公交車運營大間隔與串車的預警系統算法分析與應用

孫 健 索春婷

（南京公共交通(集團)有限公司，南京 210037）

引言

隨著城市綜合管理要求的提升，面對區域內車輛擁堵以及帶來的污染等問題。“綠色出行”的城市治理理念在各個城市穩步推進[1]。這其中，公共交通出行作為城市交通全局性和基礎性的支撐平臺，要充分發揮城市公共交通運量大、效率高的優勢，積極探索解決大城市病的舉措。

隨著物聯網和大數據等技術的應用，南京公交集團為城市解決擁堵問題提供一套解決方案。對于公交運營系統而言，面臨著諸如客流擁堵站臺未及時疏導、區域內的發車頻率和調整計劃不匹配（串車）以及運行車輛間隔過大導致的乘客乘車體驗不佳等復雜問題。因此，如何正確識別公交車發車大間隔導致的運能不足以及同區域內的串車帶來的運能過剩，是提升公交運營效能的最大突破口。解決方案以最大化的載客量為核心考慮標準，以降低公交企業的運營成本、緩解客流擁擠狀況為設計目標，從而實現改善城市交通環境的目的。

從城市公交體系的系統設計來看，基于大數據的智慧公交調度系統[2]主要涉及公交數據采集與預處理、信息處理與分析和告警信息發布和展示三個方面。基于這三個方面，逐步設計與實施基于大數據平臺的智慧公交大屏調度系統的公交串車告警、大間隔告警等車輛異常運行狀態告警。

1 設計思路

在“互聯網+”的發展趨勢下，城市公共交通的研究和應用已成為智慧城市建設中的重點一環。基于公交內部系統的智慧公交大屏建設，有助于最大限度地幫助公交工作人員全方位監測城市道路上車輛運行情況，也能及時調整線路信息來提升城市居民的出行效率。通過公交企業大數據系統的支撐，將城市公交歷史數據與實時數據進行比對，構建一個多方位數據采集、處理和告警的智慧公交大屏系統。

考慮到公交車輛運行和調度最優化的情形下，必須最大化地發揮公共交通對于緩解城市交通壓力的作用，因此需要避免大幅提高公交企業的運營成本，同時盡可能多地減少乘客等車成本。因此本方案主要從道路交通擁堵和車輛調度不及時兩個角度，對城市交通系統的調度進行處理和分析。

本方案的總體設計思路就是利用現有公交線路數據，結合地圖GIS數據收集和綁定，在實時車輛GPS數據的基礎上監測和定位城市實時擁堵路況，利用大數據平臺的優勢，實時分析公交車在各峰段內的客流分布，通過警告列表的方式反饋到智慧公交大屏。

2 數據采集和預處理

對于實時交通數據監測，已有的路況信息采集技術主要包括波頻檢測、磁頻檢測、視頻檢測，以及基于GPS數據的擁堵檢測[3]。其中，采用GPS實時位置的方式是檢測區域內實時交通狀態檢測的研究熱點，本方案的數據也是以此作為車輛分析數據的主要來源。

地理空間范圍以城市道路交通網絡中的基本路段為最小單元，主要涉及城市街道路段、鼠標框選區、指定行政區劃以及跨區劃的熱點區域等。如圖1所示，線路、車輛數據源均統計采集到中央服務器，供后續算法使用。

采集數據分為靜態數據和動態數據（圖1），其中靜態數據主要包括線路信息（圖2）、站臺信息、線路站臺信息和線路軌跡列表、峰段列表、各線路平均發車間隔、各線路各峰段的平均速度等。考慮到靜態信息主要來源于公交企業內部的線路規劃和定時更新數據，一般來說采集到的數據不需要進行數據清洗，在使用前對數據的可靠性作驗證即可。

動態數據主要包括車輛實時位置信息（圖3）以及各線路方向上車輛的排列集合。這些動態數據主要通過車載傳感器和通信網絡中繼傳輸并存儲到服務器數據庫。對于采集到的車輛GPS數據，需要預先剔除原始GPS中的無效數據，并且對缺失的數據進行修復，以保證GPS數據的合理性，同時需要比對已有的線路軌跡數據，再一次剔除偏差很大的GPS運行數據信息。在篩選得到的可用車輛GPS數據后，還需要平均分攤存儲到各線路各個方向上的緩存隊列中，為后面的串車分析和大間隔分析提供數據準備。基于以上數據，在充分考慮已有公交調度最優方案的基礎上實施數據監測，從而建立公交車發車和運行常態化的工作模型。

