左忠義,汪 磊

(大連交通大學(xué)交通運(yùn)輸工程學(xué)院 遼寧大連116028)

公交到站時間實(shí)時預(yù)測信息發(fā)布技術(shù)研究

左忠義*,汪 磊

(大連交通大學(xué)交通運(yùn)輸工程學(xué)院 遼寧大連116028)

本文提出并采用一種離線預(yù)測與在線預(yù)測相結(jié)合的、基于歷史數(shù)據(jù)并根據(jù)在線數(shù)據(jù)修正的、能減少服務(wù)器運(yùn)算復(fù)雜性的較高性能的計算機(jī)模型和公交車到站時間預(yù)測算法.并以公交車實(shí)時GPS運(yùn)行信息為運(yùn)算依據(jù),應(yīng)用Java EE、JSP開發(fā)、MySQL數(shù)據(jù)庫和Android手機(jī)操作系統(tǒng)開發(fā)等技術(shù),在服務(wù)器端以公交車有限狀態(tài)機(jī)模型來掌握公交車的實(shí)時信息,開發(fā)了一個集中式、企業(yè)級、手機(jī)平臺上的、基于請求與響應(yīng)的綜合系統(tǒng),能夠向乘客手機(jī)客戶端發(fā)送目標(biāo)線路上車輛到站情況的預(yù)測信息,提高出行效率.最后基于大連市旅順口區(qū)18路公交車運(yùn)行數(shù)據(jù)進(jìn)行了系統(tǒng)測試,結(jié)果表明,以該算法為基礎(chǔ)的系統(tǒng)具有良好的性能.

智能交通;到站時間預(yù)測;行程時間;公共交通;系統(tǒng)設(shè)計

1 引 言

隨著我國改革開放的不斷深入、國民經(jīng)濟(jì)的不斷發(fā)展,交通需求與通行能力、道路使用與道路建設(shè)之間存在的矛盾日益突出,發(fā)展容量大、承載高、污染低、快速準(zhǔn)時的公共交通將是必然趨勢[1].我國城市公共交通系統(tǒng)尚存在信息服務(wù)質(zhì)量差、整體運(yùn)營效率低等問題.隨著信息時代的到來,計算機(jī)產(chǎn)業(yè)、互聯(lián)網(wǎng)技術(shù)和通訊手段的不斷進(jìn)步,智能交通、智能社會距離人們越來越近,與此同時市民出行對公交信息的需求卻日益增加.

出行者在等候公交車時,經(jīng)常會出現(xiàn)車輛久等不來、扎堆而來的情況,易導(dǎo)致出行者出現(xiàn)心情煩躁、焦慮等問題,同時公交車輛的到達(dá)情況也會影響出行者對下一步出行的規(guī)劃和判斷[2].方便出行者出行,節(jié)約出行者時間,是我們研究公交車信息提供和發(fā)布系統(tǒng)的目的所在[3].

隨著ITS的不斷發(fā)展,公交車到站時間預(yù)測、電子站牌等技術(shù)在國外已經(jīng)有了廣泛研究和應(yīng)用.在美國,Lin等人為美國弗吉尼亞州布萊克斯堡提出的基于GPS和時刻表的公交到站時間預(yù)測在郊區(qū)線路和長距離公交運(yùn)輸上得到了較多應(yīng)用[4].在日本,政府大力支持公共交通及其附屬服務(wù)的發(fā)展,電子站牌等技術(shù)已經(jīng)比較成熟.在瑞士,公交車系統(tǒng)非常完善,其信息提供系統(tǒng)較為全面,車輛發(fā)車間隔短、利用率高,其到站時間發(fā)布的誤差在1 min之內(nèi).

