【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)屬于交通預(yù)測(cè)相關(guān)，更具體地，涉及一種基于多維knn算法的行程時(shí)間預(yù)測(cè)方法及系統(tǒng)。
技術(shù)介紹
1、行程時(shí)間作為道路交通狀況的重要指標(biāo)，在智能交通系統(tǒng)(its)中具有重要意義。準(zhǔn)確、及時(shí)地預(yù)測(cè)行程時(shí)間，不僅可以為交通管理部門(mén)提供數(shù)據(jù)支持，幫助評(píng)估道路網(wǎng)絡(luò)中的瓶頸路段，制定合理的交通管理與控制措施，還可以為出行者提供交通擁堵預(yù)警，幫助調(diào)整出行路線，保證出行者按時(shí)到達(dá)目的地，提高交通系統(tǒng)的運(yùn)行效率。
2、目前，數(shù)據(jù)采集技術(shù)主要分為地點(diǎn)檢測(cè)器、區(qū)間檢測(cè)器和浮動(dòng)車(chē)系統(tǒng)。常見(jiàn)的地點(diǎn)檢測(cè)器包括環(huán)形線圈車(chē)輛檢測(cè)器和視頻車(chē)輛檢測(cè)器，通過(guò)在特定位置部署這些檢測(cè)器，獲取車(chē)輛經(jīng)過(guò)的速度與流量信息。區(qū)間檢測(cè)器主要有自動(dòng)車(chē)輛識(shí)別(avi)檢測(cè)器和藍(lán)牙車(chē)輛識(shí)別探測(cè)器，通過(guò)一組設(shè)備組之間的數(shù)據(jù)測(cè)量車(chē)輛在這個(gè)區(qū)間的行駛時(shí)間和平均速度。浮動(dòng)車(chē)系統(tǒng)則利用安裝在出租車(chē)或公交車(chē)上的gps裝置記錄車(chē)輛在道路網(wǎng)絡(luò)中的位置、方向、速度信息，以評(píng)估交通狀況。
3、然而，面對(duì)多樣化數(shù)據(jù)，準(zhǔn)確穩(wěn)定地預(yù)測(cè)行程時(shí)間具有一定的挑戰(zhàn)性。不同類(lèi)型檢測(cè)器也存在著各自的局限性：地點(diǎn)檢測(cè)器存在著信息采集單一的問(wèn)題，尤其是環(huán)形線圈車(chē)輛檢測(cè)器只能覆蓋一個(gè)車(chē)道，導(dǎo)致數(shù)據(jù)獲取的覆蓋范圍有限。相比之下，浮動(dòng)車(chē)數(shù)據(jù)的覆蓋范圍較廣，但在某些主干道上和次要道路上仍然存在數(shù)據(jù)稀疏的問(wèn)題，由于gps數(shù)據(jù)在城市中的時(shí)空分布不均勻，這可能導(dǎo)致許多路段缺乏數(shù)據(jù)覆蓋，甚至被多條軌跡覆蓋的道路也可能因?yàn)椴煌瑮l件(工作日或節(jié)假日、天氣)的影響而導(dǎo)致行程時(shí)間預(yù)測(cè)不準(zhǔn)確。
4、基于檢測(cè)器數(shù)
5、因此，亟需一種能充分利用大量網(wǎng)約車(chē)歷史訂單od數(shù)據(jù)，提高行程時(shí)間預(yù)測(cè)準(zhǔn)確性和穩(wěn)定性的方法。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本專(zhuān)利技術(shù)提供了一種基于多維knn算法的行程時(shí)間預(yù)測(cè)方法及系統(tǒng)，解決在面臨海量網(wǎng)約車(chē)歷史od數(shù)據(jù)時(shí)，解決不能同時(shí)在不同行程信息下對(duì)待出行訂單的行程時(shí)間的預(yù)測(cè)問(wèn)題。
2、為實(shí)現(xiàn)上述目的，按照本專(zhuān)利技術(shù)的一個(gè)方面，提供了一種基于多維knn算法的行程時(shí)間預(yù)測(cè)方法，該方法包括下列步驟：
3、s1采集車(chē)輛不同行程數(shù)據(jù)對(duì)應(yīng)的多個(gè)行程信息，該行程信息分別為訂單日期、訂單時(shí)刻、起訖點(diǎn)位置坐標(biāo)、行駛距離、天氣狀況的信息和行程時(shí)間；
4、s2選取不同的行程信息，計(jì)算在不同的行程信息下待預(yù)測(cè)樣本與所述各個(gè)行程數(shù)據(jù)之間的相似度，在每種不同的行程信息下，按照計(jì)算獲得的相似度的大小選取多個(gè)與所述待預(yù)測(cè)樣本近鄰的行程數(shù)據(jù)，并獲得每個(gè)近鄰的行程數(shù)據(jù)對(duì)應(yīng)的行程時(shí)間；
5、s3在每種不同的行程信息下，利用所有近鄰的行程數(shù)據(jù)對(duì)應(yīng)的行程時(shí)間，構(gòu)建行程時(shí)間的knn預(yù)測(cè)模型，以此獲得不同行程信息下對(duì)應(yīng)的不同預(yù)測(cè)模型，即獲得多維knn預(yù)測(cè)模型，利用不同的knn預(yù)測(cè)模型計(jì)算待預(yù)測(cè)樣本對(duì)應(yīng)的預(yù)測(cè)行程時(shí)間，實(shí)現(xiàn)行程時(shí)間的多維預(yù)測(cè)。
