[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

说明书

本发明公开了一种基于卡口抓拍数据的车辆行驶轨迹预测方法、系统及设备，该方法包括：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。本发明能很好的弥补了目前车辆轨迹预测方法不能进行个性化预测的缺陷。

技术领域

本发明涉及智慧交通领域，具体为一种基于卡口抓拍数据的车辆行驶轨迹预测方法、系统及设备。

背景技术

随着城市的快速发展和私家车的普及，交通拥堵、违法车辆缉查布控等给城市交通带来了巨大的压力。但随着信息技术产业的快速发展，先进的图像识别、视频监控和通信技术广泛应用在交通领域，相关部门通过大数据处理技术智能分析技术等诸多手段来逐步缓解这一现状。目前各个城市内的道路卡口以及城市之间的高速公路上部署了海量的车辆抓拍摄像头，会产生大量的道路交通信息和车辆通行信息，记录了所有车辆的行驶轨迹；另外智能手机、平板电脑等带定位功能的手持移动终端或车载行驶记录设备，实时采集GPS位置，记录了每个被采集车辆行驶轨迹。分析车辆轨迹信息并应用在智能交通领域一个研究的热点，主要集中在车辆轨迹预测、路段交通状况分析、道路运行安全分析等。

一般来说，车辆轨迹数据具有时序性和规律性。我们通过对车辆的轨迹数据处理和特征提取，可以有效的预测车辆在未来时段的位置及空间分布。若能够很好地预测车辆的轨迹，那么在一定程度上可以有效减缓城市的拥堵、提升车辆布控的精准程度等。因此，车辆的轨迹预测对于城市交通的高效运行和安全管理等都具有重要意义。

但目前大量的车辆轨迹预测方法，不论是通过车辆GPS定位数据还是卡口抓拍数据都是仅仅通过路网车辆轨迹数据预测车辆未来时段的位置及空间分布，均未利用到每个车辆的行驶偏好去进行个性化预测，更重要的是，没有对到达该空间位置的花费时间进行预测，若能对车辆未来空间位置进行个性化预测的同时预测到达该空间位置的时间点，将对智能交通的诸多应用带来巨大的效果提升，如卡口流量实时预测、车辆追踪、智能红绿灯、分流指挥等。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于卡口抓拍数据的车辆行驶轨迹预测方法、系统及设备，用于解决现有技术的缺陷。

为实现上述目的及其他相关目的，本发明提供一种基于卡口抓拍数据的车辆行驶轨迹预测方法，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；

基于所述每辆车的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。

可选地，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。

可选地，对所述车辆的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。