國內(nèi)各大高校的研究集中于理論算法上,楊兆升在智能交通關(guān)于綜合路段的行程時間預(yù)測研究上奠定了理論基礎(chǔ)[5],于濱等人提出的基于SVM和Kalman濾波器的公交車到站時間預(yù)測模型[6],充分說明利用支持向量機(jī)優(yōu)化的 Kalman濾波器在預(yù)測公交車行程時間上具有非常精準(zhǔn)的優(yōu)越性.同濟(jì)大學(xué)研制的“交通信息網(wǎng)格系統(tǒng)”在交通信息實(shí)時處理和發(fā)布上也有較強(qiáng)的實(shí)際意義.此外,國內(nèi)許多軟件公司業(yè)已著手公交信息系統(tǒng)的研發(fā).

在實(shí)際應(yīng)用上,目前國內(nèi)有部分城市如蘇州、廈門已經(jīng)實(shí)現(xiàn)了所有線路到站信息預(yù)報的覆蓋并向公眾發(fā)布信息,如蘇州交通縱橫網(wǎng),由于它的查詢過程依賴線路番號和站點(diǎn)編碼,用戶界面體驗(yàn)較差,只能反饋車輛距離目標(biāo)站的站數(shù)而不提供距離、時間等預(yù)報信息,無法知曉車輛的運(yùn)行、靠站狀態(tài),參考價值有限.南京、上海等城市已經(jīng)在部分線路上設(shè)置了電子站牌,而重慶、廣州等城市則在BRT線路上實(shí)現(xiàn)了車輛到站時間預(yù)測.除了蘇州、廈門等城市,未見其它城市面向互聯(lián)網(wǎng)或者乘客群體直接發(fā)布公交車到站信息.

開發(fā)公交車到站時間預(yù)測系統(tǒng),須權(quán)衡并滿足以下要求:預(yù)測結(jié)果準(zhǔn)確,精度較高;算法簡潔,易于實(shí)現(xiàn);充分利用互聯(lián)網(wǎng)、移動網(wǎng)絡(luò),即時向乘客、用戶提供信息.

2 原理和算法

2.1 公交車到站時間的影響因素分析

通常認(rèn)為公交車輛運(yùn)行時間分為正常運(yùn)行時間和停車延誤時間兩個部分,停車延誤時間又包括到站停車時間、交叉口隨機(jī)延誤、突發(fā)性事件延誤等.公交車輛運(yùn)行比較規(guī)范,正常運(yùn)行時間里車輛的運(yùn)行狀態(tài)穩(wěn)定,車輛運(yùn)行速度總是圍繞一個平均值作上下小幅波動,而停車延誤時間則有很大的偶然性和隨機(jī)性,通常公交車輛運(yùn)行時間的比例如表1所示.

表1 公交車輛運(yùn)行時間分配比例Table 1 Proportion of bus running time distribution

(1)正常行駛時間.

車輛在路段正常行駛時間是除去車輛停站、交叉口延誤等路段,在道路路段行駛時所經(jīng)歷的時間.它的影響因素有:道路因素、車輛因素、交通因素、人的因素.

(2)停車延誤時間.

停車延誤時間是指車輛到站時間、交叉路口等待通行、突發(fā)事件停車等導(dǎo)致車輛停車所經(jīng)歷的時間.它的影響因素有:車輛到站、交叉口延誤、突發(fā)事件停車.

為便于計算機(jī)實(shí)現(xiàn)且細(xì)化路段從而提高車站間預(yù)測精度,在這里,我們將交叉口、車站、曲線點(diǎn)統(tǒng)一定義為關(guān)鍵點(diǎn),連結(jié)兩個關(guān)鍵點(diǎn)則形成路段,連結(jié)若干路段形成站間路段,連結(jié)若干站間路段則形成線路.后文的研究均基于關(guān)鍵點(diǎn)和路段.

2.2 公交車輛到達(dá)時間預(yù)測模型

(1)基于歷史數(shù)據(jù)的預(yù)測模型.

假設(shè)交通模式循環(huán)變化,歷史數(shù)據(jù)是可以參考的,未來車輛運(yùn)行情況與統(tǒng)計值的偏差不大為前提.在模型中以大量歷史數(shù)據(jù)為基礎(chǔ),通過大量積累歷史數(shù)據(jù)并進(jìn)行統(tǒng)計和分析,得出統(tǒng)計層面上的公交車到達(dá)時間預(yù)測值.即算法的基線數(shù)據(jù)模型.

