【技术实现步骤摘要】
本专利技术涉及一种基于时空图注意力网络的公交行程时间预测方法，属于公共交通大数据挖掘领域。
技术介绍
1、高效便捷的公共交通系统是可持续发展城市的重要组成部分，优先发展公共交通可以缓解城市交通拥堵并降低碳排放，助力实现“双碳”战略目标。公交运行过程中会受到多种内外部因素干扰，导致车辆运行时间不稳定，降低了公交运行的效率，也加大了乘客对公交出行的不信任感。
2、随着公交信息化和智能化水平的不断提升，公交车装备了实时定位终端，为实时掌握公交运行状态提供了重要的数据支持。基于公交的实时位置信息开展公交行程时间预测，有助于提升公交运行可靠性，为乘客提供更优质的出行服务，从而吸引更多乘客选择公交出行。
3、现有相关预测方法主要考虑区间行程时间历史序列在时间维度的相关性开展预测。例如《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》(申请号：202410307360.x)公开了一种利用公交gps数据并融合lstm模型、seq2seq结构和注意力机制的公交到站时间预测方法。《基于双注意力机制和双向双层lstm的公交行程时间预测方法》(申请号：202210007787.9)公开了一种公交行程时间预测方法，考虑了上一天相似时间段、上一周相同特征日的相似时间段的行程时间的影响。
4、在交通网络中，路况常常呈现空间相关性。部分预测方法以公交站点为节点构建网络，考虑相邻节点的运行状态预测公交到站时间。例如《一种面向有缺失数据的公交车到站时间预测方法》(申请号：202111022557.1)公开了一种基于多头时
5、综上，现有技术没有充分挖掘公交实时定位数据中的隐含知识，对于相邻站点区间和相邻车次运行时间的时空相关性缺乏有效利用。
技术实现思路
1、针对现有技术存在的问题和改进需求，本专利技术提出一种基于时空图注意力网络的公交行程时间预测方法，可以基于公交到站时间历史数据充分捕捉公交网络内相邻站点区之间、相邻车次之间区间行程时间的时空依赖关系，实现更精准的公交行程时间预测。
2、本专利技术的技术方案如下：
3、步骤1：公交到站时间数据数据预处理；
4、步骤2：基于公交到站时间数据计算区间行程时间；
5、步骤3：站点区间有向加权网络构建；
6、步骤4：基于时空图注意力网络搭建公交行程时间预测模型。
7、步骤1公交到站时间数据数据预处理，具体包括：
8、步骤1.1：公交到站时间数据的字段包括线路名称、线路方向、公交车编号、站点编号、站点名、到站距离、到站时间戳等字段。利用到站距离字段进行筛选，仅保留公交车处于到站状态的到站时间记录。将公交到站时间数据按照线路名称、线路方向、车次、站点编号4个字段进行升序排序。将每辆公交车从站点编号1行驶到该线路方向最大编号的过程定义为一个车次。
9、步骤1.2：如果在一个车次内某公交车在某个公交站点i的到站时间记录数大于等于2，则仅保留该公交车在站点i到站时间最晚的一条到站记录。
10、步骤1.3：针对每个车次排序后的到站时间记录进行遍历，检查到站时间字段是否也按升序排序，如果某条记录的到站时间早于前一条记录的到站时间，则该记录作为异常记录进行删除；
11、步骤1.4：针对一个车次内存在到站时间记录缺失的站点，采用前后站点的到站时间进行线性插值进行填补。
12、步骤2基于公交到站时间数据计算区间行程时间，具体包括：
13、步骤2.1：将任意两个相邻公交站点之间的路段定义为站点区间。站点区间i的起点和终点分别记为站点i和站点i+1。和分别为车次k的第i个站点和第i+1个站点的到站时间，车次j通过第i个站点区间的行程时间等于公交车通过相邻两个公交站的到站时间的差值，即从而得到每个车次的区间行程时间序列。
14、步骤2.2：将某时段内通过任意站点区间i的所有线路不同车次的区间行程时间取平均值，作为该时段内该站点区间的平均行程时间序列。如果该时段内某个站点区间没有公交车经过，则采用相邻上一个时段的平均行程时间进行填补。
