[发明专利]车辆行进开销的估计方法及系统

说明书

技术领域

本发明涉及交通数据处理领域，尤其涉及一种车辆行进开销的估计方法及系统。

背景技术

随着技术的发展，越来越多的交通数据得以被人们所收集并利用。例如，在GPS设备的普及下，大都市出租车辆均装备了GPS设备。通过这些设备以及其他一些相关车辆信息采集设备，出租车可以不断地将自己的位置信息，速度信息以及载客与否信息传送给数据中心。于是，数据中心便可以收集海量的交通数据，从而进行一系列的数据挖掘与分析任务。由于海量交通数据富含的丰富价值，基于交通数据的挖掘工作也变成了时下一个热活跃的热点研究领域。交通数据相关的研究工作主要包含两个目的。其一是通过对海量交通数据的分析，来发掘城市的一些动态特征。这方面的研究包括研究城市规划合理程度，分析城市不同区域的功能模块等等。而第二个目的，则是通过利用海量交通数据，从而为用户提供与交通相关的服务。例如，根据历史交通车辆的行进轨迹对用户做最优路线推荐，以及通过出租车行驶历史数据提供优化的打车推荐服务，帮助用户更加容易打到出租车，也使得出租车更容易找到用户等等。

基于交通数据的研究，一方面，由于大城市出租车数量众多且它们均会频繁发送车辆信息，数据中心会收集到海量数据，对挖掘提出了数据规模上的挑战。而另一方面，由于出租车仅仅占大城市所有车辆中的一个微小的部分，对于这类数据开展的数据挖掘任务同时又面临着数据稀缺的挑战。然而，在众多对于交通数据进行的数据挖掘任务中，对于道路行进开销的数据挖掘任务尤为重要，因为它扮演着对于其他数据挖掘任务提供基础的角色。比如知道各个道路的行进开销有助于城市建设规划，同时，也方便于系统提供合理路线给用户而完成旅行路线推荐的服务。由此，此项对道路行进开销估计与预测的工作有着强烈的动机。

道路行进开销的数据挖掘任务，具体来说，就是通过采集交通数据，将这些交通数据归类到相应的道路上，并通过这些交通数据来计算不同时间段上这条道路的车辆行进单位距离所需要的时间耗费。所以，道路行进开销的数据挖掘也可以理解成对于道路期望的行进速度的计算，因为一旦我们可以掌握道路期望的行进速度，此道路上车辆行进单位距离所需要耗费的时间也可以自然快捷地计算出来。需要指出的是，不同车辆在同一条道路同一个时间段的行进开销有所不同，这跟驾驶员的驾驶习惯，当时道路上的具体道路交通状况有关。这里所说的道路行进开销的计算是相对于此道路在这一特定时间段的车辆行进开销期望而言。这个行进开销值可以对这条路段这个时间的交通状况提供一个合理的参考。

这项工作中设计到的道路行进开销的数据挖掘任务涉及了两方面。第一方面，是对于道路行进开销的估计。这一部分，主要着重于时间点的当下，由于出租车数据的稀疏特性，部分路段在特定时间段并没有出租车覆盖，也没有相应的交通数据，因此其道路行进开销并不能通过简单根据其上车辆行进速度计算而得到。然而，对于收集到交通数据的路段和未收集到交通数据的路段，我们都需要对其当前的车辆行进开销进行估计。第二方面，是对于道路行进开销的预测。这一部分，主要着重于时间点的未来，我们根据当前收集到的交通数据，对于路段在未来时间的车辆行进开销进行预测。这一部分的工作相对第一部分更为重要，因为对于一些行进路径推荐的服务，了解未来的道路行进开销对于优化路径的提出有着重要的意义。

在现有技术中，关于道路车辆行进开销的估计与道路车辆行进开销的预测，均有相关工作展开。其中，对于道路车辆行进开销的估计，之前的工作通过仅仅收集大量出租车行进轨迹路径以及耗费总时间并运用机器学习的方法去推测出租车消耗在各个所经过路段的时间花费。通过这样对大量出租车轨迹的挖掘，进行道路车辆行进开销的估计。这种方法，一方面，只利用了整体交通车辆轨迹的总共时间花费信息与轨迹路径信息，而忽略了轨迹中各个交通车辆信息点的具体信息，因此这种方法得到的行进开销的估计结果可以得到进一步的提升。另一方面，由于根据整体交通车辆轨迹信息进行具体信息的推测，在运用机器学习的方法中进行不断迭代会耗费掉大量计算资源。因此，这种方法在真实世界中对于实际海量交通数据下的道路车辆行进开销的估计很难进行。

发明内容

本发明的目的提供一种车辆行进开销的估计方法及系统，可以运用完整的交通数据信息并且避开反复机器学习迭代造成的计算资源耗费，从而能够更加实际地运用到现实的海量数据场景中。

为实现上述目的，本发明提供了一种车辆行进开销的估计方法，包括步骤：