分析，以期發現同一類軌跡段相關數據中頻繁出現的數據關聯，得到關聯分析結果，并且，該關聯分析結果中至少包括由堵塞引發公交脫班的前件。最后，可根據由堵塞引發公交脫班的前件進行預測，從而預測出發生堵塞的路段、由堵塞引發公交脫班的路段、由堵塞引發公交脫班的路段所影響的公交車輛，以及，由堵塞引發公交脫班的路段所影響的公交路線中的至少一個。也即，實現了對由堵塞引發公交脫班的預測。附圖說明為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖I為本申請實施例提供的預測方法流程圖；圖2為本申請實施例提供的公交軌跡點示意圖；圖3為本申請實施例提供的公交軌跡點與r—t所標識路段的起始點O的沿道路中線的距離的示意圖；圖4為本申請實施例提供的預測方法另一流程圖； 圖5為本申請實施例提供的因堵點引發單一公交線路脫班示意圖；圖6為本申請實施例提供的不同路段發生堵點引發的脫班示意圖；圖7為本申請實施例提供的聚類分析具體流程圖；圖8為本申請實施例提供的預處理具體流程圖；圖9為本申請實施例提供的預處理另一具體流程圖；圖IOa為本申請實施例提供的某公交車輛全程平均行駛速度統計圖；圖IOb為本申請實施例提供的某公交車輛全程平均行駛速度半點統計圖；圖IOc為本申請實施例提供的某公交車輛路全程行駛時間統計圖；圖IOd為本申請實施例提供的某公交線路的路半點平均發車班次對照圖；圖Ila為本申請實施例提供的預測系統結構示意圖；圖Ilb為本申請實施例提供的預測系統另一結構示意圖；圖Ilc為本申請實施例提供的預測系統又一結構示意圖；圖Ild為本申請實施例提供的預測系統又一結構示意圖；圖12為本申請實施例提供的預測系統又一結構示意圖；圖13為本申請實施例提供的預測系統又一結構示意圖；圖14為本申請實施例提供的智能公交系統結構示意圖。具體實施例方式為了引用和清楚起見，下文中使用的技術名詞、簡寫或縮寫總結如下聚類分析指將物理或抽象對象的集合分組成為由類似的對象組成的多個本文檔來自技高網...

【技術保護點】
一種預測方法，其特征在于，至少用于預測由交通堵塞引起的公交脫班，所述方法包括：至少獲取公交線網的運營參數所對應的數據，所述運營參數所對應的數據包括公交線網的靜態運營參數數據以及公交線網的動態運營參數的采樣數據，所述靜態運營參數至少包括公交線路發車間隔和到站名稱；對所述運營參數所對應的數據進行預處理，從而確定出公交車輛的公交運行軌跡，所述公交運行軌跡由公交運行軌跡點構成；以路段為最小單位對公交車輛的公交運行軌跡進行掃描，以掃描出具有堵點脫班特征的公交運行軌跡段，所述具有堵點脫班特征的公交運行軌跡段至少包括兩個公交運行軌跡點；以所述具有堵點脫班特征的公交運行軌跡段為中心，對所述公交運行軌跡進行聚類分析，得到聚類結果，所述聚類結果包括與所述具有堵點脫班特征的公交運行軌跡段屬于同一類的公交運行軌跡段；對聚類結果進行關聯分析，得到關聯分析結果，所述關聯分析結果包括由堵塞引發公交脫班的相應知識，所述知識至少包括由堵塞引發公交脫班的前件；根據所述知識進行預測，得到預測結果，所述預測結果包括發生堵塞的路段、由堵塞引發公交脫班的路段、由堵塞引發公交脫班的路段所影響的公交車輛，以及，由堵塞引發公交脫班的路段所影響的公交路線中的至少一個。...