式中 Tit為公交車在t時段從公交站點(diǎn)i到公交站點(diǎn)i+1的路段平均行程時間;Ait為公交車從t時段出發(fā)到達(dá)公交站點(diǎn)i的平均行程時間;Dit為公交車從t時段出發(fā)到達(dá)公交站點(diǎn)i的平均滯留時間; Ai+1,t為公交車從t時段出發(fā)到達(dá)公交站點(diǎn)i+1的平均行程時間;T為一天所分割的時段數(shù);N為公交車站點(diǎn)數(shù).

式中 Ajtk為公交車k從t時段出發(fā)到達(dá)公交站點(diǎn)j的平均行程時間;Amtk為公交車k從t時段出發(fā)到達(dá)公交站點(diǎn)m的平均行程時間.

(2)其它預(yù)測模型.

如Kalman濾波器模型、人工神經(jīng)網(wǎng)絡(luò)模型[7].這些模型可以由多參數(shù)變量的遞推關(guān)系式表達(dá)出來,其運(yùn)算結(jié)果的偏差可以層層反饋至頂端,因此它對非線性關(guān)系的預(yù)測有非常好的效果,然而其復(fù)雜的運(yùn)算量并不適合訪問量大的面向用戶的在線預(yù)測,復(fù)雜性可達(dá)O(nk),國外的一些實(shí)踐也表明基于Kalman濾波器模型、人工神經(jīng)網(wǎng)絡(luò)模型在線預(yù)測上存在遲滯、運(yùn)算量大等問題,并不適合面向廣大用戶的在線預(yù)測和信息發(fā)布.

(3)本系統(tǒng)采用的模型.

系統(tǒng)采用歷史統(tǒng)計量作為基線數(shù)據(jù),車輛即時運(yùn)行狀態(tài)作一階偏移量修正,GPS獲得的瞬時速度對運(yùn)行位置進(jìn)行加乘,其流程如下.

①歷史數(shù)據(jù)模型和其統(tǒng)計量作為基線數(shù)據(jù).

②基線數(shù)據(jù)對于前一時刻車輛運(yùn)行行程車速的修正.

綜合當(dāng)前公交車k的運(yùn)行狀況針對基線數(shù)據(jù)的偏移量得出修正值,并在下一時刻的預(yù)測中利用修正值進(jìn)行調(diào)值.

式中 Vrl為預(yù)測時刻l時采用的修正后的公交車行程車速;Vblt為時刻l所在時段t的基線行程車速; Vtrim為即時修正值,實(shí)時變量,等于上一時刻的實(shí)際行程車速減去上一時刻的基線行程車速.

③基線數(shù)據(jù)修正后對于瞬時車速的加乘.

基線數(shù)據(jù)及其修正的本質(zhì)是行程車速,而GPS則可以獲得當(dāng)前時刻車輛的瞬時車速.瞬時車速的引入可滿足突發(fā)事件下的時間預(yù)測,稱為實(shí)時計算速度[2].

式中 SM2為M-1站至M站之間未行使的路程; Si為第i站與i+1站之間的路程.

2.3 公交車輛有限狀態(tài)機(jī)

有限狀態(tài)機(jī)(Finite State Machine,FSM)[8],是一種在電路和控制領(lǐng)域里應(yīng)用非常廣泛的模型,在新興的計算機(jī)科學(xué)和軟件工程領(lǐng)域內(nèi)也得到了充分應(yīng)用和發(fā)展,它是面向?qū)ο蟮能浖こ袒A(chǔ)之一.類和對象是面向?qū)ο缶幊痰幕靖拍?面向?qū)ο蟮脑O(shè)計可以非常好地實(shí)現(xiàn)這一模型,其核心包括狀態(tài)和轉(zhuǎn)換.

