基本信息
- 项目名称：
- 基于物联网的公交车到站时间智能预测系统
- 来源：
- 第十二届“挑战杯”作品
- 小类：
- 信息技术
- 大类：
- 科技发明制作B类
- 简介：
- 准确预测公交车到站时间是智能公交系统的核心问题之一，但国内路况复杂、交通事件频发，给到站时间预测带来巨大的困难。利用物联网的传感设备实时获取和传输公交车的位置及时间等信息；运用范例推理技术同时对多路公交车的到站时间进行预测，并且将预测结果通过互联网、电子站牌、短信等方式进行发布。本系统能适用于各种路况，具有较高的扩展性，而且配套设施及运营成本低廉，非常适合国内市场的需求。
- 详细介绍：
- 现有的公交系统由于无法预知到站时间等因素，造成市民在站台等待时间较长，公交出行率偏低。为了方便市民、提高公交服务质量，作品根据物联网理论，利用分布式ZigBee自动路由短距无线通信网络和范例推理技术，设计并实现了一个公交车定位及到站时间预测系统。主要功能包括移动车辆定位、远程信息获取、原始信息处理、到站时间预测、预测信息显示等方面。系统利用多个ZigBee设备获取和传输公交车的位置及时间等信息，实现公交物联网的感知层信息获取；利用现有的有线和无线网络，实现公交物联网的网络层信息传输；运用范例推理技术同时对多路公交车的到站时间进行预测，实现公交物联网的应用层信息处理。作品的主要创新点有：1、将ZigBee技术应用于车辆定位系统，与市场上流行的GPS定位方式相比，价格更便宜，性能更可靠；2、提出了一种非计算方法的公交车到站时间预测模型，使得到站时间预测更具有可操作性；3、采用智能化的范例推理预测技术，在提高预测精度的同时，提高了系统适用各种路况的能力。另外，本作品的车辆定位子系统和时间预测子系统既能组合在一起使用，又可以作为独立的子系统嵌入到其他系统中，并且能够与现有的智能公交系统很好地兼容，具有较好的使用灵活性。系统能适用于各种路况，具有较高的扩展性能，而且的配套设施及运营成本低廉，非常适合国内市场的需求。
作品图片
作品专业信息
设计、发明的目的和基本思路、创新点、技术关键和主要技术指标
- ★目的： 现有的公交系统由于等车时间长、无法预知到站时间等因素，不适合高节奏的现代生活。为了服务市民，提高公交出行的效率，让更多市民选择公交出行方式，我们设计了本作品。 ★基本思路： 将每个公交站点上放置的ZigBee设备作为参考节点，建立自组网，车载设备作为定位节点，根据车载设备与各个参考节点通讯信号的强弱，确定车辆的位置；利用现有的有线和无线网络，将实时公交车位置及时间信息的传输给数据采集服务器；服务器将原始数据规范化处理后，利用范例推理算法从范例库中找到情景最相似的范例，据此预测后续站点的到站时间，并且将预测结果通过互联网、电子站牌、短信等方式进行发布。 ★创新点： 1、针对公交车到站时间预测，建立了一种易于操作的情景预测模型； 2、给出了情景预测模型中各情景因子的测量与转换方法； 3、实现了廉价稳定的ZigBee车辆定位； 4、模仿人类的根据经验估计到站时间的思维方式，实现了到站时间的智能预测； ★技术关键： 影响到站时间的情景因子的确定，各个因子的获取方法；到站时间预测模型；低廉可靠的公交车定位技术，以利于其在中小城市推广；智能化到站时间预测技术；系统的自学习功能。 ★主要技术指标： 1、定位精度3-5米，分辨率0.25米，最长感应距离1000米； 2、可测量的车辆速度范围：0-400公里/小时； 3、误差精度为1分钟时，本系统在正常时段的有效预报率为99%；在高峰时段的有效预报率为80% 。
科学性、先进性
- 1、利用ZigBee技术实现车辆定位，较现流行的GPS技术相比，在定位技术国产化的同时，费用上也有了很大的节约； 2、提出以节假日等为情景因子的到站时间预测模型，模型中所有元素均可通过测量与转换方法取得精确值，彻底摆脱了传统模型中部分元素无法取值的困扰； 3、作品不是通过数学模型的方式计算出到站时间，而是模仿人类根据经验及当前情景预测时间的方式，预测公交车抵达目的站点的时间，预测精度更高、适用性更强； 4、作品可以提供抵达任意目的站点时间的预测服务，改变了已有系统只预测到一辆公交车与本站点之间距离的局限。
获奖情况及鉴定结果
- 2011年4月在本校第四届“挑战杯”大学生课外学术科技作品竞赛中获一等奖； 2011年5月在本省第四届“挑战杯”大学生课外学术科技作品竞赛中获一等奖。
作品所处阶段
- 实验室阶段
技术转让方式
- 洽谈
作品可展示的形式
- 实物展示、现场演示、录像
使用说明,技术特点和优势,适应范围,推广前景的技术性说明,市场分析,经济效益预测
- ★技术特点和优势： 作品模仿人类依据经验求解问题的方式，预测公交车抵达目的站点的时间，具有费用低、预测精度高、适用范围广、兼容性高、智能化、人性化等优点。 ★应用场合和推广前景： 本作品除了可以用来预测公交车到站时间预测以外，还可广泛应用于各种移动车辆的定位及行程预测。同时，本作品经过适当的改造之后，还可应用于地面上各种移动物体的定位及行为预测。由于本作品具有费用低、性能可靠、适用各种路况的特点，具有广阔的市场前景。
同类课题研究水平概述
- ★国外状况： 伦敦国王学院的 S.A.Velastin提出动态卡尔曼滤波代替传统静态均值算法；加拿大 Amer Shalaby采用卡尔曼滤波算法建立公共汽车路段行程时间模型；日本的Toru Ototita通过寻找最匹配的历史数据的方式，预测当前车辆到站时间；韩国崇实大学 Taehyung Park利用神经网络算法对到站时间进行预测；悉尼市机场采用改进的线性预测算法,计算得到将要经过路段的到站时间的预测值。 ★国内状况： 吉林大学的杨兆升教授、初连禹教授等提出了基于模糊神经网络的实时路段到站时间估计模型，经过训练的神经网络可利用实测的交通数据预测未来时间段的预测变量值；朱中教授利用卡尔曼滤波理论建立了到站时间预测模型，利用实测的交通流量预测几个时段后的路段到站时间；周雪梅博士应用统计回归理论，建立公交车辆到站时间预测模型；干宏程利用宏观交通流模型进行时间预测；姚宝珍博士利用SVM及衰减因子实现公交车辆运行时间的动态预测；于滨、杨忠振教授应用支持向量机预测公交车运行时间；台湾大学张堂贤教授利用离散傅立叶变换找出一天内各路段旅行时间的动态变化，来预测公共汽车到站时间。实际应用方面，预测的内容还是以距离为主，一些公司利用GPS定位技术、GPRS/CDMA通讯技术和LED显示设备，实现公交车到站信息预报系统，并且在北京、上海、杭州、青岛、乌鲁木齐、南京和广州等许多城市安装了该系统。有些城市进行了时间预测的尝试，误差精度为1.2分钟的情况下有效预报率为94%。 ★我国公交预测系统存在的主要问题： 1、定位技术以GPS为主，费用较高； 2、预测模型需改进。现有预测模型有些简单但精度不高，有些精度高但输入数据较难获取； 3、多数只能提供距离预测，不能提供直观的时间信息； 4、只预测下一辆汽车的距离，不能提供任意车辆抵达任意目的站点时间的预测服务。
