涂利明

摘 ?要： 公交車(chē)輛運(yùn)行經(jīng)驗(yàn)數(shù)據(jù)體現(xiàn)了到站時(shí)間的一般性規(guī)律，前車(chē)數(shù)據(jù)反映了到站時(shí)間的實(shí)時(shí)性。提出一種基于前車(chē)與經(jīng)驗(yàn)數(shù)據(jù)的公交車(chē)輛到站時(shí)間預(yù)測(cè)模型。在該模型中對(duì)站點(diǎn)間路段行駛時(shí)間及站點(diǎn)停留時(shí)間區(qū)分了高峰期和非高峰期，站點(diǎn)間的延時(shí)時(shí)間考慮了不同方向紅燈等待時(shí)間的區(qū)別以及斑馬線的影響。用杭州公交104路公交車(chē)的數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行了驗(yàn)證，結(jié)果表明，該預(yù)測(cè)模型具有較高的預(yù)測(cè)精度，能夠較為準(zhǔn)確地預(yù)測(cè)公交車(chē)輛到站時(shí)間。

關(guān)鍵詞： 公共交通; 公交車(chē)輛; 經(jīng)驗(yàn)數(shù)據(jù); 到站時(shí)間預(yù)測(cè)

中圖分類(lèi)號(hào)：TP399 ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? 文章編號(hào)：1006-8228（2015）01-01-03

Prediction model of bus arrival time based on front bus data and empirical data

Tu Liming

（Hangzhou Dianzi University， Hangzhou， Zhejiang 310018， China）

Abstract： Operation of public transport vehicles experience data reflects the general laws of bus arrival time， the front bus data reflects the real time line of vehicle arrival time.A prediction model of bus vehicle arrival time is presented， based on the front bus data and empirical data.In the model， the travel time between sites and site retention time distinction is classified into peak and ravine. The delay time is predicted by taking the effects of different direction light difference between waiting time and a zebra crossing into consideration.The model is verified by Hangzhou 104 bus line data. The results show that the prediction model has higher predictive accuracy and can accurately predict bus arrival time.

Key words： public transport; public transport vehicles; empirical data; arrival time prediction

0 引言

隨著城市化進(jìn)程的加快，城市變得越來(lái)越大，機(jī)動(dòng)車(chē)保有量快速增長(zhǎng)與道路交通資源相對(duì)稀缺的矛盾日顯突出，優(yōu)先大力發(fā)展公共交通是解決城市交通擁堵問(wèn)題的重要方法之一。要引導(dǎo)市民出行選擇公共交通，首先公共交通必須能提供相對(duì)優(yōu)質(zhì)的服務(wù)，比如發(fā)達(dá)的線路網(wǎng)絡(luò)、快捷方便的乘車(chē)體驗(yàn)等。提供較準(zhǔn)確的公交車(chē)輛到站時(shí)間信息，有助于增強(qiáng)市民對(duì)公共交通的好感。目前國(guó)內(nèi)外學(xué)者對(duì)此做了大量的研究，蘇慶列[1]等提出的預(yù)測(cè)模型有基于神經(jīng)網(wǎng)絡(luò)的GA-Elman預(yù)測(cè)模型，在模型中以時(shí)間段、天氣、路段和當(dāng)前路段運(yùn)行時(shí)間為輸入量對(duì)公交到站時(shí)間進(jìn)行預(yù)測(cè)。胡華[2]等提出基于自動(dòng)車(chē)輛定位技術(shù)的AVL預(yù)測(cè)模型，根據(jù)實(shí)時(shí)和歷史的公交車(chē)輛自動(dòng)定位數(shù)據(jù)，采用點(diǎn)估計(jì)法和自適應(yīng)指數(shù)平滑法等對(duì)其進(jìn)行動(dòng)態(tài)預(yù)測(cè)。李大銘[3]等提出基于模糊神經(jīng)網(wǎng)絡(luò)的短時(shí)公交到站時(shí)間預(yù)測(cè)，利用全球定位系統(tǒng)和電子票務(wù)收費(fèi)系統(tǒng)收集的車(chē)輛實(shí)時(shí)信息，建立路段和站點(diǎn)補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)模型。孫棣華[4]等根據(jù)公交浮動(dòng)車(chē)輛實(shí)時(shí)GPS數(shù)據(jù)，提出公交浮動(dòng)車(chē)輛到站時(shí)間實(shí)時(shí)預(yù)測(cè)模型。周雪梅[5]等基于采集獲取的實(shí)時(shí)車(chē)輛定位信息，提出了一種基于前車(chē)的公交車(chē)輛到站時(shí)間動(dòng)態(tài)預(yù)測(cè)模型。公交線路車(chē)輛到站經(jīng)驗(yàn)數(shù)據(jù)體現(xiàn)了車(chē)輛到站時(shí)間的一般性規(guī)律，前車(chē)數(shù)據(jù)反映了車(chē)輛到站時(shí)間的實(shí)時(shí)情況。本文提出一種以歷史經(jīng)驗(yàn)數(shù)據(jù)為預(yù)測(cè)基準(zhǔn)數(shù)，利用前車(chē)數(shù)據(jù)進(jìn)行修正的公交車(chē)輛到站時(shí)間預(yù)測(cè)模型。

