公交-轨交、轨交-公交三种情况;按 换乘出行的逻辑无法推算出下车站点的换乘后的一次出行，可以按照往返出行的特征推算 出下车站点。因此，在推算过程中，需要将往返和换乘两种模式结合起来进行数据处理。
[0049] 在城市公交建设中，公交系统的运输能力、车辆选型、车辆数量、车站站牌规模及 工程投资的等都需要根据公交客流大小来确定，因此，客流预测在很大程度上将会直接决 定公交线路的形式和造价。城市公交客流的预测主要包括公交线网规划阶段的线路客流 量、平均乘距和站点集散量，可通过运用统计学的理论和方法，对相关信息进行统计分析， 得出合理的预测。对客流预测可分为四步。第一步分析城区各区域的的人口分布和人口性 质;第二步分析人口的出行需求;第三步分析有出行需求的人群对于公交出行的需求;第四 步利用统计学原理建立公交线网模型，进行客流指标预测。公交线网规划的客流预测首先 要对线路总客流量进行预测，通过对城市的各方面信息进行统计分析，对城市的现状和公 交规划区域起点-终点客流分析，统计并确认出公共交通的远景规划。对于平均乘距的预 测，对不同区域的居民对公交线路进行问卷调查并汇总，在此基础上进行统计分析，获得需 要建设的线路长度、车辆选型、车站规模等。对于站点集散量的预测，是指公交线路双向上 下车人次的统计量，与站点的区位条件、交通功能、公交系统衔接等因素直接相关。
[0050] 短期的交通客流预测方法大致分为线性模型方法、非线性模型方法和混合方法三 种类型。线性预测模型方法较简单，可以预测交通流整体趋势，但只在预测时间较长时，效 果较佳，当时间较短时，误差很大，难以正确反映城市交通的时变性。非线性模型不仅考虑 了交通流的多维性和时空相关性，还考虑了预测过程中的经验风险和置信风险，有较高的 预测精度和自适应能力，应用广泛。但当交通流处于平稳状态时，其预测精度反而变低，出 现整体偏离真实值的现象的可能性变大。可见，线性和非线性方法均不能完全精确预测和 体现短期交通客流的特征，由此提出混合方法，利用基于多核最小二乘支持向量机的短期 公交客流预测方法，兼顾交通状态的规律性和时变性特征。
[0051] 从长期角度看，公交客流呈现七天作为一个循环变化的周期规律，且周期内的每 一天与之前每个周期相应的那天的客流具有较高的相关性。从短期角度看，公交短期客流 的大小与该天营运时间内前一定时间段的交通客流基于较强的非线性相关性。由此，模型 考虑了某一天某一时间的公交流量与该日的历史数据、该周前η天的数据和该日前s个观测 时段，即：
[0053] 其中：F表示交通流;d表示日期；t表示观测时段;m表示前m周的观测数据;η表示该 周的前η天;s表示该天的前s个观测时段。
[0054] 引入最小二乘支持向量机，其基本思想是利用核函数把数据集映射到高维特征空 间，使得输入空间中的非线性拟合问题转为高维特征空间中的线性拟合问题。根据上面公 式的拟合计算，即可得出未来时段的公交出行客流。
[0055] 这里说明的模块数量和处理规模是用来简化本发明的说明的。对本发明的公交出 行客流的预测方法的应用、修改和变化对本领域的技术人员来说是显而易见的。
[0056] 如上所述，本发明依据实时准确采集的公交客流数据可简单高效得到公交客流的 0D数据，进而得到全体乘客的出行特征，并根据该出行特征更为实时精确预测未来时段的 公交出行客流，对制定公交调度计划，优化城市公交系统以及辅助公交运营决策有重要指 导意义。
[0057]尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列 运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地 实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限 于特定的细节和这里示出与描述的图例。
【主权项】