公交車輛是系統(tǒng)中的核心實(shí)體.與客戶和服務(wù)器基于請求與響應(yīng)的簡單交互過程不同,公交車輛包含了實(shí)時、監(jiān)控、數(shù)據(jù)存儲、動作、轉(zhuǎn)換、狀態(tài)等很多方面,其狀態(tài)轉(zhuǎn)換如圖1所示.運(yùn)行中的每一輛公交車在系統(tǒng)內(nèi)存中都能找到一個實(shí)例與之一一對應(yīng),如圖2所示,可以監(jiān)控每一輛線上公交車的狀態(tài),以便實(shí)時計算用.

式中 vc為實(shí)時計算速度;Vins為瞬時行駛速度; Si1,Si2為路段i上已行駛的和未行駛的路程.當(dāng)車輛越靠近上一站點(diǎn)時,實(shí)時計算速度越依賴于修正后的基線數(shù)據(jù),車輛越靠近下一站點(diǎn)時,實(shí)時計算速度越依賴于瞬時速度.

④通過實(shí)時計算速度vc預(yù)測從M-1站出發(fā)到達(dá)車站j的時間Ajtk

圖1 公交車狀態(tài)轉(zhuǎn)換圖Fig.1 States transition of bus

圖2 車輛與系統(tǒng)中對象實(shí)例對應(yīng)關(guān)系Fig.2 Mapping between vehicles and instances in system

2.4 基線數(shù)據(jù)存儲、挖掘和應(yīng)用

設(shè)系統(tǒng)運(yùn)行時間內(nèi)的基線時間段組成為

式中 Tn為基線時間段;tn為基線分界時刻;tb為基線時刻

設(shè)不同日期的不同樣本車輛為i,j,則?tb, i∈ Tn,tb,i-tb,j＜ tthreshold.

①對于關(guān)鍵點(diǎn)編號為pointID的停靠時間.

式中 tstop,pointID為編號為pointID的關(guān)鍵點(diǎn)?？繒r間;tleave為編號為 pointID的關(guān)鍵點(diǎn)的發(fā)車時刻; tarrive為編號為pointID的關(guān)鍵點(diǎn)的到達(dá)時刻;n為在有記錄的日期范圍內(nèi),pointID的記錄總數(shù).

②對于關(guān)鍵點(diǎn)編號為pointID和pointID+1之間路段的運(yùn)行時間

式中 tline,lineID為編號為 lineID的路段的運(yùn)行時間;tarrive,pointID+1為編號為pointID+1的關(guān)鍵點(diǎn)的到達(dá)時刻;tarrive,pointID為編號為 pointID的關(guān)鍵點(diǎn)的發(fā)車時刻.

2.5 其它算法

(1)車輛及所在路段的判定.

①通過經(jīng)緯度計算兩點(diǎn)間距離

式中 (xo,yo),(xe,ye)分別為任意兩點(diǎn)的經(jīng)緯度(用角度表示)[9].

②通過判斷距離來判斷公交車是否在該路段

式中 i表示公交車所在的一點(diǎn);假設(shè)i點(diǎn)位于路段oe上,則Loi表示從這一路段起點(diǎn)到i點(diǎn)的距離; Lie表示從i點(diǎn)到這一路段終點(diǎn)之間的距離;Loe表示這一路段起點(diǎn)和終點(diǎn)之間的距離.若i點(diǎn)位于路段oe上,則必然有d=0.事實(shí)上位置信息必然有誤差,因此須對d取閾值.

③判斷公交車是否到達(dá)關(guān)鍵點(diǎn)

式中 l表示設(shè)定的允許公交車輛與關(guān)鍵點(diǎn)間距離偏移的閾值;(xpoint,ypoint)為關(guān)鍵點(diǎn)的經(jīng)緯度; (xbus,ybus)為公交車輛的經(jīng)緯度.

(2)距離請求站點(diǎn)的最近車輛搜索.

從請求站點(diǎn)起始,逆向查找法,直到查找到有車輛的存在即停止查找,返回該車輛信息.