1 問(wèn)題描述

根據(jù)公交車(chē)輛自身定線定站的運(yùn)行特點(diǎn)以及城市道路的特性，可以把公交車(chē)輛從某個(gè)站點(diǎn)到下一個(gè)站點(diǎn)的整個(gè)過(guò)程時(shí)間T看成是由站點(diǎn)間路段行駛時(shí)間、站點(diǎn)間延時(shí)時(shí)間和站點(diǎn)停留時(shí)間三部分組成。

⑴ 站點(diǎn)間路段行駛時(shí)間，其中n表示線路的站點(diǎn)數(shù)，tri，i+1表示第i個(gè)與i+1個(gè)站點(diǎn)之間的行駛時(shí)間。

⑵ 站點(diǎn)間延時(shí)時(shí)間（主要為道路信號(hào)燈以及斑馬線讓行所影響時(shí)間），其中n表示線路的站點(diǎn)數(shù)，tdi，i+1表示第i個(gè)與i+1個(gè)站點(diǎn)之間的延誤時(shí)間。

⑶ 站點(diǎn)停留時(shí)間，其中n表示線路的站點(diǎn)數(shù)，tsi表示第i站點(diǎn)停留時(shí)間。

即有T=Tr+Ts+Td。

2 到站時(shí)間預(yù)測(cè)模型

通過(guò)上述分析可知，公交車(chē)輛運(yùn)行時(shí)間預(yù)測(cè)實(shí)際上是要對(duì)車(chē)輛在每個(gè)站點(diǎn)到站時(shí)間的預(yù)測(cè)。車(chē)輛在線路上某站點(diǎn)i的到站時(shí)間預(yù)測(cè)，也是由類(lèi)似的三部分時(shí)間組成：第i-1個(gè)站點(diǎn)到第i個(gè)站點(diǎn)之間的站點(diǎn)間路段行駛時(shí)間;第i-1個(gè)站點(diǎn)的停留時(shí)間;第i-1個(gè)站點(diǎn)到第i站點(diǎn)之間的站點(diǎn)間延時(shí)時(shí)間。

