1.一種預(yù)測公交車到站時(shí)間的方法，其特征在于，包括：
S1、采集一定時(shí)間內(nèi)的公交車數(shù)據(jù)以及公交線路數(shù)據(jù)，基于空間插值法，獲得公交車在各數(shù)據(jù)點(diǎn)的時(shí)距數(shù)據(jù)對(duì)；
S2、基于所述時(shí)距數(shù)據(jù)對(duì)，獲得公交車運(yùn)營序列；
S3、將所述公交車運(yùn)營序列輸入至LSTM遞歸神經(jīng)網(wǎng)絡(luò)，獲得公交車到站時(shí)間預(yù)測模型；以及
S4、對(duì)所述公交車到站時(shí)間預(yù)測模型基于鏈?zhǔn)筋A(yù)測法，獲得預(yù)測的公交車到站時(shí)間。
2.如權(quán)利要求1所述的預(yù)測公交車到站時(shí)間的方法，其特征在于，所述公交車數(shù)據(jù)包括：公交車編號(hào)、公交車所屬線路的線路編號(hào)、公交車的地理位置數(shù)據(jù)、公交車的地理位置數(shù)據(jù)的采集時(shí)間、運(yùn)營次數(shù)以及上下行方向；
所述公交線路數(shù)據(jù)包括：公交線路的線路編號(hào)、線路中各站點(diǎn)編號(hào)、各站點(diǎn)的地理位置數(shù)據(jù)、各路口的地理位置信息以及上下行方向。
3.如權(quán)利要求2所述的預(yù)測公交車到站時(shí)間的方法，其特征在于，所述步驟S1包括：
S1.1、采集一定時(shí)間內(nèi)的公交車數(shù)據(jù)以及公交線路數(shù)據(jù)，獲得對(duì)應(yīng)不同線路、不同運(yùn)營次數(shù)的公交車的歷史時(shí)距數(shù)據(jù)信息，所述歷史時(shí)距數(shù)據(jù)信息包括所述線路的首站點(diǎn)和末站點(diǎn)的地理位置數(shù)據(jù)、線路總距離和總到站時(shí)間；以及
S1.2、基于所述歷史時(shí)距數(shù)據(jù)信息，通過空間插值法，獲得各數(shù)據(jù)點(diǎn)的積累距離；以及
S1.3、對(duì)各數(shù)據(jù)點(diǎn)的積累距離，基于線性回歸算法獲得公交車到達(dá)除首站點(diǎn)外的到站時(shí)間，將所述積累距離和對(duì)應(yīng)的到站時(shí)間作為公交車到達(dá)該數(shù)據(jù)點(diǎn)時(shí)的時(shí)距數(shù)據(jù)對(duì)。
4.如權(quán)利要求3所述的預(yù)測公交車到站時(shí)間的方法，其特征在于，所述步驟S2包括：
S2.1、將公交車到達(dá)各數(shù)據(jù)點(diǎn)時(shí)的時(shí)距數(shù)據(jù)對(duì)、當(dāng)前數(shù)據(jù)點(diǎn)與下一數(shù)據(jù)點(diǎn)的間距、共享同一個(gè)站點(diǎn)的線路總數(shù)以及數(shù)據(jù)標(biāo)識(shí)符作為特征向量，構(gòu)成對(duì)應(yīng)各數(shù)據(jù)點(diǎn)的公交車運(yùn)營特征向量；
S2.2、對(duì)所述公交車運(yùn)營特征向量中除數(shù)據(jù)標(biāo)識(shí)符外的各特征向量依次進(jìn)行歸一化處理和去均值處理，獲得所述公交車運(yùn)營序列。
5.如權(quán)利要求4所述的預(yù)測公交車到站時(shí)間的方法，其特征在于，所述步驟S3包括：
S3.1、對(duì)每一批數(shù)據(jù)，在公交車到達(dá)每一個(gè)數(shù)據(jù)點(diǎn)的時(shí)刻向LSTM遞歸神經(jīng)網(wǎng)絡(luò)輸入該批數(shù)據(jù)對(duì)應(yīng)的公交運(yùn)營序列，經(jīng)前向傳播，所述LSTM遞歸神經(jīng)網(wǎng)絡(luò)存儲(chǔ)交通狀態(tài)，并輸出網(wǎng)絡(luò)輸出值；以及
S3.3、比較所述網(wǎng)絡(luò)輸出值和此時(shí)刻的目標(biāo)輸出值，獲得均方誤差，同時(shí)使用時(shí)間展開的后向傳播計(jì)算并傳遞殘差，對(duì)所有批的數(shù)據(jù)完成一次前向和后向傳播的過程稱為一次迭代，經(jīng)多次迭代，獲得所述公交車到站時(shí)間預(yù)測模型。
6.如權(quán)利要求5所述的預(yù)測公交車到站時(shí)間的方法，其特征在于，所述步驟S3.1前還包括：
基于所述公交車運(yùn)營特征向量的維度，對(duì)所述公交車運(yùn)營序列進(jìn)行分批，獲得若干批數(shù)據(jù)。
7.如權(quán)利要求5所述的預(yù)測公交車到站時(shí)間的方法，其特征在于，所述步驟S3.2還包括：基于隨機(jī)梯度下降法，對(duì)LSTM遞歸神經(jīng)網(wǎng)絡(luò)中的權(quán)值和偏置進(jìn)行更新。
8.如權(quán)利要求5所述的預(yù)測公交車到站時(shí)間的方法，其特征在于，所述步驟S4包括：
S4.1、將公交車的當(dāng)前位置到預(yù)測位置之間的其他數(shù)據(jù)點(diǎn)作為輔助點(diǎn)；
S4.2、向所述公交車到站時(shí)間預(yù)測模型輸入基于當(dāng)前位置計(jì)算的公交車運(yùn)營特征向量，經(jīng)前向傳播獲得公交車運(yùn)行至第一個(gè)輔助點(diǎn)的預(yù)測的到站時(shí)間；
S4.3、將所述預(yù)測的到站時(shí)間將作為下一輔助點(diǎn)對(duì)應(yīng)的到站時(shí)間，結(jié)合其余特征向量，構(gòu)成下一輔助點(diǎn)的公交車運(yùn)營特征向量，重復(fù)步驟S4.2，直至獲得預(yù)測位置的網(wǎng)絡(luò)輸出值；以及
S4.4、對(duì)所述步驟S4.3的網(wǎng)絡(luò)輸出值進(jìn)行反去均值和反歸一化處理，獲得預(yù)測的公交車到站時(shí)間。
9.如權(quán)利要求3-8任意一項(xiàng)所述的預(yù)測公交車到站時(shí)間的方法，其特征在于，所述數(shù)據(jù)點(diǎn)包括站點(diǎn)、采樣點(diǎn)以及公交車的地理位置數(shù)據(jù)；
其中，線路自首站點(diǎn)起，每100m設(shè)置一個(gè)所述采樣點(diǎn)。