外文翻译乘客参与感知的固定路线公交信息系统.docx

外文翻译乘客参与感知的固定路线公交信息系统.docx

《外文翻译乘客参与感知的固定路线公交信息系统.docx》由会员分享，可在线阅读，更多相关《外文翻译乘客参与感知的固定路线公交信息系统.docx（20页珍藏版）》请在冰豆网上搜索。

外文翻译乘客参与感知的固定路线公交信息系统

中文4580字

毕业设计

译文及原稿

译文题目乘客参与感知的固定路线公交信息系统

原稿题目HumanParticipatorySensinginFixed

RouteBusInformationSystem

原稿出处Nets4Cars/Nets4Trains,2012,（7266）:

113-123

乘客参与感知的固定路线公交信息系统

摘要：

在城市地区，大多数人口流动依赖于固定路线的公共汽车。

然而，在大多数的发展中国家和不发达国家，公交到达的实时时间信息仍然不可被乘客获知。

这主要是由于现有的解决方案如全球定位系统（GPS）和射频识别系统（RFID）在基础设施的安装和维护中出现了困难。

在本文中,我们提出一个乘客参与的公交位置信息系统，它依赖于无处不在的移动手机以及乘客参与的取巧方式。

我们进一步提出一种算法来估计公交车到达路线上不同站点的时间。

站点和到达时间的信息将提供给乘客,或者以提示音的方式回答乘客的疑问。

我们相信,该系统可以通过给乘客提供合适的激励来实现自我的可持续运作，这种激励可以替代公交定位。

而提供实时公交信息给乘客本身就是一个重要的激励。

1.介绍

道路交通在大多数城市在本质上车辆的数量是非常动态的增加,不同的天气条件,一天的旅行时间和事件在路上都对其产生影响。

尽管预定起止时间是固定的,但有大量路线后续站点的到达时间是不确定的。

这种不确定性影响交通便利和旅行体验，以及通勤者对公共交通系统的依赖。

因此有需要一个系统,该系统提供:

（a）固定班车旅行的路线和定位信息。

（b）乘客选定公交站的公交到达预期时间。

大部分的现有方法是基于安装全球定位系统（GPS）和无线通信设备在公共汽车上以跟踪瞬时车辆位置。

除了巨大的安装车载GPS系统的成本,启用GPS手持设备还需要更多的资金消耗。

此外,启用GPS设备后，由于缺乏可见性GPS卫星可能导致不准确的读数,因此他们可能需要复杂的算法来估计到达时间。

由于这些缺点,大部分的基于GPS的方法尚未部署在发展中国家和不发达国家的城市中。

其他现有方法：

基于部署无线射频识别（RFID），以在公交车上布置无线收发和在公交车站布置有源RFID标签的方式跟踪固定路线的公交车。

系统有助于确定公共汽车在一个特定的车站的到达时间，以及在一个相同的中央服务器进行通信。

因为由于巨大的基础设施成本和信息交互错误带来的损失这个系统并没有广泛部署。

它还要求系统定期保养，提供所有公交车站RFID有源标签的持续电力。

最近,快速反应（QR）代码被使用在巴黎和东京市中心公交车站，以向乘客提供到达时间的信息。

每一个汽车站分配了一个独特的二维码,通过智能手机可以扫描获取随后在本站停止的公交车的信息。

因此这个系统是一个具有成本效益的替代解决方案来取代在公交站台显示信息。

最近的文献里，乘客参与式感知已经使用在不同关于城市感知的应用程序中例如城市规划、市场价格信息、健康和环境指数等。

在这里,我们探讨在任何发展国家的大城市中无处不在的手机应用程序将提供固定路线公交车的到站时间信息。

在这篇文章中,我们设想在同一公交车上使用手机应用程序的参与乘客的帮助下更新公交定位信息。

这的确是一个基于手机的乘客参与的信息传递，乘客用自己的感官来观察物理现象以及使用移动应用这种相同的通信方式。

在城市公交系统中，这种分布式和人为参与定位的方法来实现实时更新动态数据库。

这种动态数据库包含公共汽车在每个站台的位置信息，这是进一步利用它给公共汽车行驶提供协调，而它的到达时间信息在将会在一个特定的汽车站回应查询手机或web控制台。

本文的主要的贡献，是提出了一种乘客参与式感知的新式实时公交系统框架。

我们也提出一个公交车到达时间的估计算法，从获得的数据提出乘客参与式感知的框架。

2.乘客参与式感知的动态公交车到达时间的信息系统的基础框架

基于与现有基础设施的条件,我们提出利用现有资源：

乘客乘坐在公共汽车上。

我们把乘客的手机作为移动传感器节点。

在本文中,我们利用乘客参与感知的力量获取的公共汽车在城市中行驶的状态。

基于乘客参与公共汽车到达时间信息系统的原理如图1所示。

为了不损失普遍性,我们选择了Android平台的手机应用程序,以一种用户友好的方式促进巴士上的人来更新当前位置。

这种提示可以在乘坐开始时完成,然后乘客从列表中选择当前的公交车站以及所要到达的一个特定的下车车站。

这种公共汽车动态的位置信息的更新在发展中国家通常可以使用GPRS移动服务提供商提供的服务。

进一步指出,虽然应用为安卓移动平台开发的,它同样也可以发展在任何低端手机中使之有相同的特性。

图1.乘客参与感知的公交车信息系统

在第三节我们提出了公交车到达时间的估计算法,计算到达时间或更新位置,随后存储在数据库中。

移动　　手机应用程序还允许用户在任何后路径上的车站等候公共汽车时，获得行驶中公交车的状态及其估计的到达时间。

在图1中,一位距离B7站台很近的人发现公共汽车从所需的位置到目的地。

基于过去的统计数据,当前运行的条件，当前的公共汽车位置和最后一次提供信息的手机信号,公交车到达的顺序以及它们的估计到站时间和将被估算（图2）。

考虑到乘客的错误,即使公共汽车的位置信号停滞或被错过了,公共汽车到达时间的信息还可通过系统工程中可用的有限数据来获取公共汽车到达时间的估计信息，还有就是何时何地它最后被看到。

如图3所示,应用程序还允许用户使用基于谷歌地图应用程序编程接口的web应用程序实时监控公交车在任何公共汽车站的达的时间信息。

用户坐在办公室或家里,可以进入公共汽车系统查看数量和期望乘行的方向。

触发地图后，显示出当前位置所有的公共汽车所可选择的路线。

在选择所需的站点,估计到达时间和最近的定位信息后，公共汽车信息被显示，这会显著减少乘客的焦虑和等待时间。

图2.公交信息的查询和更新的手机应用程序

在一个城市,由于许多现实条件，公共汽车乘坐时间有很大的变化,它成为乘客乘坐一辆公交车最重视的信息。

因此用户在乘坐一辆巴士时也可以通过移动端查询信息源的公共汽车的预期到站时间。

在本文中,我们假设至少有一个人在公共汽车上或公共汽车在公交站来观察以更新定位信息。

用户友好的方式更新公交信息,这个任务也可以通过公交乘务员或发起乘客的志愿活动来实行。

该方法克服了现有的方法的缺点,使可利用资源的使用更有效。

它不需要任何额外的基础设施的部署，也不会增加维护成本。

图三.实时公交更新Web控制台

因为拟议的架构是基于乘客参与提出的，所以需要一个合适的激励机制设计。

这个主题超出了范围。

然而,我们认为,在一个发展中国家的城市中无偿提实时到站信息本身就是一个很好的激励。

3.到达时间的估计算法

在第二节中,乘客参与式公交信息系统的提出使本地公交车在任何公交路线的公共汽车站的到站时间可能成为可预知的。

在本节中,我们提出一个公共汽车到站时间的估计算法以方便乘客在任何想要知道到达时间时得知信息。

该算法不仅依赖于公共汽车到来的历史信息,而且还在与其当前的运行状态有关。

测试时间被定在孟买的一个特定的路线公共汽车上（参考第四节实验装置），对不同起始时间的测试，如图4所示。

正如图中所看到的,公交车不同交通状况，不同时间在同一路线的乘行有很高的方差。

然而,在本文之后的一个工作日,我们观察到在同一时间段,对于一个给定的季节,乘客们有着同样的乘行的模式。

这激励我们去得到一个在不同段时间段内单独的到站估计时间。

我们考虑车站固定数值为M的公共汽车路线b有着序列数m∈{1,2...m}。

任何两个抽样的连续的乘坐时间在同一天内的不同时间段。

这需要把一天二十四小时分N个离散时间份数，其时段指数n∈{0,1...n−1}。

如果一个时间段持续时间是一个小时，那么N=24，n∈{0,1...23}对应时段分别为{（00:

00）−（00:

59）,（1:

00）−（1:

59）...（23:

00）−（23:

59）},。

我站点序列i和j是相邻站点即j=i+1，则

为在时间段n（起始为i站）中公交车从b路线的i站行驶到j站所用的时间。

对每条路线b，算法需要一个小型数据库使

=（M−1）*N其中m∈{1,2...M−1}和n∈{0,1...n−1}。

图四.同一路线不同起始时段乘坐公共汽车到达不同站点的时间花费

我们现在对于特定路线初始化算法并且更新

。

的初始值意味着路线b上公交车从i站行驶到j站的时间。

需要注意的是在本文的后续部分,为简便起见我们把指数b简化为公交站数而不是公交站的序列。

为实际到达i站的时间，

为i站到j站所需的时间，时间指数为n时从i站出发，则：

（1）

当

已知，可将公式改写成公式

（2）

（2）

当α<1，其表达的是之前的估计到达时间，而（1-α）联系着当前的乘坐时间。

如果α很大那么历史成分将比当前动态交通状况影响要大。

这时对方程

（2）影响很大。

一旦公共汽车穿过一个特定的路径，乘坐时间的估计更新不仅基于过去的统计数据也基于当前路况，天气，道路条件和所有其他参数。

我们通过考虑统计数据以及动态条件以此得到更准确的估计在一个特定的车站的公共汽车到达时间。

理想情况下,每条路线b,一旦产生新的

我们可以计算相应得到

，因此相应的

被更新。

然而,基于动态交通的模式和计算能力，更新

可以考虑分为每小时、每天或每周更新。

的数据库包含城市中每个公交路线的N∗（M−1）即

。

如果在一个城市有大约300条路线其中平均站台数M=30，然后鉴于N=24，我们用2字节来存储时间指数，所以

大小约432KB或0.43MB。

这个微小的数据库也可以轻松被移动终端下载,并可以进一步频繁的定期更新服务器。

一旦

数据库已经更新,预计到站时间v（

）,当公交车上一次出现在u站的时间为

则可以使用下面的递归算法进行计算。

在这里,fs（t）是一个函数,用于确定指数n基于时间的输入时间参数t。

例如,N=24时间段指数N∈{0,1...N−1}分别对应时段{（00:

00）−（00:

59）,（1:

00）−1:

59）...（23:

00）−（23:

59）}。

在这种情况下,如果t=1:

15,那么函数fs（t）将导致时段指数fs（t）=1。

估计到达站点v的时间

可以传达到个人移动终端或web应用程序以用于查询。

4.实验结果

在本节中,我们首先描述公交到站信息系统中乘客参与的实验装置。

实验在在孟买的城市里开展，公交路线从Mulund公交站到AgarkarChowkAndheri（AS422UP）以及返回时候从AgarkarChowkAndheri回到Mulund公交站（AS422Down）。

在每一个方向,公共汽车行驶约17公里,覆盖25个站点。

在这个实验中,我们的团队成员执行使用手机应用程序上传公共汽车站到站时间信息的任务。

二十个成员乘坐在选定的路线上。

为了不损失普遍性,这个实验在工作日和几个选定的时段的高峰时间也进行了测试。

我们计算错误的两个站点之间的乘行时间路线和相应的均方根误差。

在接下来的结果中,平均均方根误差已经平均到整个路线的25个站点。

针对特定的时间段和特定的路线,当公共汽车到达站点j是使用乘客参与的手机应用程序的方式来估计

时，我们可以通过方程

（2）来计算它。

对于路线AS422-Down，公交车从初始站点在10am-11am内,均方根误差对α的影响如图5所示。

在这种情况下,可以选择最小化RMSE，此时α=0.6。

图五.特定路线和时段的α值

同样的设置,有关实验成员的均方根误差如图6所示。

在一个特定时间段的观察,，增加实验数量，RMSE呈现出减少的趋势。

图7显示了RMSE进行考虑后公共汽车路线和时段:

（a）AS422Down在10am到11am（单个时间段）

（b）AS422Down在10am到11am为“非高峰”,6pm到9pm之间为“高峰”（多个时段）

（c）AS422UP在4pm-8pm（多个时段）。

对于这些数据,我们观察到一个时间段的RMSE显著优于多个时段。

通过考虑两个峰值和非高峰场景RMSE进一步降低。

这又强调了基于小段时间合估计的更新算法的重要性。

图6.α=6的研究

图7.不同的路线和不同的时间段时α的均方根误差

5.总结和未来工作

我们已经开发出一种乘客参与的手机应用程序，使用它，乘客可以更新公交的实时到站信息。

基于分割一天中时段的方式，到站时间的估计算法已经被提出。

为了使公共交通工具的乘行更为舒适,该系统在手机或web上提供了到站时间的估计查询。

为了了解系统的性能，我们进行了分析试验，对孟买的城市公共交通系统进行了测试分析。

未来的工作是继续研究系统的数据采集以及使这个系统能够处理来自多个用户的数据。

我们还设想开发一个使用手机以高效节能的方式采集GPS坐标的系统。