公交車(chē)輛運(yùn)行時(shí)間具有規(guī)律性，除了線路特性的改變，比如線路改向、站點(diǎn)調(diào)整、地鐵等其他公共交通的影響等，一般情況下，以往公交車(chē)輛到站時(shí)間的歷史經(jīng)驗(yàn)數(shù)據(jù)可以作為線路到站時(shí)間預(yù)測(cè)模型的基準(zhǔn)數(shù)。然而，同一線路在當(dāng)天可能會(huì)有臨時(shí)交通狀況發(fā)生，從而造成公交車(chē)輛運(yùn)行時(shí)間的變化，僅僅以歷史經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)測(cè)可能與實(shí)際運(yùn)行情況有一定的偏差。剛剛駛往下一個(gè)站點(diǎn)前車(chē)車(chē)輛的平均瞬時(shí)速度能夠近似地反映當(dāng)前公交車(chē)輛駛?cè)朐搮^(qū)段時(shí)的道路交通狀況，該前車(chē)數(shù)據(jù)可以對(duì)經(jīng)驗(yàn)數(shù)據(jù)偏差進(jìn)行修正。為了使公交車(chē)輛到站時(shí)間預(yù)測(cè)模型更加貼近實(shí)際情況，可根據(jù)道路上車(chē)輛的潮汐性，把線路上車(chē)輛運(yùn)行的時(shí)間分為高峰期和非高峰期兩種不同的時(shí)段進(jìn)行考慮。

2.1 站點(diǎn)間路段行駛時(shí)間

如果把公交運(yùn)營(yíng)線路抽象為一條直線段，站點(diǎn)抽象為直線段上大節(jié)點(diǎn)，站點(diǎn)之間的交叉路口可以抽象小節(jié)點(diǎn)，則可以把公交車(chē)輛在線路上的運(yùn)行軌跡直線化，如圖1所示。其中Si-1，i表示站點(diǎn)i-1和站點(diǎn)i之間的道路長(zhǎng)度。Srj-1，j表示站點(diǎn)i-1和站點(diǎn)i間第j-1與j個(gè)路口之間的道路長(zhǎng)度。

圖1 ?公交車(chē)輛運(yùn)行軌跡直線化示意圖

從圖1可見(jiàn)，站點(diǎn)間路段行駛時(shí)間等于站點(diǎn)間所有路段上的行駛時(shí)間之和，即有，其中tsrj-1，j表示第j-1與j個(gè)路口的路段行駛時(shí)間，m-1表示第i-1和i兩個(gè)站點(diǎn)之間經(jīng)過(guò)的交叉路口數(shù)。根據(jù)公交車(chē)輛在高峰時(shí)段、非高峰時(shí)段兩種不同的時(shí)段，其在某兩個(gè)路口j-1和j之間道路的行駛時(shí)間預(yù)測(cè)模型如公式⑴。

⑴

其中，表示在路口j-1和j之間高峰時(shí)段公交車(chē)輛歷史行駛的平均速度;表示在路口j-1和j之間非高峰時(shí)段公交車(chē)輛歷史行駛的平均速度;表示在路口j-1和j之間前車(chē)的平均速度;v瞬表示在路口j-1和j之間當(dāng)前車(chē)輛的瞬時(shí)速度。

2.2 站點(diǎn)間延時(shí)時(shí)間

如圖1所示，在每個(gè)路口的小節(jié)點(diǎn)處都有一個(gè)信號(hào)燈，在路口之間可能還會(huì)存在若干斑馬線，斑馬線前公交車(chē)需要讓行，這些都有可能造成公交車(chē)輛到站時(shí)間的延時(shí)。站點(diǎn)間延時(shí)時(shí)間主要是指經(jīng)過(guò)兩站點(diǎn)間道路路口信號(hào)燈以及斑馬線讓行所影響時(shí)間的總和。公交車(chē)輛在路口的行進(jìn)方向可能是直行、左轉(zhuǎn)或右轉(zhuǎn)，路口信號(hào)燈對(duì)不同的行進(jìn)方向的影響度是不同的。比如紅燈信號(hào)對(duì)右轉(zhuǎn)車(chē)輛幾乎不受影響，最多是禮讓行人，可以與斑馬線歸為一類(lèi)，而對(duì)于直行或左轉(zhuǎn)車(chē)輛遇到紅燈信號(hào)必須等待，其延時(shí)相對(duì)較多。一些文獻(xiàn)[4-6]通常假設(shè)路段路口車(chē)輛的到達(dá)服從泊松分布，其中P（x）為x輛車(chē)到達(dá)信號(hào)燈區(qū)域的概率;g為計(jì)數(shù)時(shí)間間隔t0內(nèi)車(chē)輛平均到達(dá)率。站點(diǎn)i與i+1間延時(shí)時(shí)間預(yù)測(cè)模型如公式⑵。