1. 一种公交出行客流的预测方法，其特征在于，包括如下步骤： 步骤1):采集乘客1C卡的刷卡数据，实时记录公交车的位置信息； 步骤2):将公交车的实时位置信息匹配到站点地图数据库中，得到公交车经过的站点 名称及进出该站点的时刻； 步骤3):根据1C卡的刷卡时间和公交车进出每一站点的时刻，得到乘客的上车站点名 称、时刻和车辆信息； 步骤4):调取所述刷卡数据中同一张1C卡当天的全部刷卡记录，并按时间排序，根据刷 卡时刻和刷卡站点逐条判断第i次与第i+Ι次刷卡记录之间的出行关系，直到完成本张1C卡 当天全部刷卡数据的对比；如果相邻两次的刷卡记录满足往返出行关系，则第i+Ι次刷卡的 站点即为第i次乘车的下车站点；如果相邻两次的刷卡记录满足换乘出行关系，则第i+Ι次 刷卡的站点即为第i次乘车的下车站点；依次类推判断第i+2和第i+Ι相邻两次出刷卡记录 之间是否满足往返出行或换乘出行的关系，直到获得每次刷卡的的起点站和终点站，也就 是乘客每次出行的0D数据； 步骤5):根据乘客每天出行的0D数据推算公交客流、交通小区内客流的0D数据，以及将 公交客流的0D数据乘以出行系数得到所有公交线路客流的0D数据，进而得到全体乘客的出 行特征，根据该出行特征预测未来时间的公交出行客流。2. 如权利要求1所述的公交出行客流的预测方法，其特征在于，所述步骤1)中，采用随 车终端读写设备采集刷卡数据，采用随车GPS系统记录公交车的实时位置信息，其中，所述 终端读写设备与GPS系统身份信息相互关联。3. 如权利要求2所述的公交出行客流的预测方法，其特征在于，所述终端读写设备为 POS刷卡机，其采集1C卡的刷卡时间、刷卡金额以及是否换乘优惠。4. 如权利要求1所述的公交出行客流的预测方法，其特征在于，公交管理平台无线接收 所述刷卡数据和公交车的实时位置信息，并将公交车的实时位置信息与所述该公交车的行 车路线及站点相匹配，得到公交车经过站点的名称及进出站的时刻，所述站点地图数据库 与所述公交管理平台连接。5. 如权利要求1所述的公交出行客流的预测方法，其特征在于，所述站点地图数据库中 包含有公交车的行车路线及路线上的站点信息。6. 如权利要求1所述的公交出行客流的预测方法，其特征在于，所述步骤4)中，如果相 邻两次的刷卡记录同时不满足换乘出行或往返出行关系，根据本张1C卡的历史出行0D数据 判断第i次乘车的终点站。7. 如权利要求1所述的公交出行客流的预测方法，其特征在于，所述步骤4)中，相邻两 次的刷卡记录满足第i次乘车的起点站为A站，第i+Ι次乘车的起点站为B站，第i+2次乘车的 起点站为A站，且A站和B站在一条公交线路上，则相邻两次的刷卡记录满足往返出行关系。8. 如权利要求1所述的公交出行客流的预测方法，其特征在于，所述步骤4)中，相邻两 次的刷卡记录满足第i次乘车的起点站为C站，第i+Ι次乘车的起点站为D站，第i+2次乘车的 起点站为E站，C站和D站在一条公交线路上，且相邻两次的刷卡时间间隔不大于90分钟或相 邻两次刷卡中第二次刷卡满足换乘优惠条件，则相邻两次的刷卡记录满足换乘出行关系。9. 如权利要求1所述的公交出行客流的预测方法，其特征在于，所述步骤5)中，对比以 往每一天的公交出行客流，同时对比同一天中各个时间段的公交出行客流，得到每个时间 段的公交客流的出行系数。10.如权利要求1所述的公交出行客流的预测方法，其特征在于，所述步骤5)中，使用最 小二乘支持向量机预测未来时间的公交出行客流。
【专利摘要】本发明公开了一种公交出行客流的预测方法，步骤1)：采集乘客IC卡的刷卡数据，实时记录公交车的位置信息；步骤2)：获取公交车经过的站点名称及进出该站点的时刻；步骤3)：获取乘客的上车站点名称、时刻和车辆信息；步骤4)：判断每次乘车的下车站；步骤5)：根据乘客每天出行的OD数据推算公交客流、交通小区内客流的OD数据，以及将公交客流的OD数据乘以出行系数得到所有公交线路客流的OD数据，进而得到全体乘客的出行特征，根据该出行特征预测未来时间的公交出行客流。本发明解决了公交出行客流不易实时预测的技术问题，对制定公交调度计划，优化城市公交系统以及辅助公交运营决策有重要指导意义。
【IPC分类】G06Q50/30, G06Q10/04
【公开号】CN105550789
【申请号】CN201610094427
【发明人】曾小清, 单晓芳, 熊天圣, 张灿程, 朱静, 袁腾飞, 王刚
【申请人】上海果路交通科技有限公司
【公开日】2016年5月4日
【申请日】2016年2月19日