[發明專利]預測鏈路上的未來的移動時間的方法

在審

• 申請號: 201380059837.7
• 申請日: 2013-10-10
• 公開（公告）號: CN104781863A
• 公開（公告）日: 2015-07-15
• 發明（設計）人: 丹尼爾·尼科夫斯基
• 申請（專利權）人: 三菱電機株式會社
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 呂俊剛;劉久亮

技術領域

本發明涉及預測移動時間，更具體地，涉及基于所收集的移動時間的季節變化的歷史數據來預測車輛的移動時間。

背景技術

諸如汽車導航、車隊管理、配送和其它物流運輸操作的調度的許多運輸問題取決于運輸網絡中的所有鏈路(link)(例如，道路)的準確移動時間估值的可用性。如果假定了自由流動交通狀況，則能夠容易地將任何鏈路的移動時間估算為鏈路的長度和車輛的速度的比率。

然而，在許多區域中，由于擁擠尤其在高峰時間或交通擁擠時間期間常常未能觀測到自由流動交通狀況。結果，在自由流動狀況下使用移動時間估值的路徑選擇(routing)引導系統一貫地將車輛導向交通堵塞，從而使交通狀況進一步惡化。

較近期的車輛路徑選擇系統(諸如日本車輛信息和通信系統(VICS)與歐洲無線電數據系統(RDS)交通消息通道(TMC))將鏈路上的最近的移動時間用作該鏈路上的未來的移動時間的估值。

然而，在動態運輸網絡中，移動時間尤其在高峰時間開始時迅速地改變。因此，尤其對于由車輛到目的地最后(在一些情況下在規劃了路線之后數小時)行經(traverse)的鏈路和其發起的行車(traversal)，估值迅速地變得過時且無關。使用這些估值，盡管比在自由流動狀況下的那些估值更準確，但是尤其對于在高峰時間期間發生的較長路線，導致仍然離最佳很遠的路線選擇。

這些路線的示例包括由作為路線引導系統的最重要用戶中的一些用戶并且嚴重依靠在盡可能避免交通堵塞的同時找到最佳上下班路線的通勤者所進行的早晨和傍晚出行。

對于這種路線引導，路徑選擇系統將受益于在不久的將來能夠始終預測移動時間達數小時的方法。該問題被稱為短期移動時間預測。

已知兩種基本方法。第一種方法來自物理模擬觀點，其中使用物理上現實的模擬器來模擬整個運輸網絡或者其單獨的鏈路，并且移動時間作為模擬的副產品被獲得。雖然該方法可能非常準確，但是卻很少實行，因為必須準確地校準模擬模型，并且還必須提供諸如進出網絡的交通流量的輸入條件。在實踐中，校準是困難且艱巨的過程，并且未來的交通流量及操作條件通常是未知的。

第二種方法是完全數據驅動的機器學習方法，其中維護了歷史移動時間數據，并且預測模型適合于該數據，對未來的移動時間與當前和過去的移動時間的依存關系進行建模。

還已使用了諸如線性回歸、神經網絡、狀態空間模型等的各種回歸技術，在合理準確度情況下預測未來的移動時間達未來的數小時方面更成功。

數據驅動方法可能是非常實用的，因為它使用已經由當前的移動時間測量系統(諸如VISC和RDS-TMC)收集的數據。然而，現有技術的純數據驅動預測方法可能容易地違犯移動時間的重要物理特性，特別是先進先出(FIFO)特性。該特性是道路鏈路的排隊性質的結果。晚于另一車輛進入鏈路的車輛很可能在該另一車輛之后離開該鏈路。如果該鏈路一次僅容許一輛車，并且不容許超車(passing)，則該特性嚴格為真(true)。這對于多車道道路也可能為真，其中，在高峰時間期間，后面的車輛難以通過堵塞的交通前進。因此，對于一般的鏈路，這在移動時間的預期方面為真。

如果τ(t₁)是在時間t₁進入鏈路的車輛的預期移動時間，并且τ(t₂)是在時間t₂進入鏈路的車輛的預期移動時間，使得t₂>t₁，則即使τ(t₁)可能與τ(t₂)有任何關系(例如，小于、等于或大于)，FIFO特性也能被表達為t₂+τ(t₂)≥t₁+τ(t₁)。因為τ(t₁)和τ(t₂)通常通過數據驅動預測方法被彼此完全獨立地預測，所以在這些預測之間通常不用強加FIFO特性。

除產生物理上不現實且可能不準確的預測之外，違犯FIFO特性有另一個非常負面的后果：它使得最佳路徑選擇問題變得難以處理。如果FIFO特性在動態運輸網絡中成立，則在多項式時間上可能找到最佳路線。如果它不成立，則多項式解不存在。由于此原因，找到移動時間預測方法使得預測的移動時間滿足FIFO特性是一個重要的實際問題。

發明內容

沿著鏈路的未來的移動時間使用訓練階段和預測階段來預測。