[发明专利]基于卡口抓拍数据的车辆行驶轨迹预测方法、系统及设备

权利要求书

1.一种基于卡口抓拍数据的车辆行驶轨迹预测方法，其特征在于，所述车辆行驶轨迹预测方法包括：

获取车辆历史轨迹数据；

对所述车辆历史轨迹数据进行聚合，得到每辆车的轨迹数据；

对所述车辆历史轨迹数据进行聚合，得到每个时间区间的车辆轨迹数据集合；

基于所述每个时间区间的车辆轨迹数据集合构建路网车辆的马尔科夫状态转移矩阵；

基于所述每辆车轨迹数据构建个体车辆的马尔科夫状态转移矩阵；

根据所述个体车辆的马尔科夫状态转移矩阵以及路网车辆的马尔科夫状态转移矩阵预测经过各个卡口的概率。

2.根据权利要求1所述的基于卡口抓拍数据的车辆行驶轨迹预测方法，其特征在于，该车辆行驶轨迹预测方法还包括：

根据预测的经过各个卡口的概率以及历史同时间区间相邻卡口的平均行驶时间预测车辆到达各个卡口的时间点。

3.根据权利要求1所述的基于卡口抓拍数据的车辆行驶轨迹预测方法，其特征在于，对所述车辆历史轨迹数据进行聚合，得到每辆车的轨迹数据，包括：

对车辆历史轨迹数据按车牌号进行分组聚合并按抓拍时间进行排序，得到每辆车按时间排序后的卡口序列，即为每辆车的轨迹数据，所述每辆车的轨迹数据包括车牌号、抓拍时间序列、卡口编号序列。

4.根据权利要求1所述的基于卡口抓拍数据的车辆行驶轨迹预测方法，其特征在于，对所述车辆历史轨迹数据进行聚合，得到每个时间区间的车辆轨迹数据集合，包括：

对车辆历史轨迹数据按车牌号、时间区间分组聚合并按抓拍时间进行排序，首先得到每辆车在每个时间区间排序后的卡口序列数据，再对该卡口序列数据按时间区间进行分组聚合，得到每个时间区间的轨迹数据集合，所述每个时间区间的轨迹数据集合包括时间区间、抓拍时间序列集合、卡口编号序列集合。

5.根据权利要求1所述的基于卡口抓拍数据的车辆行驶轨迹预测方法，其特征在于，所述基于所述每辆车的轨迹数据构建个体车辆的马尔科夫状态转移矩阵，包括：

基于每辆车的轨迹数据计算车辆在卡口之间、卡口序列到卡口之间的转移概率，组合得到个体车辆的马尔科夫状态转移矩阵。

6.根据权利要求1所述的基于卡口抓拍数据的车辆行驶轨迹预测方法，其特征在于，所述基于所述每个时间区间的车辆轨迹数据集合构建路网车辆的马尔科夫状态转移矩阵，包括：

基于每个时间区间的车辆轨迹数据集合计算卡口之间、卡口序列到卡口之间的转移概率，组合得到路网车辆的马尔科夫状态转移矩阵。

7.根据权利要求1所述的基于卡口抓拍数据的车辆行驶轨迹预测方法，其特征在于，根据所述个体车辆的马尔科夫状态转移矩阵以及路网车辆的马尔科夫状态转移矩阵预测经过各个卡口的概率，包括：

基于车辆的当前轨迹以及所述个体车辆的马尔科夫状态转移矩阵获取车辆到达下一卡口的第一转移概率；

基于所述车辆的当前轨迹以及路网车辆的马尔科夫状态转移矩阵获取车辆到达下一卡口的第二转移概率；

根据所述第一转移概率、所述第二转移概率以及第一转移概率、第二转移概率所占的比重得到经过各个卡口的概率。

8.一种基于卡口抓拍数据的车辆行驶轨迹预测系统，其特征在于，所述车辆行驶轨迹预测系统包括：

数据获取模块，用于获取车辆历史轨迹数据；

第一聚合模块，用于对所述车辆历史轨迹数据进行聚合，得到每辆车的轨迹数据；

第二聚合模块，用于对所述车辆历史轨迹数据进行聚合，得到每个时间区间的车辆轨迹数据集合；

第一马尔科夫状态转移矩阵构建模块，用于基于所述每个时间区间的车辆轨迹数据集合构建路网车辆的马尔科夫状态转移矩阵；

第二马尔科夫状态转移矩阵构建模块，用于基于所述每辆车的轨迹数据构建个体车辆的马尔科夫状态转移矩阵；

卡口预测模块，用于根据所述个体车辆的马尔科夫状态转移矩阵以及路网车辆的马尔科夫状态转移矩阵预测经过各个卡口的概率。