基于蓝牙感知的公交车辆到站时间预测方法研究

《基于蓝牙感知的公交车辆到站时间预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

第2期（总第178期）No.2(SerialNo.178)2015年4月CHINAMUNICIPALENGINEERINGApr.2015DOI:10.3969/j.issn.1004-4655.2015.02.001基于蓝牙感知的公交车辆到站时间预测方法研究王庆纲［上海市政工程设计研究总院（集团）有限公司，上海200092］摘要：采用基于蓝牙的智能感知技术，实现对公交车辆运行状态信息的自动采集，并对公交车辆到站时间预测方法进行专项研究。通过算例证明该方法具有较高的预测精度，为动态车辆调度、运行质量评估、乘客交通信息服务等提供有力的支撑。关键词：智能交通；到站时间预测；蓝牙感知；公交车辆；模糊计算中图分类号：U491.14文献标志码：A文章编号：1004-4655（2015）02-0001-03公交车辆到站时间预测是实现城市公共交通智管理中心能化管理的一项重要内容，为动态车辆调度、运行质量评估、乘客信息服务等提供信息支撑。目前，车载智能公交车辆到站时间预测大多是GPS定位数据；而蓝牙感知装置T蓝牙感知装置识别卡2T1实际上，GPS车载终端易由于城市中高楼大厦的遮挡而丢失信号，造成数据空挡或数据延误，影响预测结果的准确性。车站N+1站间区段车站N因此，通过在各公交站点布设基于蓝牙技术的图1基于蓝牙的智能感知系统结构图智能感知装置，实时准确地采集所有公共车辆的车辆按照预设的公交线路依次经过公交站点时，站到站数据，对下一班公交车辆到站时间进行准确预点蓝牙感知装置将自动搜索配备智能识别卡的公交测，向乘客提供公共交通信息服务，提高公共交通车辆。如果发现公交车辆，则自动记录当前时间并部门的管理能力。读取智能识别卡中存储的车辆属性信息，所有信息1基于蓝牙的智能感知系统通过通信网络实时上传到管理中心，管理人员可实智能感知是构成物联网系统的基本部分，是获现对所有公交车辆运行状态的实时监视、智能分析取海量有效信息的主要途径。基于蓝牙的智能感知和动态调度。技术是以蓝牙短程通信技术为基础，自动感知被监2公交车辆运行状态要素分析测区域内的多个标志物体，将采集到的基础信息按通过对公交车辆运行过程分析，描述其运行状照一定格式和标准传递到上层应用系统，以满足信态的要素，主要包括公交站点、公交线路、公交车息的传输、存储、处理和应用等要求。辆、公交班次等（见图2）。蓝牙的智能感知系统通常由站点蓝牙感知装BTPT置、车载智能识别卡、通信网络及管理中心等主要TSASC部分组成（见图1）。车辆BN0+1如图1所示，在各公交站点布设蓝牙感知装置，班次BL0车辆BN0D同时在每辆公交车上安装车载智能识别卡。当公交AS0SASA+1SCSC+1SD起点站中间站终点站收稿日期：2014-07-16图2公交车辆运行状态要素示意图作者简介：王庆纲（1978—），男，高级工程师，工学硕士，主要从事智能交通、综合交通信息服务工作。其中，在特定的公交线路（从起点站SO到终1 王庆纲：基于蓝牙感知的公交车辆到站时间预测方法研究2015年第2期点站SD）上，SA、SA+1、SC、SC+1等为该公交线录分配一个权重系数为λijk，用以表征该记录对预路上的各公交站点编号，DA为公交站点SA与SA+1测结果的影响程度，见式（3）和式（4）。之间的公交区段；在某个公交班次BL0上，BN0、（3）BN0+1为相邻运行的公交车辆编号；所有公交车辆　　　　　　（4）以班次为单位，按照预设的排班计划在起点与终点3.2　预测方法研究之间循环往复运行。基于前述要素分析和假设条件，将公交车辆到3　公交车辆到站时间预测方法研究站时间预测的过程描述如下。3.1　假设条件1）步骤1：根据蓝牙感知装置采集的公交车影响公交车辆到站时间的因素众多，如果全部辆运行状态数据，计算出相邻公交站点间公交车辆予以考虑，模型将非常复杂，为了便于研究并能体行程时间记录矩阵Yijk。现问题本质，做一些合理的假设是非常必要的。2）步骤2：从Yijk中提取出需预测的公交站点1）假设所有公交车辆是相同的，即不考虑公交车辆自身性能差异对行程时间的影响。SA与SC之间的所有有效行程时间记录，并分配权2）假设公交车辆在公交线路上运行不存在折重系数λijk，通常越接近当前时间T0的有效行程时间记录所分配的权重系数值越大。在本研究中，返现象，沿不同方向行驶应视为不同的公交线路，[1]采用了模糊计算方法为权重系数进行赋值。