[發(fā)明專利]一種基于元路徑擁塞模式挖掘的移動對象行駛時間預(yù)測方法及裝置

有效

• 申請?zhí)枺?/td>: 201910110832.1
• 申請日: 2019-02-12
• 公開（公告）號: CN109712402B
• 公開（公告）日: 2021-11-12
• 發(fā)明（設(shè)計）人: 韓京宇;王寧
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06K9/62
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 王恒靜

本發(fā)明公開了一種基于元路徑擁塞模式挖掘的移動對象行駛時間預(yù)測方法，包括以下步驟：采集固定時間間隔的多個GPS數(shù)據(jù)作為訓(xùn)練樣本，并將所述GPS數(shù)據(jù)通過地圖匹配算法匹配到路網(wǎng)上，得到與GPS數(shù)據(jù)對應(yīng)的路徑軌跡；將匹配后的路徑軌跡分割成元路徑存儲到路徑字典中，挖掘每條元路徑各個時間的擁塞狀態(tài)，并根據(jù)不同元路徑間的關(guān)聯(lián)性，提取擁塞特征向量；將提取的擁塞特征向量加入特征矩陣中，并采用K?Means聚類算法填補所述特征矩陣中的空缺值，得到預(yù)測模型；輸入需要預(yù)測行駛時間的路徑軌跡，實現(xiàn)行駛時間的預(yù)測。本發(fā)明提取局部道路的擁塞特征，從更細(xì)的粒度捕捉擁塞變化規(guī)律，并針對稀疏軌跡數(shù)據(jù)，提出采用k均值聚類算法，為預(yù)測提供精準(zhǔn)支撐。

技術(shù)領(lǐng)域

本發(fā)明涉及信息技術(shù)領(lǐng)域，具體涉及一種基于元路徑擁塞模式挖掘的移動對象行駛時間預(yù)測方法及裝置。

背景技術(shù)

隨著移動互聯(lián)網(wǎng)、衛(wèi)星定位技術(shù)、LBS技術(shù)的高速發(fā)展，越來越多的位置相關(guān)服務(wù)需要準(zhǔn)確預(yù)測當(dāng)前或未來一段行程的行駛時間。準(zhǔn)確預(yù)測行程的行駛時間有利于司機合理規(guī)劃出行路線，避免擁塞道路，為城市交通建設(shè)提供參考依據(jù)。

傳統(tǒng)的數(shù)據(jù)收集方法利用城市中固定街道和高速公路上的靜態(tài)傳感器，但是這些傳感器不能覆蓋全部道路而且維護(hù)成本很高。隨著GPS技術(shù)的發(fā)展，可以通過配備GPS的車輛收集軌跡數(shù)據(jù)用于預(yù)測交通狀況。由于不同地區(qū)的交通狀況差異巨大、交通擁塞狀況瞬息萬變及車輛的高速移動，同一條路線在不同時刻的行駛時間可能具有很大不同。并且由于成本原因、技術(shù)原因和隱私原因，導(dǎo)致軌跡數(shù)據(jù)稀疏問題尤為嚴(yán)重，具體表現(xiàn)為特定時空可用軌跡數(shù)據(jù)很稀少。

現(xiàn)存的行駛時間預(yù)測方法一共分為兩種：基于路徑的行駛時間預(yù)測方法和基于行程的時間預(yù)測方法。基于路徑的行駛時間預(yù)測方法是傳統(tǒng)的時間預(yù)測方法，通過歷史軌跡數(shù)據(jù)獲得特定路徑的行駛時間。典型的方法包括建立交通流模型來模擬路徑的旅行時間分布情況，利用動態(tài)貝葉斯和模式匹配等。但是由于不同地區(qū)的交通狀況差異較大，道路擁塞情況瞬息萬變，難以準(zhǔn)確計算行駛時間，而且復(fù)雜的數(shù)學(xué)模型計算開銷大，增加了在線預(yù)測的難度。基于行程的時間預(yù)測需要在歷史數(shù)據(jù)中找到同樣出發(fā)時間、起點和終點的行程，以此為基礎(chǔ)進(jìn)行時間預(yù)測。但是，數(shù)據(jù)稀疏條件下相同行程的查找具有一定的難度，當(dāng)出現(xiàn)新的出行計劃時，無法準(zhǔn)確地估算行駛時間。

發(fā)明內(nèi)容

發(fā)明目的：為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于元路徑擁塞模式挖掘的移動對象行駛時間預(yù)測方法，該方法可以解決對路網(wǎng)上移動對象行駛時間預(yù)測準(zhǔn)確度和實時性不高的問題，本發(fā)明還提供一種于元路徑擁塞模式挖掘的移動對象行駛時間預(yù)測裝置。

技術(shù)方案：本發(fā)明所述的基于元路徑擁塞模式挖掘的移動對象行駛時間預(yù)測方法，包括以下步驟：

(1)采集固定時間間隔的多個GPS數(shù)據(jù)作為訓(xùn)練樣本，并將所述GPS數(shù)據(jù)通過地圖匹配算法匹配到路網(wǎng)上，得到與GPS數(shù)據(jù)對應(yīng)的路徑軌跡；

(2)將匹配后的路徑軌跡分割成元路徑存儲到路徑字典中，挖掘每條元路徑各個時間的擁塞狀態(tài)，并根據(jù)不同元路徑間的關(guān)聯(lián)性，提取擁塞特征向量；

(3)將提取的擁塞特征向量加入特征矩陣中，并采用K-Means聚類算法填補所述特征矩陣中的空缺值，得到預(yù)測模型；

(4)輸入需要預(yù)測行駛時間的路徑軌跡，實現(xiàn)行駛時間的預(yù)測。

優(yōu)選的，所述步驟(2)中，所述元路徑為所述路網(wǎng)上任意相鄰路口間的路徑。

優(yōu)選的，所述步驟(2)中，所述路徑字典為元路徑的集合。

優(yōu)選的，所述步驟(1)中，所述路網(wǎng)為路口節(jié)點集和路段邊集中的有向圖。

優(yōu)選的，所述步驟(2)中，所述挖掘每條元路徑各個時間的擁塞狀態(tài)，并根據(jù)不同元路徑間的關(guān)聯(lián)性，提取擁塞特征向量，具體包括：