3 算法功能描述

3.1 串車告警算法描述

公交車輛運行過程中的突發影響因素很多，同時受到交通路況復雜因素疊加的影響，帶來公交車到站延誤、紅綠燈路口停留過久等問題，導致公交車輛出現串車現象（2輛或2輛以上公交車排隊進站的異常運營現象），是公交運行不可靠的主要表現。如何減少公交串車現象，提升公共交通的運行可靠性，已有研究的控制策略主要包括靜態控制和實時控制兩種方式[4]。通過快速識別擁堵路段以及比對實時路況并發回串車告警信息，再顯示到智慧公交調度中心大屏上，就成為研究的重點工作。及時的運營車輛串車告警不僅有助于調度中心及時調整路線的發車計劃，還能規避擁堵造成的車輛利用率下降等問題。

我們充分考慮了公交調度優化工作過程中，將道路實時路況作為主要判斷對象的方法，結合車輛本身的車況信息以及反饋的數據實現優化運營和監管。另一方面，從道路交通的基本要素角度出發，從季節、節日因素、各峰段內人流量等方面對其進行觀測和數據獲取。

具體的串車告警算法描述流程如圖4所示。算法設計如下：

Step1由上一次的串車集合全局緩存，獲取上一次的全量串車集合（N）；

Step2獲取預處理數據，得到本次串車的集合（N+1）；

Step3分析兩次串車數據，依次比對每個線路各方向上的串車數據：

if 前一次串車存在，本次串車不存在 then

do 存入間斷串車集合；

if 前后兩次串車都存在，且產生位移 then

do 更新實時串車集合；

else

跳過（無位移車輛）；

end if

Step4獲取間斷串車緩存，分析數據并判斷：

if 在三分鐘內，間斷串車統計大于三次 then

do 存入間斷串車告警隊列；

end if

Step5獲取本次串車，得到持續串車緩存，分析并判斷：

if 必須持續串車，且串車距離大于1000米then

do 存入持續串車告警隊列；

end if

Step6持續告警和間斷告警入庫。

在上述串車告警算法中，主要針對需要動態調整發車間隔的動態調整路況。在滿足了算法所涉及的判斷條件基礎上，智慧公交調度系統的串車告警模塊將及時分析得出告警數據，并寫入數據庫，最后推送到前端的監控大屏。考慮到節假日和上下班高峰期的激增客流，我們也在內部的預測算法中加入了不同時間段的權重值，保證得到的數據能準確反映當前的真實客流情況。

3.2 大間隔告警算法描述

在智慧公交調度中心系統中，需要依據實時車輛運行數據，對車輛運行實現實時監測，并配合調度員做好調整調配計劃，從而維護城市交通的基礎運維。基于此目的，在城市物聯網平臺實時路況監測的機制下，利用公交企業內部車輛運行大數據平臺的優勢，并結合道路在熱點區域內的車況給出綜合判定。

之前的車輛調度模型大多是從理想狀況出發，假定車輛從發車開始保持勻速行駛狀態，同時每個站點的客流量均勻分布、站臺上下客所花費時間大致相同。但是這些模型不能精確反映公交車在實際運行時所遇到的復雜多變環境。比如車輛的臨時故障、前方道路車輛事故引起的堵塞、上下班客流激增帶來的某些站臺人流量過多等情況，給公交調度人員及時調整帶來很多“盲目性”。這其中公交車輛大間隔問題導致的人等車問題[5]，會降低公交車的運營效率，造成載客不均、空車行駛等問題，另外疊加的人流也會導致下一班車運行時間相應延長的問題。因此，及時發出大間隔實時預警，并將告警數據反饋回智慧大屏控制中心，對方便調度人員動態安排發車計劃具有實際意義。

具體的大間隔告警算法描述流程如圖5所示。算法設計如下：

Step2獲取各線路之前的統計平均發車間隔；

Step3遍歷各線路方向上的車輛列表：

if 當前車輛的實際發車間隔 ＞ 統計平均發車間隔時間*2.5倍 then

do 將車輛及線路信息加入發車大間隔告警緩存；

end if

Step4獲取各線路各峰段的平均速度；

1.6 療效判定和評價方法 患者使用靜脈留針的有效期限內(一般留置時間為72～96 h)，出現體溫升高發熱，不能用患者自身疾病解釋，患者入院時血象正常，拔除靜脈留置針后體溫恢復正常為出現CRBSI；反之為正常。

