8、基于人工智能的实时公交出行时间预测

基于人工智能的实时公交出行时间预测

1. 引言

自动车辆定位（AVL）系统已被许多公交机构广泛采用，它利用全球定位系统（GPS）实时自动确定并传输车辆的地理位置。这一技术进步为公交机构提供了一种有效的方式来跟踪公交车辆。借助AVL系统，我们可以获取大量关于车辆行驶的实时信息，这些信息可用于出行时间预测。

人工智能（AI），特别是机器学习技术，可以为解决这一问题提供方案。利用机器学习技术，我们可以基于AVL系统收集的历史车辆行驶数据构建预测模型，然后将最新数据输入模型进行预测。本文提出了一种基于AI的方法来解决实时公交出行时间预测问题，该方法是一个端到端的解决方案，包括实时数据检索与解析、GPS数据地图匹配和出行时间预测，可用于提供实时公交到达时间和延误信息的系统。

2. 研究挑战

准确实时地预测公交出行时间是一项极具挑战性的任务，主要面临以下几个方面的挑战：
- 随机变量影响 ：交通系统具有随机性，许多变量会影响出行时间。例如，交通状况不断变化导致行驶速度随时间波动；车辆故障或重大交通事故可能阻塞道路，造成上游路段拥堵；交通信号配置不当会影响交通流量，导致路口延误；恶劣天气也会增加出行时间。
- 停留时间不确定 ：停留时间取决于出行需求，也会影响出行时间。音乐会、体育赛事等活动导致的出行需求意外激增，会大幅增加停留时间，导致延误。公交站点乘客到达的随机性也使预测更加困难。
- 实时预测要求高 ：为了提供及时的公交到达信息，需要进行实时预测。这意味着需要在短时间内检索、处理实时数据，并将其输入预测模型，以快速响应新情