【技術特征摘要】
1.一種預測方法，其特征在于，至少用于預測由交通堵塞引起的公交脫班，所述方法包括 至少獲取公交線網的運營參數所對應的數據，所述運營參數所對應的數據包括公交線網的靜態運營參數數據以及公交線網的動態運營參數的采樣數據，所述靜態運營參數至少包括公交線路發車間隔和到站名稱； 對所述運營參數所對應的數據進行預處理，從而確定出公交車輛的公交運行軌跡，所述公交運行軌跡由公交運行軌跡點構成； 以路段為最小單位對公交車輛的公交運行軌跡進行掃描，以掃描出具有堵點脫班特征的公交運行軌跡段，所述具有堵點脫班特征的公交運行軌跡段至少包括兩個公交運行軌跡占. 以所述具有堵點脫班特征的公交運行軌跡段為中心，對所述公交運行軌跡進行聚類分析，得到聚類結果，所述聚類結果包括與所述具有堵點脫班特征的公交運行軌跡段屬于同一類的公交運行軌跡段； 對聚類結果進行關聯分析，得到關聯分析結果，所述關聯分析結果包括由堵塞引發公交脫班的相應知識，所述知識至少包括由堵塞引發公交脫班的前件； 根據所述知識進行預測，得到預測結果，所述預測結果包括發生堵塞的路段、由堵塞引發公交脫班的路段、由堵塞引發公交脫班的路段所影響的公交車輛，以及，由堵塞引發公交脫班的路段所影響的公交路線中的至少一個。2.如權利要求I所述的方法，其特征在于 所述關聯分析結果還包括與公交資源優化相關的知識； 所述公交資源優化至少包括公交資源分配和公交資源調度，其中，所述公交資源分配包括公交線路發車間隔分配、公交線路首末班時間分配、公交線路核算運營里程分配、站點分配、公交線路的取消/添加中的至少一個，所述公交資源調度至少包括公交運力調度；所述與公交資源優化相關的知識，包括公交線路發車間隔分配與由堵塞引發公交脫班之間的關聯性、公交線路首末班時間分配與由堵塞引發公交脫班之間的關聯性、公交線路核算運營里程分配與由堵塞引發公交脫班之間的關聯性、站點分配與由堵塞引發公交脫班之間的關聯性、公交線路的取消/添加與由堵塞引發公交脫班之間的關聯性； 所述方法還包括根據關聯分析結果，進行公交資源優化。3.如權利要求I或2所述的方法，其特征在于 所述動態運營參數至少包括公交車輛基礎參數、實際運營趟次、各運營趟次的實際到站名稱、公交車輛的到站時間、公交車輛的行駛狀態，所述基礎參數包括公交線路標識、公交車輛標識bid及采樣時刻標識t，所述公交車輛的行駛狀態至少包括所在經緯度； 所述公交運行軌跡點由六元組(areav e A, Iidk e B, bid, Rj e E, dir, t)標識； 所述areav e A表示所述bid所標識公交車輛在t采樣時刻的所在區域； 所述& e E是一個集合，包括當前路段編號Iramnt和相鄰公交線路的上下游路段編號，所述Hsm為所述bid所標識公交車輛在t采樣時刻所在路段的編號； 所述dir表示所述bid所標識公交車輛在t采樣時刻的行駛方向； 所述lidkeB是一個集合，包括所有通過所述r—、與所述dir同方向的公交車輛所屬的公交線路的集合。4.如權利要求3所述的方法，其特征在于 所述堵點脫班特征包括堵點特征和脫班特征； 所述堵點特征包括單車行車不暢特征和/或路段行車不暢特征； 所述脫班特征至少包括，針對同一站點，所述bid所標識公交車輛的到站時間與前一公交車輛的到站時間的時間間隔大于所述發車間隔； 所述單車行車不暢滿足 span(areaveA, lidkeB, bid, Rj eE, dir, T) ≤Φ ；所述路段行車不暢滿足 I span(areaveA, lidkeB, bid, Rj eE, dir, T) ≤Φ I ≥a ； 所述T表示時間窗，所述span( ·)表示公交車輛在時間窗內的行駛距離或者平均行駛速率，所述Φ表示預設行駛距離閾值或者預設平均行駛速率閾值； 所述I span ( ·) ≤Φ I表示所述!—,所標識路段的路段行車不暢率，所述路段行車不暢率由M/N決定，所述M表示同一時間窗T內、通過Iramnt路段的所有發生單車行車不暢的公交車輛的數目，所述N表示所述Iramnt所標識路段附近區域內所有公交車輛數目N ；所述α表示預設的路段行車不暢率閾值。5.如權利要求3所述的方法，其特征在于，所述預處理至少包括 對所述動態運營參數的采樣數據進行清洗、抽取； 將經抽取的動態運營參數的采樣數據與靜態運營參數數據相結合，進行分類匯總； 將經分類匯總的數據，轉換成所述六元組(areaveA, Iidk eB, bid, Rj e E, dir, t)。6.如權利要求5所述的方法，其特征在于，所述六元組(areav e A, lidkeB, bid, Rj e E, dir, t)以參考坐標系rcu ent，I, D, t為基準,所述I表示公交運行軌跡...

【專利技術屬性】
技術研發人員：張宏斌，葛娟，常宇春，張書奎，
申請(專利權)人：蘇州大學，
類型：發明
國別省市：