⑵

其中，m是兩站點(diǎn)間有信號(hào)燈路口的數(shù)量，q是在兩站點(diǎn)間非路口斑馬線的數(shù)量，而tpx表示在路口或斑馬線上等待的時(shí)間，在直行或左轉(zhuǎn)的路口其等待時(shí)間是紅燈時(shí)間th的隨機(jī)數(shù)，在右轉(zhuǎn)路口或非路口斑馬線其等待的時(shí)間是一個(gè)統(tǒng)計(jì)時(shí)間tx內(nèi)的隨機(jī)數(shù)。具體計(jì)算見(jiàn)公式⑶。

⑶

2.3 站點(diǎn)停留時(shí)間

站點(diǎn)停留時(shí)間是指公交車(chē)輛從駛?cè)胪？空军c(diǎn)進(jìn)行上下客到駛離站點(diǎn)所花費(fèi)的時(shí)間。公交車(chē)輛在站點(diǎn)的停留時(shí)間也與客流量的潮汐性有關(guān)，在高峰期?？空军c(diǎn)的車(chē)輛多，上下客流量大需要花費(fèi)更多的停留時(shí)間，非高峰期與夜間車(chē)輛少、客流量小，則相對(duì)停留時(shí)間短。沿車(chē)輛行駛方向在將要進(jìn)入站點(diǎn)區(qū)域和離開(kāi)站點(diǎn)區(qū)域分別設(shè)置站點(diǎn)駛?cè)雲(yún)^(qū)和駛離區(qū)。通過(guò)車(chē)輛的GPS數(shù)據(jù)獲取車(chē)輛從進(jìn)入駛?cè)雲(yún)^(qū)到離開(kāi)駛離區(qū)的時(shí)間來(lái)定義站點(diǎn)停留時(shí)間。站點(diǎn)停留時(shí)間預(yù)測(cè)模型利用歷史停留時(shí)間數(shù)據(jù)體現(xiàn)該站點(diǎn)正常的停留情況，前車(chē)停留時(shí)間放映當(dāng)前該站點(diǎn)的最新停留情況，具體見(jiàn)公式⑷。

⑷

其中，表示在站點(diǎn)i高峰時(shí)段公交車(chē)輛歷史平均停留時(shí)間;表示在站點(diǎn)i非高峰時(shí)段公交車(chē)輛歷史平均停留時(shí)間;表示在站點(diǎn)i前車(chē)的停留時(shí)間。

3 模型驗(yàn)證

為驗(yàn)證該模型的有效性，本文選取杭州公交104路學(xué)正街公交站往四季青服裝交易中心方向，其中8個(gè)站點(diǎn)分別為六號(hào)大街十一號(hào)路口、九號(hào)路六號(hào)大街口、四號(hào)大街九號(hào)路口、四號(hào)大街五號(hào)路口、下沙商貿(mào)城、文淵路南口和高沙社區(qū)。這些站點(diǎn)組成的區(qū)間是該線路經(jīng)過(guò)醫(yī)院、商業(yè)區(qū)等相對(duì)比較復(fù)雜路況的路段，非常具有代表性。而線路剩余的其他路段則基本上是路況較通暢，平時(shí)候車(chē)乘客相對(duì)比較少。