3 系統(tǒng)的設(shè)計和實(shí)現(xiàn)

系統(tǒng)采用Java語言編寫.服務(wù)器采用 servlet和JSP運(yùn)行在Tomcat7.0上[10],如圖3所示.系統(tǒng)架構(gòu)如圖4所示,數(shù)據(jù)庫采用MySQL和SQLite,客戶端采用Android2.3開發(fā),應(yīng)用了軟件工程[11]原理,開發(fā)了手機(jī)客戶端如圖5所示.將上述信息匯總?cè)绫?所示.

表2 系統(tǒng)開發(fā)相關(guān)信息Table 2 Involved information of systemdeveloping

圖3 服務(wù)器核心類圖Fig.3 Main class diagram on server

圖4 系統(tǒng)平臺架構(gòu)Fig.4 System platform framework diagram

圖5 手機(jī)客戶端開發(fā)樣例Fig.5 Sample of client application on mobile device

4 實(shí)例檢驗(yàn)

在大連市101路公交車上進(jìn)行了軟件工程開發(fā)的單元測試和集成測試[10],表明算法的可靠性;在大連市旅順口區(qū)18路公交車上進(jìn)行了實(shí)踐性驗(yàn)證,如圖6所示.實(shí)驗(yàn)將全線分成48個路段,圖中抽取了關(guān)鍵點(diǎn)編號為31～40的典型路段在不同時段的預(yù)測情況,以及預(yù)測值和實(shí)際值的差值.定義差值的絕對值為誤差,則計算48個路段的平均誤差22.563 s.上述誤差源于車輛到達(dá)信號控制交叉口所受延誤的隨機(jī)性,以及站點(diǎn)上下車乘客數(shù)的隨機(jī)特征.圖6中編號為31的交叉口,即興發(fā)路與海慧街信號控制交叉口,其誤差較大主要是由于信號控制交叉口所產(chǎn)生的延誤所致.本文算法基于實(shí)時狀態(tài)不斷修正,預(yù)測值將始終圍繞實(shí)際值呈波動性收斂.

為評價預(yù)測結(jié)果的可接受度,引入北京公交集團(tuán)“快一慢二”(即車輛早到1 min、晚到2 min以內(nèi)為準(zhǔn)點(diǎn))的“準(zhǔn)點(diǎn)率”概念,將預(yù)測值作為發(fā)布給使用者的時刻表,評價車輛到達(dá)與時刻表的符合度.統(tǒng)計分析表明,在48段數(shù)據(jù)中,僅1組非準(zhǔn)點(diǎn),其準(zhǔn)點(diǎn)率達(dá)97.9%.滿足預(yù)測的精度目標(biāo).

圖6 18路公交車預(yù)測時間與實(shí)際時間對比Fig.6 Comparison between predicted time and actual time of bus No.18

5 研究結(jié)論

本文以面向乘客發(fā)布公交車到站時間預(yù)測信息,直觀地向乘客手機(jī)客戶端發(fā)送目標(biāo)線路上車輛到站情況的預(yù)測信息為切入點(diǎn),研究了用戶在上車前對未知車輛到站時間的預(yù)測,其結(jié)果可以應(yīng)用在電子站牌、手機(jī)終端、互聯(lián)網(wǎng)發(fā)布上,且同樣適用于預(yù)告乘客所在車輛到目標(biāo)車站的時間.鑒于其數(shù)據(jù)采集、分析、管理和應(yīng)用上有相當(dāng)程度的交叉和相互協(xié)調(diào)性,應(yīng)把公交車到站時間預(yù)測和公交車GPS自動報站、公交車GPS監(jiān)控和調(diào)度、公交車擁擠度檢測、公交路線查詢等模塊為子系統(tǒng)納入一個綜合的公交車信息系統(tǒng)工程.在交通信息平臺的架設(shè)上,本文為智能交通管理方面提供了很好的思路和模式.

[1]張汝峰.我國城市公共交通優(yōu)先發(fā)展對策研究[D].濟(jì)南:山東大學(xué),2010.[ZHANG R F.Study on the counter-policies for city public transport priority in China[D].Jinan:Shandong University,2010.]