如双向运行的同一公交线路应划分为上行和下行2条公交线路。首先，A是从Yijk中提取出的由公交站点SA与SC之间的所有有效行程时间记录构成的集合，见3）假设所有公交车辆按照预设的排班计划依式（5）。次运行，在行驶过程中不存在超车运行或车辆故障的情况。（5）然后，将模糊矩阵B定义，见式（6）。4）在当前时间T0，公交车辆BN0运行于相邻公交站点SC与SC+1之间，表示为BN0∈（SC，　　　　　（6）隶属函数定位见式（7）。SC+1）。5）在当前时间T0，公交车辆BN0+1运行于相（7）邻公交站点SA与SA+1之间，表示为BN0+1∈（SA，SA+1）。式中：t0为单位时间单元；T0为当前时间；N为6）在当前时间T0，公交车辆BN0+1已驶离公隶属度赋值的最大单位时间单元数量，n=1，2，交站点SA的时间长度为BT。3，……，N（下同）。隶属度赋值示意图见图3。7）通过布设于各公交站点的蓝牙感知装置所1采集到公交车辆运行状态记录表示为矩阵Xijk，见1-1/N式（1）。（1）1/N0式中：i为公交班次编号；j为公交车辆编号；k为T0-N·t0T0-（N-1）·t0T0-2t0T0-t0T0公交站点编号，且i，j，k=1，2，3，……图3隶属度赋值示意图8）所有相邻公交站点间公交车辆行程时间记在每个单位时间单元t0内，计算有效的行程录表示为矩阵Yijk，见式（2）。时间记录的数量见式（8）。（8）（2）式中：length（A）是在集合A中计算指定时间段9）在当前时间T0，对每个有效的行程时间记内的有效记录数量。2 王庆纲：基于蓝牙感知的公交车辆到站时间预测方法研究2015年第2期最后，为保证式（4）成立，对权重系数进行可看出，大多数相邻公交站点（除站点5、6间区段）归一化赋值，见式（9）。45003500累积行程时间实测值2500，1500累积行程时间预测值行程时间/s500如果（9）012345678910111213143）步骤3：任一公交站点区段Dk的平均行程公交站点时间可按照式（10）计算。图4累积行程时间实测值与预测值比较　　　　（10）1401204）步骤4:考虑从公交站点SA到SC之间存在100累积行程时间误差80多个公交区段，则计算平均行程时间见式（11）。60站间行程时间误差40行程时间/s200（11）-201234567891011121314公交站点5）步骤5：考虑公交车辆已驶离公交站点SA图5站间行程时间误差与累积行程时间误差比较的时间BT，则预测下一班公交车辆的到站时间见式（12）。10%8%6%（12）4%2%3.3　补充说明0%相对误差1234567891011121314-2%在实际应用中往往存在一些特殊情况（如公交-4%公交站点-6%线路的首班车），在公交区段Dk和隶属度赋值的最大时间长度n·t0内，有效的公交车辆行程时间记录图6站间行程时间相对误差比较较少，无法满足到站时间预测的要求，见式（13）。的行程时间绝对误差在20s内，相对误差在6%范围内；偏差较大的个别区段主要是由于外部环境变（13）化（如道路交通流量快速增加），造成基于当前和式中：Nmin为预设的有效行程时间记录的最小限值。历史数据的预测延迟反应现象。总体来讲，预测结在此情况下，为保证预测方法的有效性，通常果的误差在可接受的范围内，能够较好地反映在多调取系统数据库中满足一定相似条件的历史数据记因素影响下的公交车辆动态变化情况，可用于实际录，包括日期类型（如工作日、节假日）、时间范围、公交到站时间预测及运行状态监控与管理等。天气条件等条件。5　结语4　案例研究将基于蓝牙的智能感知系统应用于公交车辆的选取某市一公交线路上行方向（共14个站动态监控与管理，克服单纯依靠GPS定位技术的点）作为测试线路。通过布设公交站点蓝牙感知弊端，可全面有效地采集公交车辆的运行状态数装置和车载智能识别卡，连续采集一个工作日内据。基于大量的有效行程时间记录，进行深入数据13：00～14:00时间段内的所有公交车辆运行状态分析和挖掘，可以对公交车辆到站时间进行准确预数据。将公交车辆到站时间的实测值与预测值进行测。该方法具有较高的预测精度和实用价值，可为比较，以评价预测方法的有效性和准确性。累积行动态车辆调度、运行质量评估、乘客交通信息服务程时间实测值与预测值比较，站间行程时间误差与等提供有力的信息支撑。累积行程时间误差比较，站间行程时间相对误差比较分别见图4~图6。参考文献：该测试以5min为单位时间单元，统计分析最[1]李鸿吉.模糊数学基础及实用算法[M].北京：科学出版社，近30min内的有效行程时间记录。从图4～图62005.3