通過(guò)實(shí)地調(diào)查，這8個(gè)站點(diǎn)間的站點(diǎn)規(guī)模、同站線路數(shù)以及客流量規(guī)模等情況調(diào)查結(jié)果如表1，其中客流規(guī)模等級(jí)從小到大依次以1-5數(shù)字表示。站點(diǎn)間的路口數(shù)量、信號(hào)燈情況以及斑馬線數(shù)量等如表2。其中斑馬線數(shù)量是指在兩個(gè)站點(diǎn)之間除了有紅綠燈路口外存在的行人斑馬線情況。

表1 ?站點(diǎn)特性

[站點(diǎn)名稱＼&站點(diǎn)規(guī)模＼&同站線路數(shù)＼&客流量規(guī)模＼&六號(hào)大街十九號(hào)路口＼&中＼&2＼&2＼&六號(hào)大街十一號(hào)路口＼&小＼&3＼&1＼&九號(hào)路六號(hào)大街口＼&中＼&5＼&3＼&四號(hào)大街九號(hào)路口＼&中＼&10＼&3＼&四號(hào)大街五號(hào)路口＼&中＼&13＼&4＼&下沙商貿(mào)城＼&中＼&11＼&3＼&文淵路南口＼&?。?6＼&1＼&高沙社區(qū)＼&小＼&5＼&2＼&]

從表1可以看出，九號(hào)路六號(hào)大街口、四號(hào)大街九號(hào)路口、四號(hào)大街五號(hào)路口和下沙商貿(mào)城因?yàn)榉謩e經(jīng)過(guò)醫(yī)院、學(xué)校和商業(yè)區(qū)，使得同站的線路數(shù)比較多，客流的規(guī)模也相對(duì)比較大。

表2 ?間路口情況

[站點(diǎn)名稱＼&路口

數(shù)量＼&路口信號(hào)燈情況

及紅燈時(shí)長(zhǎng)（秒）＼&斑馬線

數(shù)量＼&六號(hào)大街十九號(hào)路口——六號(hào)大街十一號(hào)路口＼&2＼&直（53s）、直（60s）＼&0＼&六號(hào)大街十一號(hào)路口——九號(hào)路六號(hào)大街口＼&1＼&右（0s）＼&0＼&九號(hào)路六號(hào)大街口——四號(hào)大街九號(hào)路口＼&1＼&左（30s）＼&2＼&四號(hào)大街九號(hào)路口——四號(hào)大街五號(hào)路口＼&2＼&直（36s）、直（35s）＼&2＼&四號(hào)大街五號(hào)路口——下沙商貿(mào)城＼&1＼&直（36s）＼&6＼&下沙商貿(mào)城——文淵路南口＼&2＼&右（10s），直（66s）＼&1＼&文淵路南口——高沙社區(qū)＼&2＼&直1（30s）、左1（70s）＼&1＼&]

為評(píng)價(jià)該模型，采用站點(diǎn)到站時(shí)間預(yù)測(cè)值與GPS 數(shù)據(jù)記錄之間的相對(duì)誤差值，以及預(yù)測(cè)值與調(diào)查數(shù)據(jù)平均值的相對(duì)誤差值來(lái)評(píng)價(jià)預(yù)測(cè)模型。選取10組數(shù)據(jù)按本模型進(jìn)行計(jì)算估計(jì)車(chē)輛到站時(shí)間求其平均值，并與GPS數(shù)據(jù)平均值以及調(diào)查數(shù)據(jù)平均值之間進(jìn)行相對(duì)誤差求解，其結(jié)果如圖2所示。

圖2的分析結(jié)果表明，在高峰期和非高峰期本模型的預(yù)測(cè)值平均值與GPS數(shù)據(jù)平均值之間的相對(duì)誤差的平均值在10%以內(nèi)，而與調(diào)查數(shù)據(jù)平均值之間的相對(duì)誤差的平均值在20%以內(nèi)。這表明該模型還是具有較高的精度，能夠較為準(zhǔn)確地預(yù)測(cè)公交車(chē)輛到站時(shí)間。從圖2可以看出，下沙商貿(mào)城站點(diǎn)的誤差為最大。根據(jù)實(shí)地調(diào)研經(jīng)驗(yàn)得知，在其前一站四號(hào)大街五號(hào)路口是經(jīng)過(guò)比較繁華的商業(yè)區(qū)，在該站的上下客流量相對(duì)較大，上下客的時(shí)間不容易精確估算，同臺(tái)線路較多，有時(shí)同時(shí)靠站的車(chē)輛較多，需要更多的靠站停留時(shí)間，另外該段路線的行人斑馬線較密集，多達(dá)6條，公交車(chē)斑馬線讓行，這些是造成預(yù)測(cè)時(shí)間相對(duì)誤差較大的原因。