Step5獲取各線路方向上車輛按距離排序的集合；

Step6遍歷各線路方向上的車輛列表：

if 同向車輛列表上兩車的距離 ＞ 車輛平均速度*平均發車間隔*2.5倍 then

do 將車輛及線路信息加入運行大間隔告警緩存；

end if

Step7將發車大間隔告警和運行大間隔告警存入數據庫。

在大間隔告警算法設計過程中，主要依據的是上月統計的平均發車時間和發車間隔數據，這些數據也會隨著季節和時間的不同呈現動態變化，因此對于其中判斷大間隔的倍數問題（以上算法中取的是2.5倍），需要根據本月對比上月客流預測值的關系進行及時調整。甚至還可以對一天內不同峰段的倍數做出動態賦值，以保證本算法得到大間隔數據的可靠性。

3.3 車輛異常告警描述

對于城市公共交通系統來說，車輛遠程管理系統對公交車輛的管理與調度非常有效。早期的系統大多基于車載嵌入式終端服務器架構進行一些改進，有的系統可以通過搭載車載嵌入式終端采集車輛速度、GPS位置信息，最后對車輛的行駛狀態完成數據分析[6]，有的系統通過自適應的方式對車流量告警信息進行預警[7]，以上數據基本上可以滿足在公交車行駛中一般車輛數據采集的需求，但這還遠遠不夠。

在車輛異常告警算法的設計過程中，還需要結合公交企業的大數據平臺和城市的天眼系統，來進一步監視車輛運行途中的情況，包括車輛自身情況、車輛外環境的全方位情況，公交車輛上安裝的攝像頭也能為調度中心工作人員提供良好的實時畫面，從而可以多維度展示當前車輛的具體車況。但是不能只通過人工去點擊查看，還應借助公交車輛異常告警算法，及時準確地將實時異常車輛數據展示到異常列表中。

車輛運行異常一般包括車輛自身故障、車輛被動發送數據異常等。對于車輛調度中心而言，主要是監控車輛被動的數據異常，包括超速、滯站、過站不停等。

為了獲取公交車輛的異常告警數據，設計了如下的車輛異常告警流程（圖6）。

Step1從數據采集和預處理中，獲取車輛實時位置集合；

Step2遍歷車輛：

if 車輛運行位移 ＜ 10 米 and 間隔時間 ＞ 10 分鐘 then

do 將車輛加入異常告警緩存；

end if

Step3車輛異常告警數據存入數據庫。

考慮到車輛在路上遇到的突發情況多種多樣，在本算法設計思路中，只是單獨列舉了一項異常指標展示。在實際的調度中心監測過程中，還需要根據當前實時需要，及時添加多種車輛異常告警類型，比如超載、超速、車輛自身故障等。

4 功能實現

以上關于公交運行數據收集、串車告警、大間隔告警、車輛異常告警的算法功能，在南京公交指揮控制中心的大屏展示與預警系統中得到了較好的應用和展示。

我們選取了一天中較繁忙的下班高峰段（16:00-18:00），篩選了重點路段和下班高峰的熱點區域，驗證得到串車告警和大間隔告警數據與實際路況基本相符。

5 結語

城市公交系統作為城市運輸的毛細血管，為城市的運作提供了良好的服務支撐。優先發展公共交通也是每個城市提高自身服務水平、緩解大城市病的重要抓手。現實中的公交系統中，存在著車廂內擁擠、車輛超速、乘客候車時間過長等問題。為了解決上述問題，城市公交系統的工作人員積極改進工作方式，并針對公交運行和調度中遇到的常見問題，花費大量的時間和心血積極改進工作方法。

本方案就是針對上述問題所采取的技術手段，利用公交企業內部大數據，在城市天眼系統的輔助下，設計和實施了交車輛串車告警和大間隔告警的算法。在我們的設計思路中，充分考慮了系統的可靠性和消息及時性要求，驗證表明該算法具有一定的實用價值，對于提高公交系統在城市交通運輸中的獨特地位，有很大的輔助和指導意義。接下來，我們會繼續在城市智慧公交調度中心基礎上，進一步改進算法，為提升城市公共交通運載能力、緩解城區擁堵作出更多有益的嘗試。