公交車的定位方式以及預測公交到站的數學模型

王京 陳偉利 陳亮 佘夢媛 趙筱卿

【摘要】通過固定型RFID技術和移動的GPS芯片進行定位，將數據傳送至數據庫進行存儲和處理，在服務器相關軟件上顯示車輛的實時位置。并對于獲取的數據擬建立模型，進一步實現公交到站時間的預測。

【關鍵詞】RFID技術 GPS定位 狀態空間模型

0引言

由于互聯網的快速發展，大數據技術已在智能交通領域廣泛應用，本論文通過固定型RFID技術和移動的GPS芯片進行公交位置定位，將海量大數據傳送至數據庫進行存儲和處理，在服務器相關軟件上顯示車輛的實時位置，實現預測實時到站。

1數據采集方式

公交的地點定位就是要定位它當前所處的位置，同時在電子地圖上顯示出來，可以通過公交車中的GPS定位芯片實現。GPS定位是通過芯片與GPS全球定位衛星的通訊，經過相應計算得到當前位置的經緯度信息。公交車GPS技術采集的數據類型包括數據間隔和坐標數據，在GPS采集數據的時間間隔內，需要采集不同線路公交車在路段上的坐標數據。需要對原始GPS數據要預先進行處理，其中包括對采集到殘缺數據的處理，對數據穩健性方面的處理。在定位信號較弱，干擾源較多時采集的數據可信度不高，會影響正常的定位。

所以我們增加了固定型RFID定位的方式，用于輔助定位。RFID由三部分組成：應答器（RFD電子標簽），閱讀器和應用層軟件。公交車進站時，車載RFID閱讀器模塊通過射頻技術與公交站臺的RFID電子標簽建立連接，讀取RFID標簽內的站牌信息，進行預處理后傳送到數據庫，進行數據存儲和應用。通過固定型RFID技術和移動的GPS芯片進行定位，將數據傳送至數據庫進行存儲和處理，在服務器相關軟件上顯示車輛的實時位置。

為了更好的服務市民，我們對于獲取的數據擬建立模型，進一步實現公交到站時間的預測。前期在使用虛擬設備進行開發測試時，由于虛擬設備沒有GPS模塊，我們需要通過DDMS調試工具（提供端口傳輸服務，在當前連接的調試設備上可以模擬虛擬地理坐標位置數據）將模擬的地址信息發送給設備。真機測試不需要該步驟。對于我們獲取的數據，我們通過建立數學模型對公交到站時間的預測。

2公交到站時間的預測模型的選取及簡述

通過相關文獻的綜述研究，狀態空間模型在動態變量的特性描述應用廣泛，狀態空間模型最初由卡爾曼在現代控制理論中提出，該模型建立了可觀測量與系統內部狀態的關系，從而可以通過估計各種不同的狀態向量分析和觀測的系統內部狀態的變化趨勢。空間狀態模型常用于在時間變量的預測，所以本文將此模型應用于公交線路客流的短時預測中，構建公交客流短時預測的狀態空間模型和遞推關系式，在模型構建過程中選取卡爾曼濾波狀態空間模型根據對公交線路和時間分析，預測公交到站時間的規律。利用狀態空間形式表示動態系統主要有兩個優點：

第一，狀態空間模型將不可觀測的變量（狀態變量）并入可觀測模型并與其一起得到估計結果;

第二，狀態空間模型是利用強有效的遞歸算法一一卡爾曼濾波來估計的。卡爾曼濾波可以用來估計單變量和多變量的ARMA模型、MIMIc（多指標和多因果）模型、馬爾可夫轉換模型以及變參數模型。

狀態空間模型表述

模型的狀態方程定義如下：

若使上面的狀態空間模型成立，還需滿足下面兩個假定：

（1）初始狀態向量的均值為，協方差矩陣為，即

（2）在所有的時間區間上，擾動項ut和相互獨立，而且他們和初始狀態也不相關，即

3公交到站時間的預測狀態空間模型的構建

用于單程路公交動態調度到站預測基本步驟如下：

第一步：通過歷史公交客流數據的分析得到一個初始的載客量，以初始載客量為依據確定前兩班公交車輛發車計劃;

第二步：根據GPS和RFID技術定位分析公交的實時客流和交通狀況，對觀測向量及系統的狀態向量進行更新，根據前面時段的數據分析結合狀態空間模型預測公交到站時間;

第三步，對預測得到的到站時間與實際到站時間進行數據處理，重復進行第二步，不斷進行迭代操作直到完成整個公交運行時段的車輛到站短時預測。

基于上述步驟，構建公交客流短時預測的狀態空間模型和遞推關系式：

4結語

用戶通過我們的小助手可獲得相關線路的精準實時信息，包括公交車的實時定位和提示公交車進站，通知乘客做好上車準備。幫助用戶節約時間、合理規劃出行。同時系統后臺將各種數據進行統計分析，在降低運營成本的同時，更有效地提高了工作.效率和數據的準確性，進而達到科學管理的目的。