[發(fā)明專利]一種基于歷史路況的短時路況預(yù)測方法、系統(tǒng)及設(shè)備

有效

• 申請?zhí)枺?/td>: 202110352681.8
• 申請日: 2021-03-31
• 公開（公告）號: CN113160563B
• 公開（公告）日: 2022-10-25
• 發(fā)明（設(shè)計）人: 趙璽;田文斌
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q10/04;G06Q10/06;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 王艾華

本發(fā)明公開一種基于歷史路況的短時路況預(yù)測方法、系統(tǒng)及設(shè)備，方法為：首先，在宏觀上對時間域內(nèi)的數(shù)據(jù)進(jìn)行下采樣來構(gòu)造同質(zhì)數(shù)據(jù)；其次，在微觀上設(shè)計一個包含路網(wǎng)點時空關(guān)系和熱點語義的路況特征，通過淺層全連接網(wǎng)絡(luò)來捕捉靶點在微觀時空上的語義特征，通過多層神經(jīng)網(wǎng)絡(luò)構(gòu)造時序特征，將時空數(shù)據(jù)和語義特征融合接入GBDT集成學(xué)習(xí)模型，通過交叉驗證方法，對靶點周圍的鄰近數(shù)據(jù)進(jìn)行下采樣，通過構(gòu)造時空數(shù)據(jù)，捕捉靶點在微觀時空上的語義特征，本發(fā)明的算法不需要車流的位置信息，只需要車流的狀態(tài)信息，使用路段的靜態(tài)信息來表征車流在路網(wǎng)中的移動，利用DNN來構(gòu)造隱變量，結(jié)果表明本發(fā)明提出的方法同時保障了較高的精度和較低的算力需求。

技術(shù)領(lǐng)域

本發(fā)明屬于交通路況預(yù)測技術(shù)領(lǐng)域，具體涉及一種基于歷史路況的短時路況預(yù)測方法、系統(tǒng)及設(shè)備。

背景技術(shù)

路況預(yù)測的研究已經(jīng)進(jìn)行了數(shù)十年，短時路況預(yù)測則在很多重要領(lǐng)域表現(xiàn)出極高的使用價值和商業(yè)價值，如路線規(guī)劃、出租車調(diào)度、救護(hù)車到達(dá)時間預(yù)測等，但是短時路況預(yù)測的難度相對較大，具體表現(xiàn)為兩個原因：1.短時路況預(yù)測本身數(shù)據(jù)波動較大，車流頻譜不穩(wěn)定；2.短時路況預(yù)測中異常路況、靶點的熱點語義信息對路況的影響將會更大，而靶點熱點語義往往是隨機(jī)波動的，很難以固定的濾波方式或者特征構(gòu)造來泛化。短時路況預(yù)測的方法基于三個途徑來實現(xiàn)，分別是基于物理規(guī)則的方法，基于概率圖統(tǒng)計的方法，以及基于數(shù)據(jù)驅(qū)動的方法，?；谖锢硪?guī)則的方法是基于車流的位移物理規(guī)則，通過計算其信息量，從物理運(yùn)動的角度來計算未來短時間內(nèi)的路況信息量，顯然的，這種方法完全基于規(guī)則，對異常數(shù)據(jù)和大量數(shù)據(jù)的擬合度交叉，唯一的參數(shù)只有車流的運(yùn)動信息，其應(yīng)用價值較低；基于概率圖統(tǒng)計的方法在過去的十多年中被廣發(fā)的應(yīng)用，分別的，基于馬爾可夫鏈的推理方法、基于貝葉斯的預(yù)測方法，基于滑動平均自回歸(ARIMA)等。這些方法都在特別數(shù)據(jù)和領(lǐng)域中取得了有效的效果，并且成功地應(yīng)用于商業(yè)實踐。但是，基于概率統(tǒng)計的方法也存在以下兩個缺點：1)基于簡單概率統(tǒng)計的方法擁有較少的參數(shù)，無法針對更加復(fù)雜的數(shù)據(jù)源。2)簡單的概率統(tǒng)計方法由于模型的簡單性，無法保障更高的泛化性，尤其是，針對于現(xiàn)在復(fù)雜多變的路況，以及高頻爆發(fā)的異常路況點(語義熱點)，簡單的概率統(tǒng)計的方法無法被有效的實踐；基于數(shù)據(jù)驅(qū)動的方法忽略了車流內(nèi)在的物理規(guī)則，轉(zhuǎn)而用龐大的參數(shù)來表征車流的路況信息，同時，基于數(shù)據(jù)驅(qū)動的方法也兼顧了概率圖的方法，其用參數(shù)來模擬概率變化的趨勢。