6、進(jìn)一步優(yōu)選地，在步驟s2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)和行駛距離。
7、進(jìn)一步優(yōu)選地，在步驟s2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)、行駛距離、訂單時(shí)刻和訂單日期。
8、進(jìn)一步優(yōu)選地，在步驟s2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)、行駛距離、訂單時(shí)刻、訂單日期和天氣狀況。
9、進(jìn)一步優(yōu)選地，在步驟s1中，所述采集行程數(shù)據(jù)時(shí)采取等距抽樣的方法。
10、進(jìn)一步優(yōu)選地，在步驟s2中，所述相似度利用馬氏距離進(jìn)行計(jì)算，按照下列公式進(jìn)行：
11、
12、
13、其中，上標(biāo)r和h分別表示待預(yù)測(cè)樣本和采集的行程數(shù)據(jù)，下標(biāo)q,i分別是待預(yù)測(cè)樣本和歷史數(shù)據(jù)的序號(hào)，輸入向量是由實(shí)時(shí)待預(yù)測(cè)和n個(gè)歷史行程數(shù)據(jù)yh組成的，∑y，分別是輸入向量y的協(xié)方差矩陣及其逆矩陣，分別是待測(cè)樣本與歷史數(shù)據(jù)的相似度和馬氏距離。
14、進(jìn)一步優(yōu)選地，在步驟s2中，所述近鄰的行程數(shù)據(jù)的數(shù)量k按照下列方式獲得：采用k折交叉驗(yàn)證法來(lái)選取最優(yōu)k值，比較不同的k值時(shí)的交叉驗(yàn)證平均誤差，選擇平均誤差最小的k值作為最終數(shù)量k。
15、進(jìn)一步優(yōu)選地，在步驟s2中，所述knn預(yù)測(cè)模型按照下列進(jìn)行：
16、
17、
18、其中，表示對(duì)待預(yù)測(cè)樣本預(yù)測(cè)的行程時(shí)間，k是最近鄰總個(gè)數(shù)，分別是待預(yù)測(cè)樣本和行程數(shù)據(jù)庫(kù)中第i個(gè)樣本的相似度及馬氏距離，分別是歷史數(shù)據(jù)中第i個(gè)最相似行程的行程時(shí)間及其權(quán)重。
19、按照本專(zhuān)利技術(shù)的另一個(gè)方面，提供了一種基于多維knn算法的行程時(shí)間預(yù)測(cè)系統(tǒng)，包括執(zhí)行器，該執(zhí)行器執(zhí)行上述所述的預(yù)測(cè)方法。
20、按照本專(zhuān)利技術(shù)的又一個(gè)方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述所述的預(yù)測(cè)方法。
21、總體而言，通過(guò)本專(zhuān)利技術(shù)所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，具備下列有益效果：
22、1.本專(zhuān)利技術(shù)提出基于多維knn的行程時(shí)間預(yù)測(cè)方法，通過(guò)實(shí)驗(yàn)仿真，充分利用海量網(wǎng)約車(chē)數(shù)據(jù)，綜合考慮歷史訂單od數(shù)據(jù)與待出行訂單的起始點(diǎn)與終點(diǎn)點(diǎn)的位置相似性、行駛路徑長(zhǎng)度、出發(fā)日期、出發(fā)時(shí)刻、天氣情況等多個(gè)因素對(duì)車(chē)輛行程時(shí)間的影響，從而實(shí)現(xiàn)更準(zhǔn)確的行程時(shí)間預(yù)測(cè)，旨在解決智能交通系統(tǒng)中對(duì)行程時(shí)間準(zhǔn)確、穩(wěn)定預(yù)測(cè)的需求，通過(guò)綜合考慮多個(gè)因素，提高行程時(shí)間預(yù)測(cè)的精度和可靠性；
23、2.本專(zhuān)利技術(shù)針對(duì)地點(diǎn)檢測(cè)器覆蓋范圍不廣、區(qū)間檢測(cè)器分布不均以及浮動(dòng)車(chē)系統(tǒng)數(shù)據(jù)稀疏等問(wèn)題，采用多維knn的方法進(jìn)行路徑行程時(shí)間做出預(yù)測(cè)，提高了預(yù)測(cè)結(jié)果的魯棒性與可靠性；
24、3.本專(zhuān)利技術(shù)中通過(guò)計(jì)算馬氏距離，尋找到與待測(cè)樣本最相似的數(shù)據(jù)，并加權(quán)形成新的數(shù)據(jù)，充分利用路網(wǎng)中所有的出行od數(shù)據(jù)，綜合考慮了影響行程時(shí)間的多維度信息，提高了預(yù)測(cè)準(zhǔn)確性和穩(wěn)定性；
