[发明专利]一种基于高斯混合模型的路段出行时间预测方法

说明书

本发明提供了一种基于高斯混合模型的路段出行时间预测方法，包括如下步骤：通过检测器，分别采集道路网络中轨迹已知的观察路径出行时间和道路网络中轨迹未知的观察路径出行时间对于道路网络中轨迹未知的观察路径出行时间建立高斯混合模型，用于识别轨迹未知的观察路径轨迹；基于高斯混合模型得出道路网络中轨迹识别后的路径出行时间x_i的关系式；通过最大似然原则，建立基于高斯混合模型的路段出行时间预测模型；通过最速下降方法和最大期望方法求解路段出行时间预测模型，获得路段出行时间。本发明可以有效处理轨迹未知的路径出行时间数据，综合利用轨迹已知和未知数据提高了路段出行时间的预测精度。

技术领域

本发明涉及城市交通规划领域，特别涉及一种基于高斯混合模型的路段出行时间预测方法。

背景技术

随着我国社会经济的高速发展，城市化进程不断向前推进，城市交通也随之迅速发展，交通供给速度远远赶不上人们日益增长的交通需求速度，导致城市道路拥堵，从而引发诸多衍生问题，如影响道路交通安全事故、汽车尾气排放、噪音污染以及燃油消耗加剧等，因此需要通过合理地规划城市路网、有效地制定交通管控政策来缓解城市拥堵。在城市交通规划和管理的各组成要素中，路段出行时间分析和预测作为重要的基础理论，显得尤为重要。

在城市交通出行过程中，出行者的行程时间即路径出行时间很容易运用检测器测量，但路段行驶时间受到交叉口延误等因素的影响，因此很难直接别测量出来。路段出行时间预测就是根据采集的路径出行时间、道路网络拓扑结构和系统理论来估计出行者在路段上所花费的时间。

现有路段出行时间预测技术均基于轨迹已知的路径行驶时间来分析，但在实际路径出行时间采集过程中，部分检测器，比如车牌照识别技术和手机通话数据分析技术并不能采集路径轨迹，它们仅能测量路径的起终点信息。因此探索路径轨迹未知情况下的路段出行时间预测方法具有重要的实际意义和挑战性。

发明内容

针对现有技术中存在的不足，本发明提供了一种基于高斯混合模型的路段出行时间预测方法，可以有效处理轨迹未知的路径出行时间数据，综合利用轨迹已知和未知数据提高了路段出行时间的预测精度。

本发明是通过以下技术手段实现上述技术目的的。

一种基于高斯混合模型的路段出行时间预测方法，包括如下步骤：

通过检测器，分别采集道路网络中轨迹已知的观察路径出行时间和道路网络中轨迹未知的观察路径出行时间

对于道路网络中轨迹未知的观察路径出行时间建立高斯混合模型，用于识别轨迹未知的观察路径轨迹；基于高斯混合模型得出道路网络中轨迹识别后的路径出行时间x_i的关系式；

通过最大似然原则，建立基于高斯混合模型的路段出行时间预测模型；

通过最速下降方法和最大期望方法求解路段出行时间预测模型，获得路段出行时间。

进一步，通过车辆定位或手机定位，采集道路网络中轨迹已知的观察路径出行时间其中J为轨迹已知的观察路径编号集合。

进一步，通过车牌照识别技术或手机通话数据，采集道路网络中轨迹未知的观察路径出行时间其中I为轨迹未知的观察路径编号集合。

进一步，所述建立高斯混合模型具体为：

约束条件：

其中：

I为轨迹未知的观察路径编号集合，i∈I；

为第i个轨迹未知的观察路径出行时间；

W为起讫点对的集合，ω∈W；