基本信息
- 項目名稱：
- 基于物聯(lián)網(wǎng)的公交車到站時間智能預測系統(tǒng)
- 小類：
- 信息技術
- 大類：
- 科技發(fā)明制作B類
- 簡介：
- 準確預測公交車到站時間是智能公交系統(tǒng)的核心問題之一，但國內(nèi)路況復雜、交通事件頻發(fā)，給到站時間預測帶來巨大的困難。利用物聯(lián)網(wǎng)的傳感設備實時獲取和傳輸公交車的位置及時間等信息；運用范例推理技術同時對多路公交車的到站時間進行預測，并且將預測結(jié)果通過互聯(lián)網(wǎng)、電子站牌、短信等方式進行發(fā)布。本系統(tǒng)能適用于各種路況，具有較高的擴展性，而且配套設施及運營成本低廉，非常適合國內(nèi)市場的需求。
- 詳細介紹：
- 現(xiàn)有的公交系統(tǒng)由于無法預知到站時間等因素，造成市民在站臺等待時間較長，公交出行率偏低。為了方便市民、提高公交服務質(zhì)量，作品根據(jù)物聯(lián)網(wǎng)理論，利用分布式ZigBee自動路由短距無線通信網(wǎng)絡和范例推理技術，設計并實現(xiàn)了一個公交車定位及到站時間預測系統(tǒng)。主要功能包括移動車輛定位、遠程信息獲取、原始信息處理、到站時間預測、預測信息顯示等方面。系統(tǒng)利用多個ZigBee設備獲取和傳輸公交車的位置及時間等信息，實現(xiàn)公交物聯(lián)網(wǎng)的感知層信息獲??；利用現(xiàn)有的有線和無線網(wǎng)絡，實現(xiàn)公交物聯(lián)網(wǎng)的網(wǎng)絡層信息傳輸；運用范例推理技術同時對多路公交車的到站時間進行預測，實現(xiàn)公交物聯(lián)網(wǎng)的應用層信息處理。作品的主要創(chuàng)新點有：1、將ZigBee技術應用于車輛定位系統(tǒng)，與市場上流行的GPS定位方式相比，價格更便宜，性能更可靠；2、提出了一種非計算方法的公交車到站時間預測模型，使得到站時間預測更具有可操作性；3、采用智能化的范例推理預測技術，在提高預測精度的同時，提高了系統(tǒng)適用各種路況的能力。另外，本作品的車輛定位子系統(tǒng)和時間預測子系統(tǒng)既能組合在一起使用，又可以作為獨立的子系統(tǒng)嵌入到其他系統(tǒng)中，并且能夠與現(xiàn)有的智能公交系統(tǒng)很好地兼容，具有較好的使用靈活性。系統(tǒng)能適用于各種路況，具有較高的擴展性能，而且的配套設施及運營成本低廉，非常適合國內(nèi)市場的需求。
作品圖片
作品專業(yè)信息
設計、發(fā)明的目的和基本思路、創(chuàng)新點、技術關鍵和主要技術指標
- ★目的： 現(xiàn)有的公交系統(tǒng)由于等車時間長、無法預知到站時間等因素，不適合高節(jié)奏的現(xiàn)代生活。為了服務市民，提高公交出行的效率，讓更多市民選擇公交出行方式，我們設計了本作品。 ★基本思路： 將每個公交站點上放置的ZigBee設備作為參考節(jié)點，建立自組網(wǎng)，車載設備作為定位節(jié)點，根據(jù)車載設備與各個參考節(jié)點通訊信號的強弱，確定車輛的位置；利用現(xiàn)有的有線和無線網(wǎng)絡，將實時公交車位置及時間信息的傳輸給數(shù)據(jù)采集服務器；服務器將原始數(shù)據(jù)規(guī)范化處理后，利用范例推理算法從范例庫中找到情景最相似的范例，據(jù)此預測后續(xù)站點的到站時間，并且將預測結(jié)果通過互聯(lián)網(wǎng)、電子站牌、短信等方式進行發(fā)布。 ★創(chuàng)新點： 1、針對公交車到站時間預測，建立了一種易于操作的情景預測模型； 2、給出了情景預測模型中各情景因子的測量與轉(zhuǎn)換方法； 3、實現(xiàn)了廉價穩(wěn)定的ZigBee車輛定位； 4、模仿人類的根據(jù)經(jīng)驗估計到站時間的思維方式，實現(xiàn)了到站時間的智能預測； ★技術關鍵： 影響到站時間的情景因子的確定，各個因子的獲取方法；到站時間預測模型；低廉可靠的公交車定位技術，以利于其在中小城市推廣；智能化到站時間預測技術；系統(tǒng)的自學習功能。 ★主要技術指標： 1、定位精度3-5米，分辨率0.25米，最長感應距離1000米； 2、可測量的車輛速度范圍：0-400公里/小時； 3、誤差精度為1分鐘時，本系統(tǒng)在正常時段的有效預報率為99%；在高峰時段的有效預報率為80% 。
