申请/专利权人：华中科技大学

申请日：2024-03-18

公开（公告）日：2024-06-28

公开（公告）号：CN117910660B

主分类号：G06Q10/04

分类号：G06Q10/04;G08G1/13;G08G1/01;G08G1/052;G08G1/048;G06Q50/40;G06F16/2458;G06F16/29;G06N3/0455;G06N3/0442;G06N3/0985;G06N20/20;G06F18/243;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了基于GPS数据及时空关联性的公交到站时间预测方法及系统，属于智能公交领域，方法包括：利用公交线路数据对原始GPS数据进行趟次划分、地图匹配和到站时间提取；利用公交到站时间，提取包括同一趟公交的站间行程时间序列、同一站基于时段均值的站间行程时间序列和同一点基于时段均值的车头时距序列在内的三类序列数据；利用LSTM模型、Seq2Seq结构、注意力机制搭建预测模型，分别对上述三类序列进行序列预测；分别利用三类预测结果构建包含时空信息的特征；结合新特征与原始GPS中的特征，利用XGBoost模型进行多站点的公交到站时间预测，模型采用网格搜索调优。本发明充分挖掘了GPS数据中包含的时空相关性信息，能有效提升公交到站时间预测准确率。

主权项：1.基于GPS数据及时空关联性的公交到站时间预测方法，其特征在于，包括：S1，利用公交站点与线路的地理信息数据，对原始公交车GPS数据进行趟次划分、地图匹配和到站时间提取；S2，从经S1预处理获取的数据中分别提取包括同一趟次公交车的站间行程时间序列、同一站点的站间行程时间序列以及同一站点的到站车头时距序列；将公交运营时间按固定的间隔划分为时段，分别计算同一站点的站间行程时间序列以及同一站点的到站车头时距序列被划分到每一个时段内的数据均值，并将均值作为新的序列数据，分别称为基于时段均值的站间行程时间序列和基于时段均值的到站车头时距序列；具体包括：S21，利用同一趟次公交在各相邻站点的到站时间依次相减获得该趟次公交的站间行程时间序列；S22，利用同一辆公交车到达下一个相邻站点的时间减去该公交车到达当前站点的时间获得该公交车在当前站点的站间行程时间，根据当前站点的公交到达顺序对各公交在该站点的站间行程时间进行排列，获得该站点的站间行程时间序列；S23，利用相邻到达同一个公交站点的公交车的到站时间依次相减获得该站点的到站车头时距序列；S24，将公交运营时间按固定的间隔划分为时段，把同一站点的站间行程时间序列和到站车头时距序列，分别根据时段进行划分；每条序列中被划分到同一个时段内的数据取均值，将获得的均值序列作为该序列基于时段均值的新序列；S3，分别对同一趟次公交车的站间行程时间序列、基于时段均值的站间行程时间序列和基于时段均值的到站车头时距序列进行序列预测；基于Seq2Seq网络结构，利用LSTM模型，并引入注意力机制，构建序列数据的多时间步预测模型，分别实现对同一趟次公交车的站间行程时间序列、基于时段均值的站间行程时间序列和基于时段均值的到站车头时距序列的多时间步预测，挖掘其中包含的时空关联性信息；所述多时间步预测具体包括：S31，对于同一趟次公交车的站间行程时间序列，依次利用每趟公交车在该站点前的个公交站点的站间行程时间，预测其该站点及后续共个公交站点的站间行程时间；S32，对于基于时段均值的站间行程时间序列，滑动长度为的窗口，依次使用该站点在前个时段的平均站间行程时间预测其在后个时段的站间行程时间；S33，对于基于时段均值的到站车头时距序列，滑动长度为的窗口，依次使用该站点在前个时段的平均到站车头时距预测其在后个时段的平均到站车头时距；S4，对于每一条待预测的公交车GPS记录，根据经S3获取的三类序列数据的预测结果分别计算该辆公交车到达后续多个站点的剩余时间预测值；将这些预测值作为包括时空信息的新特征与GPS记录中包括的实时特征结合，作为最终进行剩余到站时间预测的特征；S5，分站点构建剩余到站时间预测模型，输入S4得到的最终进行剩余到站时间预测的特征，对公交剩余到站时间进行预测，并对所述剩余到站时间预测模型中关键的超参数进行调优。

全文数据：

权利要求：

百度查询： 华中科技大学 基于GPS数据及时空关联性的公交到站时间预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD