基于AVL数据的公交到站时间实时预测模型
胡 华1，高云峰2，刘志钢1
【摘 要】摘要:公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析，将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间，分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据，对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合，从而提高了公交到站时间预测的鲁棒性和预测精度。 【期刊名称】重庆交通大学学报（自然科学版） 【年(卷),期】2012(031)005 【总页数】5
【关键词】关 键 词:公交到站时间;实时预测;自动车辆定位数据;BP神经网络算法;自适应指数平滑法
公交车辆到站时间预测是公交到站信息服务、公交动态调度的关键参数［1］。目前已建立的公交智能化调度系统中，公交车辆下班车预测到站时间大都采用车辆当前位置到达车站站牌的距离和平均行车速度之比简单计算而得，预测结果和实际到站时间往往相差很大。
在理论研究方面，国内外学者提出了很多公交车辆到站时间预测模型和方法，如历史趋势方法、回归分析方法、时间序列模型、人工神经网络方法、卡尔曼滤波方法、随机服务系统方法等［2-4］。然而，在变化的交通状况和任意时段的条件下，上述模型和方法都未能取得令人满意的预测结果。究其原因，主要
是由于我国城市公共汽车交通运行环境复杂和公交优先运行条件尚不完备，导致公交车辆的到站时间随机性强。因此不能简单忽略动态随机状况，而仅仅依靠历史数据规律进行到站时间预测。自动车辆定位技术(Automatic Vehicle Location，简称AVL)逐渐成熟以及AVL车载机在公交车辆中的普及应用，为公交车辆到站时间实时预测提供了良好的基础数据环境。应用先进的信息和通讯手段，研究高性能的公交车辆到达时间预测技术，对实现公交系统信息化和智能化，推动城市公共交通改善管理水平和服务水平具有重要意义。
1 AVL数据需求
公交车辆到站时间预测模型以大量AVL直接或间接运行数据为基础，包括公交车辆的实时位置及速度、站间运行时间、站点停靠时间等。因此，AVL数据质量直接影响到模型预测精度，需要采取以下方法来提高预测所需AVL数据的准确性和可靠性。
1)异常AVL数据的预处理:由于采集过程中的某些因素的干扰，使得实际采集到的AVL数据可能存在着异常情况。因此必须对这些数据进行预处理，如剔除严重阻塞、交通事故等异常条件下的历史运行时间数据，修复缺失及错误数据，具体处理方法见参考文献［5］。
2)AVL数据划分:公交车辆到站时间的预测精度与车辆历史运行状态及实时运行状态的相似程度有关。考虑数据获取的难度，笔者以特征日(周末或工作日)、路段、时段、线路及其运行方向(上下行)为影响因素对AVL数据进行分类划分和预测。
2 公交车辆到站时间构成要素划分
公交车辆到站时间是指公交车辆在运营线路某一方向上从当前位置行驶到下游
某一站点所需的时间。设公交线路上共有1，2，…，n个站点，根据可获得的AVL原始数据，笔者以公交站点为节点，将公交线路划分为1，2，…，n-1个区段，区段i定义为公交车辆到达i站至(i+1)站之间的物理区间，见图1。 设公交车辆当前位于区段m(1，2，…，j-1)内，预测站点为j(m+1，…，n)。由图1可见，公交车辆任意当前位置到达预测站点的行程时间被划分成3个组成部分，分别进行如下定义:
1)公交车辆从当前位置到达预测站点途经各站点的停靠时间，即 Di(m+1≤i≤j+1)，min。
2)公交车辆从当前位置到达该区段终点(下游临近站点)的运行时间，称之为区段部分运行时间，即 Ti=Tm，min。
3)公交车辆在当前位置到达预测站点途经各区段的起终点之间的运行时间，称之为区段全程运行时间，即 Ti，i+1(m≤i≤j-1)，min。
则公交车辆从当前任意位置至预测站点的行程时间计算公式见式(1)。
3 基于AVL数据的公交车辆到站时间实时预测模型
由式(1)可知，公交车辆从任意当前位置至预测站点的行程时间由站点停靠时间、区段部分运行时间和区段全程运行时间构成。下面分别对其进行预测。 3.1 基于点估计的站点停靠时间预测模型
根据上述定义，站点停靠时间是指乘客的上下车时间，可以通过车载终端(如公交车行车记录仪，公交车停站时间监控仪)发回的车辆到离站开关门信息实时获取［6］。笔者将预测日预测时段的前两个时段及预测日前两个相同特征日i站的停靠时间取平均值作为预测日预测时段i站的停靠时间预测值，见式(2): 式中(k+1)是站点i的停靠时间预测值，min;(k-1)是预测日预测时段的前两个时
基于AVL数据的公交到站时间实时预测模型
