[发明专利]基于时间敏感特征的交通特征获取方法、预测方法及系统有效

专利信息
申请号: 201711176304.3 申请日: 2017-11-22
公开(公告)号: CN108053646B 公开(公告)日: 2020-12-08
发明(设计)人: 金海;余辰;肖柏昀 申请(专利权)人: 华中科技大学
主分类号: G08G1/01 分类号: G08G1/01;H04W4/029;H04W4/40;H04W4/021;G06Q10/04;G06Q50/26
代理公司: 华中科技大学专利中心 42201 代理人: 廖盈春;李智
地址: 430074 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 时间 敏感 特征 交通 获取 方法 预测 系统
【权利要求书】:

1.一种基于时间敏感特征的交通特征获取方法,其特征在于,包括如下步骤:

对每个汽车GPS轨迹数据与城市地图进行匹配处理获得匹配后汽车GPS轨迹数据;

将城市划分为多个区域,并根据匹配后汽车GPS轨迹数据获得每个区域内流入量、流出量以及平均车速,将每个区域的流入量、流出量以及平均车速作为对应区域的交通参数;

从历史时间点中提取与预测时间点具有时空关联的历史时间点作为历史关键时间点;

从历史时间点的交通参数提取每个区域历史关键时间点的交通参数;

对各个区域的在某个历史关键时间点交通参数进行相关性处理,获得某个区域在该历史关键时间点交通状态与其他区域的交通状态的相关性指数;遍历历史关键时间点集合,获得某个区域交通状态在所有历史关键时间点上与其他区域的交通状态的空间相关性指数;

对待预测区域交通状态在所有历史关键时间点上与其他区域的交通状态的空间相关性指数进行标准化分级处理,获得待预测区域所有历史关键时间点交通状态的聚集程度,所述聚集程度为空间相关性指数标准化分数的等级,用待预测区域所有历史关键时间点交通状态的聚集程度描述该待预测区域的交通特征。

2.如权利要求1所述的交通特征获取方法,其特征在于,从历史时间点中提取与预测时间点具有时空关联的历史时间点作为历史关键时间点包括如下步骤:

根据预测时间点的即时特征与各个历史时间点的即时特征获取各个历史时间点的即时相似度,并根据各个历史时间点的即时相似度从各个历史时间点选择出第一关键时间集合;

从各个历史时间点提取出与预测时间点具有相同小时数、相同星期数、相同日期的所有历史时刻作为第二关键时间集合;

从各个历史时间点提取与预测时间点临近的所有历史时间点作为第三关键时间集合;

将第一关键时间集合至第三时间集合进行合并去除重复时间点处理形成历史关键时间点集合。

3.如权利要求1或2所述的交通特征获取方法,其特征在于,根据公式对第i个区域在历史关键时间点tk上的交通参数进行相关性计算,获得在历史关键时间点tk上第i个区域与第j个区域的交通状态空间相关性指数;

其中,为第i个区域在历史关键时间点tk上的交通参数,表示历史关键时间点tk上的交通参数平均值,wij表示第i区域与第j区域是否为相邻关系,为第j个区域在历史关键时间点tk上的交通参数,M为区域集合,1≤k≤n,n为历史关键时间点的数量。

4.如权利要求1或2所述的交通特征获取方法,其特征在于,根据向量描述第r个区域在时间点t上的交通特征;

其中,为第r个区域在历史关键时间点tk上交通状态的聚集程度,r∈M,M为区域集合。

5.一种基于权利要求1所述的交通特征获取方法的交通状态预测方法,其特征在于,包括:

利用从上述交通特征获取方法获得的第r个区域在时间点t上的交通特征进行分类预测或者回归预测获得第r个区域在时间点t上的交通状态。

6.一种基于权利要求1所述的交通特征获取方法的交通特征获取系统,其特征在于,包括:

依次连接的匹配模块、交通参数提取模块、相关性提取模块以及聚集程度提取模块;

匹配模块用于对每个汽车GPS轨迹数据与城市地图进行匹配处理输出匹配后汽车GPS轨迹数据;

交通参数提取模块用于从匹配后汽车GPS轨迹数据中获得历史时间点的交通参数,并从历史时间点的交通参数提取与预测时间具有时空关联的历史时间点作为每个区域历史关键时间点的交通参数;

相关性提取模块用于对各个区域的在所有历史关键时间点交通参数进行相关性处理,获得某个区域在所有历史关键时间点交通状态与其他区域的交通状态的空间相关性指数;

聚集程度提取模块用于对待预测区域交通状态在所有历史关键时间点与其他区域的交通状态的空间相关性指数进行标准化处理,获得待预测区域所有历史关键时间点交通状态的聚集程度,所述聚集程度为空间相关性指数标准化分数的等级,并作为该待预测区域的交通特征输出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711176304.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top