15、步骤3站点区间有向加权网络构建，具体包括：
16、步骤3.1：以站点区间的中点为网络的节点，以站点区间中点之间的连线为网络的边，构建有向网络，具体步骤如下：
17、由于公交线路通常分上行和下行两个方向，因此本网络被设计为有向网络。以站点区间两端站点连线的中点代表站点区间，并作为网络的节点，区间的中点的经纬度坐标可以采用区间两端公交站点的经纬度坐标取算数平均值获得。采用集合v＝{vi|i＝1,2,…,n}表示节点的集合，其中vi表示网络中第i个公交线路区间。以站点区间中点的连线为边，采用集合e＝{eij|i,j＝1,2,…,n}表示边的集合，其中eij表示第i个站点区间和第j个站点区间之间的连边。集合w＝{wij|i,j＝1,2,…,n}为网络的邻接矩阵，其中wij为eij的权重。
18、步骤3.2：计算任意两个站点区间的中点之间的haversine距离，进行取倒数处理后构建距离矩阵。基于任意两个站点区间之间的连通性构建连通矩阵，将距离矩阵和连通矩阵分别归一化后进行加和得到w。利用归一化后的w对网络的边进行加权，具体包括：
19、s1.构建距离矩阵，利用节点vi和vj的经纬度坐标(xi,yi)和(xj,yj)，采用haversine公式计算两点间的直线距离。由于两个站点区间的空间距离越近，两者的交通运行状态越相关，因此采用距离的倒数构建距离矩阵值越大，表明两个站点区间的相关性越大；反之意味着两个区间的相关性越小。之后，需要将距离矩阵wp进行归一化处理。
20、s2.构建连通矩阵如果两个站点区间在空间上是联通的，即区间i的终点站点为区间j的起点站点，则对应边的权重值置为1；否则置为0。
21、s3.将距离矩阵和连通矩阵进行加和运算即w＝wp+wa，并归一化处理，得到矩阵w用于表示节点之间的空间连接关系。
22、步骤4基于时空图注意力网络搭建公交行程时间预测模型，具体包括：
23、步骤4.1：将每个站点区间前t个时段内的平均行程时间序列与前t个时段通过每个站点区间最后n个车次的行程时间进行拼接，构成时空序列作为模型输入，其中i是节点数，t是时间步长，n是选择的相邻车次数。
24、步骤4.2：在时间特征提取模块中，采用了transformer的编码器结构作为时间特征提取的核心组件，transformer的编码器由多个编码层堆叠构成，每个编码层包含多头注意力机制、前馈神经网络、归一化层和残差连接。利用多头本文档来自技高网...
【技术保护点】
1.基于时空图注意力网络的公交行程时间预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时空图注意力积网络的公交行程时间预测方法，其特征在于，步骤1所述的公交到站时间数据数据预处理步骤具体包括：
3.根据权利要求1所述的基于时空图注意力网络的公交行程时间预测方法，其特征在于，步骤2所述的基于公交到站时间数据计算区间行程时间具体包括：
4.根据权利要求1所述的基于时空图注意力网络的公交行程时间预测方法，其特征在于，步骤3所述的站点区间有向加权网络构建具体包括：
5.根据权利要求1所述的基于时空图注意力网络的公交行程时间预测方法，其特征在于，步骤4所述的基于时空图注意力网络构建公交行程时间预测模型的步骤具体包括：
【技术特征摘要】
1.基于时空图注意力网络的公交行程时间预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时空图注意力积网络的公交行程时间预测方法，其特征在于，步骤1所述的公交到站时间数据数据预处理步骤具体包括：
3.根据权利要求1所述的基于时空图注意力网络的公交行程时间预测方法，其特征在于，步骤2所述的基于公交到站...
【专利技术属性】
技术研发人员：林鹏飞，赵世昌，欧阳伊诺，翁剑成，林道瑞，周致远，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。