圖2 ?各站點(diǎn)到站時(shí)間與GPS值、調(diào)查值之間的相對(duì)誤差

4 結(jié)束語(yǔ)

本文將線路公交車(chē)輛的到站時(shí)間分為站點(diǎn)間路段行駛時(shí)間、站點(diǎn)間延時(shí)時(shí)間和站點(diǎn)停留時(shí)間三部分組成，建立了基于前車(chē)和經(jīng)驗(yàn)數(shù)據(jù)的公交車(chē)輛到站時(shí)間預(yù)測(cè)模型。在模型中對(duì)站點(diǎn)間路段行駛時(shí)間及站點(diǎn)停留時(shí)間區(qū)分了高峰期和非高峰期，站點(diǎn)間的延時(shí)時(shí)間考慮了不同方向紅燈等待時(shí)間的區(qū)別以及斑馬線的影響。同時(shí)，在該模型中借鑒了前車(chē)的實(shí)時(shí)數(shù)據(jù)和歷史經(jīng)驗(yàn)數(shù)據(jù)，使得預(yù)測(cè)結(jié)果不僅考慮了公交車(chē)輛到站時(shí)間一般性規(guī)律，而且也考慮了最新實(shí)時(shí)路況對(duì)公交車(chē)輛到站時(shí)間的影響。實(shí)驗(yàn)結(jié)果表明，該模型能較好地滿足預(yù)測(cè)所需要的準(zhǔn)確性及實(shí)時(shí)性要求。本文只選取了杭州公交104線路的部分站點(diǎn)作為算例驗(yàn)證，后續(xù)研究應(yīng)選取更多的公交線路的數(shù)據(jù)來(lái)驗(yàn)證本文模型是否具有普遍適用性，并對(duì)該模型進(jìn)行改進(jìn)，以進(jìn)一步提高其預(yù)測(cè)性能。

參考文獻(xiàn)：

[1] 蘇慶列，王麟珠.GA-Elman公交車(chē)輛到站時(shí)間預(yù)測(cè)模型[J].廈門(mén)理工

學(xué)院學(xué)報(bào)，2013.20（1）：71-74

[2] 胡華，高云峰，劉志鋼.基于AVL數(shù)據(jù)的公交到站時(shí)間實(shí)時(shí)預(yù)測(cè)模型[J].

重慶交通大學(xué)學(xué)報(bào)，2012.31（5）：1014-1017

[3] 李大銘等.基于模糊神經(jīng)網(wǎng)絡(luò)的短時(shí)公交到站時(shí)間預(yù)測(cè)[J].東北大學(xué)

學(xué)報(bào)，2011.32（3）：443-336

[4] 孫棣華等.公交浮動(dòng)車(chē)輛到站時(shí)間實(shí)時(shí)預(yù)測(cè)模型[J].交通運(yùn)輸工程學(xué)

報(bào)，2011.11（2）：84-89

[5] 周雪梅等.基于前車(chē)數(shù)據(jù)的動(dòng)態(tài)公交車(chē)輛到站時(shí)間預(yù)測(cè)模型研究[J].

交通與運(yùn)輸，2011.12：53-56

[6] 李清泉，尹建忠，賀奮琴.面向道路網(wǎng)的GPS浮動(dòng)車(chē)覆蓋率模型研究[J].

武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2009.34（6）：715-718