[发明专利]预测车辆行驶时间的方法和装置

说明书

本发明提供一种预测车辆行驶时间的方法和系统，所述方法包括：预测模型建立步骤(S1)，从历史行驶信息记录库中，根据指定的起始点和目标点，收集所述起始点到所述目标点的历史行驶信息记录，利用所述历史行驶信息记录，计算所述历史行驶信息记录的基准历史行驶时间，确定行驶影响因素中对行驶时间影响最大的至少一个主影响因素，来建立预测模型；和车辆行驶时间预测步骤(S2)，当需要预测从所述起始点到所述目标点的车辆行驶时间时，根据当前实际输入条件，利用已建立的所述预测模型，预测从所述起始点到所述目标点的车辆行驶时间，其中所述当前实际输入条件包括作为车辆出发地的所述起始点、作为车辆目的地的目标点、以及所述主影响因素。

技术领域

本发明涉及车辆调度领域，特别涉及一种利用决策树算法线下预测车辆行驶时间的方法和预测车辆行驶时间的装置。

背景技术

在车辆调度领域，例如公交车调度和物流调度领域中，准确预测两个兴趣地点之间的行驶时间非常重要。行驶时间预测中使用由GPS数据描述的行驶跟踪记录和由车辆的终端收集的时间戳，以准确地预测行驶时间，提高调度效率和质量。当给定具体路径时，行驶时间往往只有下边界而没有上边界，因为车辆的行驶速度既受例如由第三方预报的天气情况、从交通数据中挖掘的交通拥堵情况等各种可预测外界因素的影响，而且还受车辆故障、驾驶员本身原因等低频不可预测外界因素的影响。

车辆行驶时间预测可分类为实时预测和线下预测。专利文献1和专利文献2公开了基于距离和当前速度的实时预测方法。专利文献3公开了在时间窗期间利用城市内的特定道路段的模糊函数的线下预测方法。专利文献4公开了利用历史行驶数据的平均值实时预测的方法。

现有技术文献

专利文献

专利文献1：中国专利CN201410453120号

专利文献2：中国专利CN201410211385号

专利文献3：中国专利CN201410077956号

专利文献4：中国专利CN201210259408号

发明内容

发明想要解决的技术问题

然而，如专利文献1、2和4所述的实时预测车辆行驶时间的方法依赖于实时的交通信息，当需要同时预测很多车辆的行驶时间时，实时处理的数据量非常庞大，容易导致处理器负荷过大，超过处理器的处理能力，需要长时间等待才能获得预测结果，导致用户体验变差。

另一方面，如专利文献3所述的利用模糊函数和时间窗的线下预测方法和如专利文献4所述的利用历史行驶数据的平均值实时预测的方法考虑了所有外界因素的影响，但在考虑发生频率低的不可预测外界因素的影响时，这些不可预测外界因素发生频率很低，其所导致的行驶时间结果为异常值，因此如上那样采用模糊函数或历史行驶数据的均值的方法会降低在通常情况下预测车辆行驶时间的精度。而且专利文献3和专利文献4所述的方法只能用于城市中车辆行驶时间的预测等短途预测，而不能用于长距离物流配送等长途预测。

本发明是鉴于如上所述的现有技术的问题而做出的，其目的在于提供一种排除了异常值的影响的线下预测车辆行驶时间的方法和预测车辆行驶时间的装置。

用于解决技术问题的方案