[2]張迅.城市公共交通出行者信息服務(wù)選擇行為研究[D].大連:大連理工大學(xué),2010.[ZHANG X. Modeling information service choice behavior of urban transit passengers[D].Dalian:Dalian University of Technology,2010.]

[3]羅虹.基于GPS的公交車輛到達(dá)時間預(yù)測技術(shù)研究[D].重慶:重慶大學(xué),2007.[LUO H.Study on bus arrival time prediction based on GPS sata[D]. Chongqing:Chongqing University,2007.]

[4]Lin W,Jian Z.An experimental study on real time bus arrival time prediction with GPS data.In TRB 78th annual meeting(CD-ROM),Washington,D.C.1999.

[5]楊兆升,高學(xué)英.基于影響因素分類的路段行程時間融合研究[J].公路交通科技,2010,27(4): 116-127.[YANG Z S,GAO X Y.Research on travel time fusion based on influencing factors classification [J].Journal of Highway and Transportation Research and Development,2010,27(4):116-127.][6]于濱,楊忠振,曾慶成.基于SVM和Kalman濾波的公交車到站時間預(yù)測模型[J].中國公路學(xué)報, 2008,21(2):89-90.[YU B,YANG Z Z,ZENG Q C.Bus arrival time prediction model based on support vector machine and Kalman filter[J].China Journal of Highway and Transport,2008,21(2):89-90.]

[7]李勁,黃大榮.基于粗糙神經(jīng)網(wǎng)絡(luò)的交通優(yōu)化控制模型[J].計算機(jī)工程與應(yīng)用,2008,44(19):215-219.[LI J,HUANG D R.Traffic-flow optimal control model in intelligent transport systems:Rough neural network approach[J].Computer Engineering and Applications,2008,44(19):215-219.]

[8]魏先民.有限狀態(tài)機(jī)在嵌入式軟件中的應(yīng)用[J].濰坊學(xué)院學(xué)報,2006,6(4):24-25.[WEI X M. Finite state machine in embedded software application [J].Journal of Weifang University,2006,6(4):24-25.]

[9]胡伍生,高成發(fā).GPS測量原理及其運(yùn)用[M].北京:人民交通出版社,2002.[HU W S,GAO C F. GPS measuring principle and application[M]. Beijing:China Communications Press,2002.]

[10]郝玉龍.Java EE編程技術(shù)[M].北京:北京交通大學(xué)出版社,2008.[HAO Y L.Java EE programming techniques[M].Beijing:Beijing Jiaotong University Press,2008.]

[11]Stephen Schach.Object-oriented and classical software engineering(Seventh Edition)[M].New York City: McGraw-Hill,2008.

Bus Arrival Time Forecasting and Real-time Information Publication Technology

ZUO Zhong-yi,WANG Lei
(School of Traffic and Transportation Engineering,Dalian Jiaotong University,Dalian 116028,Liaoning,China)

This paper proposes an effective bus arrival time forecasting algorithm based on historical records and modified by real time status.The algorithm takes into account of the offline and online prediction,which is able to reduce the complexity of calculation on server.Based on GPS real time information of bus status,the real-time bus status is obtained on the Finite state machine model on the server with the application of the Java EE,JSP,MySQL Database.A centralized,enterprise-level,mobile device oriented and request response based comprehensive system Android operating system technics is established to release the bus arrival time prediction and send the predicted information of bus status to user's mobile device At the last section,the system is tested at No.18 Bus line of Lushun District,Dalian,China,which demonstrates that the algorithm performs well on the system.

intelligent transportation;arrival time prediction;travel time;public transport;system design

U491.7

A

U491.7

A

1009-6744(2013)01-0063-06

2012-04-24

2012-10-23錄用日期:2012-10-30

左忠義(1973-),男,內(nèi)蒙古海拉爾人,副教授.

*通訊作者:zuozy@djtu.edu.cn