科學性、先進性
- 1、利用ZigBee技術實現(xiàn)車輛定位，較現(xiàn)流行的GPS技術相比，在定位技術國產(chǎn)化的同時，費用上也有了很大的節(jié)約； 2、提出以節(jié)假日等為情景因子的到站時間預測模型，模型中所有元素均可通過測量與轉(zhuǎn)換方法取得精確值，徹底擺脫了傳統(tǒng)模型中部分元素無法取值的困擾； 3、作品不是通過數(shù)學模型的方式計算出到站時間，而是模仿人類根據(jù)經(jīng)驗及當前情景預測時間的方式，預測公交車抵達目的站點的時間，預測精度更高、適用性更強； 4、作品可以提供抵達任意目的站點時間的預測服務，改變了已有系統(tǒng)只預測到一輛公交車與本站點之間距離的局限。
獲獎情況及鑒定結(jié)果
- 2011年4月在本校第四屆“挑戰(zhàn)杯”大學生課外學術科技作品競賽中獲一等獎； 2011年5月在本省第四屆“挑戰(zhàn)杯”大學生課外學術科技作品競賽中獲一等獎。
作品所處階段
- 實驗室階段
技術轉(zhuǎn)讓方式
- 洽談
作品可展示的形式
- 實物展示、現(xiàn)場演示、錄像
使用說明,技術特點和優(yōu)勢,適應范圍,推廣前景的技術性說明,市場分析,經(jīng)濟效益預測
- ★技術特點和優(yōu)勢： 作品模仿人類依據(jù)經(jīng)驗求解問題的方式，預測公交車抵達目的站點的時間，具有費用低、預測精度高、適用范圍廣、兼容性高、智能化、人性化等優(yōu)點。 ★應用場合和推廣前景： 本作品除了可以用來預測公交車到站時間預測以外，還可廣泛應用于各種移動車輛的定位及行程預測。同時，本作品經(jīng)過適當?shù)母脑熘?，還可應用于地面上各種移動物體的定位及行為預測。由于本作品具有費用低、性能可靠、適用各種路況的特點，具有廣闊的市場前景。
同類課題研究水平概述
- ★國外狀況： 倫敦國王學院的 S.A.Velastin提出動態(tài)卡爾曼濾波代替?zhèn)鹘y(tǒng)靜態(tài)均值算法；加拿大 Amer Shalaby采用卡爾曼濾波算法建立公共汽車路段行程時間模型；日本的Toru Ototita通過尋找最匹配的歷史數(shù)據(jù)的方式，預測當前車輛到站時間；韓國崇實大學 Taehyung Park利用神經(jīng)網(wǎng)絡算法對到站時間進行預測；悉尼市機場采用改進的線性預測算法,計算得到將要經(jīng)過路段的到站時間的預測值。 ★國內(nèi)狀況： 吉林大學的楊兆升教授、初連禹教授等提出了基于模糊神經(jīng)網(wǎng)絡的實時路段到站時間估計模型，經(jīng)過訓練的神經(jīng)網(wǎng)絡可利用實測的交通數(shù)據(jù)預測未來時間段的預測變量值；朱中教授利用卡爾曼濾波理論建立了到站時間預測模型，利用實測的交通流量預測幾個時段后的路段到站時間；周雪梅博士應用統(tǒng)計回歸理論，建立公交車輛到站時間預測模型；干宏程利用宏觀交通流模型進行時間預測；姚寶珍博士利用SVM及衰減因子實現(xiàn)公交車輛運行時間的動態(tài)預測；于濱、楊忠振教授應用支持向量機預測公交車運行時間；臺灣大學張?zhí)觅t教授利用離散傅立葉變換找出一天內(nèi)各路段旅行時間的動態(tài)變化，來預測公共汽車到站時間。實際應用方面，預測的內(nèi)容還是以距離為主，一些公司利用GPS定位技術、GPRS/CDMA通訊技術和LED顯示設備，實現(xiàn)公交車到站信息預報系統(tǒng)，并且在北京、上海、杭州、青島、烏魯木齊、南京和廣州等許多城市安裝了該系統(tǒng)。有些城市進行了時間預測的嘗試，誤差精度為1.2分鐘的情況下有效預報率為94%。 ★我國公交預測系統(tǒng)存在的主要問題： 1、定位技術以GPS為主，費用較高； 2、預測模型需改進?，F(xiàn)有預測模型有些簡單但精度不高，有些精度高但輸入數(shù)據(jù)較難獲??； 3、多數(shù)只能提供距離預測，不能提供直觀的時間信息； 4、只預測下一輛汽車的距離，不能提供任意車輛抵達任意目的站點時間的預測服務。
