[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

说明书

本发明公开了一种基于时间敏感特征的交通特征获取方法、预测方法及系统。该交通特征获取方法对原始GPS轨迹数据进行预处理，将偏移的经纬度坐标通过地图匹配的方式匹配到道路上，再利用其统计城市区域内的各项交通参数。根据特定时刻的预测要求针对性的筛选历史数据获得历史关键时间点的交通参数。基于这些交通参数，衡量所有历史关键时间点上的不同区域之间交通状态的空间相关性，即以空间相关指数等级作为区域内交通状态的动态时间敏感特征。考虑到各个区域之间交通状态的相互影响，同时依据历史交通数据，使得获得的交通特征更准确，所描述的特征具有一定的可解释性，能够有效指导关于交通状态的后期预测。

技术领域

本发明属于智慧交通领域，更具体地，涉及一种基于时间敏感特征的交通特征获取方法、预测方法及系统。

背景技术

随着城市现代化进程的不断深入，大城市人口数量开始大幅度地极速膨胀，人们的出行需求与有限的交通资源间的矛盾日益突显，具体表现在持续性或间断性的交通拥堵上。城市交通状态的变化本身受多种因素影响且随着时间的推移会回馈式地影响后续状态的变化。通过分析交通历史数据以及综合考虑人为因素、环境因素能够从中归纳出交通状态的变化规律及特征。具象地对这些交通状态的变化特征进行描述能够有效指导后期交通预测及规划，对智慧交通的发展有着积极的作用。

智慧交通作为智慧城市的一大模块，其在应用和研究方面都获得了国内外研究人员的广泛关注。目前已经有相当多的针对交通数据挖掘的研究工作。微软亚洲研究院的郑宇利用贵阳实时的出租车数据，对未来时刻的人流量进行预测。他们提出了一种基于深度学习的方法，利用残差神经网络对交通流的特性进行建模。但是利用深度学习所描述的特征没有很好的可解释性，且在训练阶段需要消耗大量的计算资源，不利于泛化与推广。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于时间敏感特征的交通特征获取方法、预测方法及系统，其目的解决由于底层原始数据中缺失和噪声而导致的预测精度低下的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于时间敏感特征的交通特征获取方法，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轨迹数据获得各个区域内流入量、流出量以及平均车速，将流入量、流出量以及平均车速作为该区域的交通参数；

从历史时间点中提取与该区域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，并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；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；

对某个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相关性进行标准化处理获得某个区域所有历史关键时间点交通状态的聚集程度，用某个区域所有历史关键时间点交通状态的聚集程度描述该区域的交通特征。

优选地，从历史时间点中提取与该区域预测时间点相关的历史时间点作为历史关键时间点包括如下步骤：

根据预测时间点即时特征与各个历史时间点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形成历史关键时间点集合。