25、4.本專(zhuān)利技術(shù)中分別從空間位置信息、時(shí)空信息和空間與天氣信息三個(gè)維度尋找與待測(cè)樣本相似的數(shù)據(jù)，全面捕捉數(shù)據(jù)的多維特征，這有助于提高對(duì)數(shù)據(jù)的理解和建模能力，使模型更好地適應(yīng)真實(shí)世界中復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，從而增強(qiáng)了模型的魯棒性和泛化性能。首先，不同的模型可以捕捉不同的特征，例如，在基于空間位置的knn中，模型可以更好地捕捉地理空間上的相似性；而時(shí)空信息則有助于考慮到數(shù)據(jù)的動(dòng)本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，該方法包括下列步驟：
2.如權(quán)利要求1所述的一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟S2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)和行駛距離。
3.如權(quán)利要求1所述的一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟S2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)、行駛距離、訂單時(shí)刻和訂單日期。
4.如權(quán)利要求1所述的一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟S2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)、行駛距離、訂單時(shí)刻、訂單日期和天氣狀況。
5.如權(quán)利要求1-4任一項(xiàng)所述的一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟S1中，所述采集行程數(shù)據(jù)時(shí)采取等距抽樣的方法。
6.如權(quán)利要求5所述的一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟S2中，所述相似度利用馬氏距離進(jìn)行計(jì)算，按照下列公式進(jìn)行：
7.如權(quán)利要求1所述的一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟S2中，所述近鄰的行程數(shù)據(jù)
8.如權(quán)利要求6所述的一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟S2中，所述KNN預(yù)測(cè)模型按照下列進(jìn)行：
9.一種基于多維KNN算法的行程時(shí)間預(yù)測(cè)系統(tǒng)，其特征在于，包括執(zhí)行器，該執(zhí)行器執(zhí)行權(quán)利要求1-8任一項(xiàng)所述的預(yù)測(cè)方法。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-8任一項(xiàng)所述的預(yù)測(cè)方法。
...【技術(shù)特征摘要】
1.一種基于多維knn算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，該方法包括下列步驟：
2.如權(quán)利要求1所述的一種基于多維knn算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟s2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)和行駛距離。
3.如權(quán)利要求1所述的一種基于多維knn算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟s2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)、行駛距離、訂單時(shí)刻和訂單日期。
4.如權(quán)利要求1所述的一種基于多維knn算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟s2中，選取的行程信息為起訖點(diǎn)位置坐標(biāo)、行駛距離、訂單時(shí)刻、訂單日期和天氣狀況。
5.如權(quán)利要求1-4任一項(xiàng)所述的一種基于多維knn算法的行程時(shí)間預(yù)測(cè)方法，其特征在于，在步驟s1中，所述采集行程數(shù)據(jù)時(shí)采取等距抽樣的方法。
6.如權(quán)利要求5所述的一種基于多維knn...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：時(shí)朝陽(yáng)，盧澳，王世鑫，朱哲文，陳騰達(dá)，王妮，
申請(qǐng)(專(zhuān)利權(quán))人：華中科技大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。