[發明專利]基于時間敏感特征的交通特征獲取方法、預測方法及系統

有效

• 申請號: 201711176304.3
• 申請日: 2017-11-22
• 公開（公告）號: CN108053646B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 金海;余辰;肖柏昀
• 申請（專利權）人: 華中科技大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;H04W4/029;H04W4/40;H04W4/021;G06Q10/04;G06Q50/26
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 廖盈春;李智

本發明公開了一種基于時間敏感特征的交通特征獲取方法、預測方法及系統。該交通特征獲取方法對原始GPS軌跡數據進行預處理，將偏移的經緯度坐標通過地圖匹配的方式匹配到道路上，再利用其統計城市區域內的各項交通參數。根據特定時刻的預測要求針對性的篩選歷史數據獲得歷史關鍵時間點的交通參數?；谶@些交通參數，衡量所有歷史關鍵時間點上的不同區域之間交通狀態的空間相關性，即以空間相關指數等級作為區域內交通狀態的動態時間敏感特征?？紤]到各個區域之間交通狀態的相互影響，同時依據歷史交通數據，使得獲得的交通特征更準確，所描述的特征具有一定的可解釋性，能夠有效指導關于交通狀態的后期預測。

技術領域

本發明屬于智慧交通領域，更具體地，涉及一種基于時間敏感特征的交通特征獲取方法、預測方法及系統。

背景技術

隨著城市現代化進程的不斷深入，大城市人口數量開始大幅度地極速膨脹，人們的出行需求與有限的交通資源間的矛盾日益突顯，具體表現在持續性或間斷性的交通擁堵上。城市交通狀態的變化本身受多種因素影響且隨著時間的推移會回饋式地影響后續狀態的變化。通過分析交通歷史數據以及綜合考慮人為因素、環境因素能夠從中歸納出交通狀態的變化規律及特征。具象地對這些交通狀態的變化特征進行描述能夠有效指導后期交通預測及規劃，對智慧交通的發展有著積極的作用。

智慧交通作為智慧城市的一大模塊，其在應用和研究方面都獲得了國內外研究人員的廣泛關注。目前已經有相當多的針對交通數據挖掘的研究工作。微軟亞洲研究院的鄭宇利用貴陽實時的出租車數據，對未來時刻的人流量進行預測。他們提出了一種基于深度學習的方法，利用殘差神經網絡對交通流的特性進行建模。但是利用深度學習所描述的特征沒有很好的可解釋性，且在訓練階段需要消耗大量的計算資源，不利于泛化與推廣。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于時間敏感特征的交通特征獲取方法、預測方法及系統，其目的解決由于底層原始數據中缺失和噪聲而導致的預測精度低下的技術問題。

為實現上述目的，按照本發明的一個方面，提供了一種基于時間敏感特征的交通特征獲取方法，包括如下步驟：

對每個汽車GPS軌跡數據與城市地圖進行匹配處理獲得匹配后汽車GPS軌跡數據；

將城市劃分為多個區域，并根據匹配后汽車GPS軌跡數據獲得各個區域內流入量、流出量以及平均車速，將流入量、流出量以及平均車速作為該區域的交通參數；

從歷史時間點中提取與該區域預測時間點具有時空關聯的歷史時間點作為歷史關鍵時間點，并從歷史時間點的交通參數提取每個區域歷史關鍵時間點的交通參數；

對各個區域的在某個歷史關鍵時間點交通參數進行相關性處理獲得某個區域在該歷史關鍵時間點交通狀態與其他區域的交通狀態的相關性；遍歷歷史關鍵時間點集合，獲得某個區域交通狀態在所有歷史關鍵時間點上與其他區域的交通狀態的空間相關性；

對某個區域交通狀態在所有歷史關鍵時間點與其他區域的交通狀態的相關性進行標準化處理獲得某個區域所有歷史關鍵時間點交通狀態的聚集程度，用某個區域所有歷史關鍵時間點交通狀態的聚集程度描述該區域的交通特征。

優選地，從歷史時間點中提取與該區域預測時間點相關的歷史時間點作為歷史關鍵時間點包括如下步驟：

根據預測時間點即時特征與各個歷史時間點即時特征獲取各個歷史時間點的即時相似度，并根據各個歷史時間點的即時相似度從各個歷史時間點選擇出第一關鍵時間集合；

從各個歷史時間點提取與預測時間點具有相同小時數、相同星期數、相同日期的所有歷史時刻作為第二關鍵時間集合；

從各個歷史時間點提取與預測時間點臨近的所有歷史時間點作為第三關鍵時間集合；

將第一關鍵時間集合至第三時間集合進行合并去除重復時間點形成歷史關鍵時間點集合。