面向公交行程时间预测的计算机视觉方法：一种利用路边城市图像的端到端框架

准确的行程时间估计对于向公交用户提供可靠时刻表和可信实时信息至关重要。本文首次利用路边城市图像进行直接的公交行程时间预测。我们提出并评估了一个端到端框架，该框架集成了传统公交数据源与路边摄像头，用于自动获取路边图像数据、标注以及模型训练，以预测感兴趣路段的公交行程时间。首先，我们展示了如何利用 GTFS 实时数据作为监控感兴趣路段的路边摄像头单元的高效激活机制。其次，利用 AVL 数据，根据图像采集时摄像头监控路段上观测到的公交行程时间百分位数，为所获取的图像生成真实标签。最后，利用生成的标注图像数据集训练并全面评估一个 Vision Transformer (ViT) 模型，以预测离散的公交行程时间范围（区间）。结果表明，ViT 模型能够学习最有助于推断期望行程时间范围的图像特征与内容，平均验证准确率在 80%–85% 之间。我们评估了 ViT 模型预测的可解释性，并展示了这种离散行程时间区间预测如何随后改善连续的公交行程时间估计。本研究提出的工作流与结果提供了一种端到端、可扩展、自动化且高效的途径，用于整合传统公交数据源与路边图像以改善公交行程时长的估计。该工作也展示了融合来自计算机视觉源的实时信息的价值，这类信息正变得日益可及，并可能对改善运营与乘客实时信息产生重大影响。