[發明專利]一種基于浮動車數據的路段旅行時間預測方法及裝置

在審

• 申請號: 202110253250.6
• 申請日: 2021-03-04
• 公開（公告）號: CN113052206A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 許夢云;張祎;施丘嶺;邱志軍
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/29;G06F16/2458;G06Q10/04;G06Q50/30
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 丁倩

本發明涉及一種基于浮動車數據的路段旅行時間預測方法及裝置，該方法包括：獲取多個浮動車GPS數據；對浮動車GPS數據進行數據挖掘，確定車輛對應的連續多個GPS匹配點；通過距離置信度因子和/或時空序列影響因子，分別根據位于同一路段和不同路段的連續兩個GPS匹配點，推測全路段旅行時間；針對同一路段，根據分配權重對多個全路段旅行時間進行數據融合，確定估計路段旅行時間，其中，將同一路段集合中的的歷史旅行時間輸至神經網絡模型，確定時空序列影響因子。本發明考慮了距離置信度和時空關聯性的影響，推測不同路段中車輛的全路段旅行時間，進而利用了數據融合，綜合多個車輛估計，提高了對路段旅行時間估計的準確性。

技術領域

本發明涉及智能交通技術領域，尤其涉及一種基于浮動車數據的路段旅行時間預測方法及裝置。

背景技術

隨著科學技術的發展，利用現代化智能交通設備與智能化處理技術對道路交通進行監控與掌握，針對性的對產生根本交通問題的交通擁堵結點進行管理與控制，對交通運輸系統的發展有重要意義。城市道路交通狀況實時估計是道路交通監控系統的重要功能，是城市交通控制和擁堵管理的基礎。

運用GPS(Global Positioning System，全球定位系統)技術獲取有效交通信息在智能交通系統中具有較高的實踐價值。隨著城市建設的不斷完善，裝載有GPS的浮動車在路網運行車輛中的比例不斷提高。浮動車GPS的時間與空間覆蓋率高，具有實時性好、精確度高等特點，可視為城市交通狀態良好的動態檢測器。充分利用浮動車采集的數據進行交通分析是近年研究的熱點，在估計城市路網路況方面有巨大潛力。

為了解城市路網中交通狀態情況，運用浮動車采集的數據對城市區域的路段旅行時間進行監測和估計是十分有效的方法。現有技術中，一般采用傳統的數理統計方法、概率求解等模型來估計路段旅行時間，然而其模型構建過程中具有一定復雜性，需要大量技術數據支持，參數的求解與標定存在一定困難。此外，當路網范圍較大時，不同路段上旅行時間受干擾的因素有所不同，單一的模型難以表征不同特性的道路情況，在實際交通管理與控制中難以得到廣泛運用。綜上，如何快速準確地對路段旅行時間進行估計是亟待解決的問題。

發明內容

有鑒于此，有必要提供一種基于浮動車數據的路段旅行時間預測方法，用以解決何快速準確地對路段旅行時間進行估計的問題。

本發明提供一種基于浮動車數據的路段旅行時間預測方法，包括：

獲取多個車輛對應的浮動車GPS數據；

對所述浮動車GPS數據進行數據挖掘，確定車輛對應的連續多個GPS匹配點；

通過距離置信度因子和/或時空序列影響因子，分別根據位于同一路段和不同路段的連續兩個所述GPS匹配點，推測車輛對應的全路段旅行時間；

針對同一路段，根據分配權重對多個車輛對應的所述全路段旅行時間進行數據融合，確定對應的估計路段旅行時間；

其中，所述時空序列影響因子的確定包括：通過路段之間的相關性對不同路段進行聚類，確定多個路段集合，并將同一路段集合中的多個路段的歷史旅行時間輸入至訓練完備的神經網絡模型，確定對應的所述時空序列影響因子。

進一步地，所述對所述浮動車GPS數據進行數據挖掘，確定車輛對應的連續多個GPS匹配點包括：

判斷所述浮動車GPS數據中是否存在異常數據和重復數據，若存在，則進行剔除，其中，所述異常數據包括空值數據或亂碼數據；

通過基于權重的地圖匹配算法，根據所述浮動車GPS數據和路網，確定所述浮動車GPS數據對應的連續多個所述GPS匹配點；

遍歷電子地圖的路網，進行路徑搜索，根據連續兩個所述GPS匹配點之間的最短路徑，確定對應的真實行駛路徑。