一种基于情境信息的交通状况预测方法、系统及装置制造方法及图纸

本发明专利技术公开了一种基于情境信息的交通状况预测方法、系统及装置，方法包括：获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据；采用聚类算法对得到的轨迹数据进行分类；根据轨迹数据的分类结果，生成待测道路的邻接道路；根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量；根据构建的特征向量，采用深度学习技术对待测道路的交通状况进行预测；系统包括获取模块、分类模块、生成模块、构建模块和预测模块；装置包括处理器和存储器。本发明专利技术的适用范围广且交通状况预测的准确度高，可广泛应用于智能交通领域。

【技术实现步骤摘要】
一种基于情境信息的交通状况预测方法、系统及装置
本专利技术涉及智能交通领域，尤其是一种基于情境信息的交通状况预测方法、系统及装置。
技术介绍
随着技术的发展，大数据应用于许多方面。例如，随着全球定位系统GPS的广泛采用，产生了大量的轨迹数据，这些数据不仅能够用来描述移动物体的移动历史，而且还可用来预测道路交通状况，尤其是在实时数据计算成本过于高昂，或缺少实时数据的时候。通常，地图服务提供商会用不同色彩来标注不同的路况，例如，红色表示实时路况拥堵，绿色表示实时路况畅顺，橙色表示实时行车缓慢。但是，这种只能显示实时路况的服务显然不够实用，人们亟需一种能够成功预测道路的未来交通状况的方法，比如预测未来十分钟该路段是否会发生拥堵，以方便人们作出最合理的路线规划，减少道路拥堵带来的时间浪费。
技术实现思路
为解决上述技术问题，本专利技术的目的在于：提供一种基于情境信息的交通状况预测方法、系统及装置，以预测道路的未来交通状况，进而方便人们作出最合理的路线规划，减少道路拥堵带来的时间浪费。本专利技术所采取的第一技术方案是：一种基于情境信息的交通状况预测方法，包括以下步骤：获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据；采用聚类算法对得到的轨迹数据进行分类；根据轨迹数据的分类结果，生成待测道路的邻接道路；根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量，其中，待测道路的情境信息包括待测道路的左右邻接道路、待测道路的历史交通状况和邻接道路的历史交通状况；根据构建的特征向量，采用深度学习技术对待测道路的交通状况进行预测。进一步，所述获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据这一步骤，包括以下步骤：对车辆GPS原始数据中的异常车速进行取代处理；对车辆GPS原始数据中的异常数据进行过滤处理；对车辆GPS原始数据中的遗失数据进行补零处理；对车辆GPS原始数据中的时间戳进行均值处理。进一步，所述采用聚类算法对得到的轨迹数据进行分类这一步骤，包括以下步骤：基于预设的时间段和轨迹数据中的时间戳，将得到的轨迹数据划分成一系列轨迹线段；采用层次聚类法对轨迹线段进行分类。进一步，所述根据轨迹数据的分类结果，生成待测道路的邻接道路这一步骤，包括以下步骤：获取每个簇的最小外接矩形；根据各个最小外接矩形之间的最短距离，得到待测道路与其它道路之间的距离；对待测道路与其它道路之间的距离进行排序；根据排序的结果，将若干条其它道路确定为邻接道路。进一步，所述根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量这一步骤，具体为：根据生成的邻接道路，获取待测道路的左情境信息和右情境信息，其中，所述左情境信息是指位于待测道路左边的邻接道路的历史交通状况，右情境信息是指位于待测道路右边的邻接道路的历史交通状况。进一步，所述根据构建的特征向量，采用深度学习技术对待测道路的交通状况进行预测这一步骤，包括以下步骤：采用定向递归神经网络来分别对左情境信息和右情境信息的情境向量进行捕捉；采用双曲正切函数对捕捉的结果进行线性变换；采用平均函数对线性变换的结果进行特征强化处理；通过下采样层减少模型训练数据的过拟合；通过全连接层将特征与激活函数进行结合；采用Softmax函数对待测道路的交通状况进行预测。进一步，还包括对道路交通状况的预测结果进行评价的步骤。进一步，所述对道路交通状况的预测结果进行评价这一步骤，包括以下步骤：对深度学习架构的性能进行评价；对情境信息的捕捉能力进行评价。本专利技术所采取的第二技术方案是：一种基于情境信息的交通状况预测系统，包括：获取模块，用于获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据；分类模块，用于采用聚类算法对得到的轨迹数据进行分类；生成模块，用于根据轨迹数据的分类结果，生成待测道路的邻接道路；构建模块，用于根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量，其中，待测道路的情境信息包括待测道路的左右邻接道路、待测道路的历史交通状况和邻接道路的历史交通状况；预测模块，用于根据构建的特征向量，采用深度学习技术对待测道路的交通状况进行预测。本专利技术所采取的第三技术方案是：一种基于情境信息的交通状况预测装置，包括：存储器，用于存储程序；处理器，用于加载程序，以执行如第一技术方案所述的一种基于情境信息的交通状况预测方法。本专利技术的有益效果是：本专利技术采用聚类算法对轨迹数据进行分类，能够分别对不同类别的道路进行预测处理，适用范围广；本专利技术采用基于情境信息来构建特征向量的方法，能够充分结合待测道路的情境条件，提高交通状况预测的准确度，能够方便人们作出最合理的路线规划，减少道路拥堵带来的时间浪费。附图说明图1为本专利技术一种基于情境信息的交通状况预测方法的步骤流程图；图2为本专利技术的实施例中道路分布的示意图；图3为本专利技术的深度学习架构示意图；图4为本专利技术实施例中四种道路状况的数据分布示意图。具体实施方式下面结合说明书附图和具体实施例对本专利技术作进一步解释和说明。对于本专利技术实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。参照图1，本专利技术一种基于情境信息的交通状况预测方法，包括以下步骤：获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据；采用聚类算法对得到的轨迹数据进行分类；根据轨迹数据的分类结果，生成待测道路的邻接道路；根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量，其中，待测道路的情境信息包括待测道路的左右邻接道路、待测道路的历史交通状况和邻接道路的历史交通状况；根据构建的特征向量，采用深度学习技术对待测道路的交通状况进行预测。进一步作为优选的实施方式，所述获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据这一步骤，包括以下步骤：对车辆GPS原始数据中的异常车速进行取代处理；对车辆GPS原始数据中的异常数据进行过滤处理；对车辆GPS原始数据中的遗失数据进行补零处理；对车辆GPS原始数据中的时间戳进行均值处理。进一步作为优选的实施方式，所述采用聚类算法对得到的轨迹数据进行分类这一步骤，包括以下步骤：基于预设的时间段和轨迹数据中的时间戳，将得到的轨迹数据划分成一系列轨迹线段；采用层次聚类法对轨迹线段进行分类。进一步作为优选的实施方式，所述根据轨迹数据的分类结果，生成待测道路的邻接道路这一步骤，包括以下步骤：获取每个簇的最小外接矩形；根据各个最小外接矩形之间的最短距离，得到待测道路与其它道路之间的距离；对待测道路与其它道路之间的距离进行排序；根据排序的结果，将若干条其它道路确定为邻接道路。进一步作为优选的实施方式，所述根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量这一步骤，具体为：根据生成的邻接道路，获取待测道路的左情境信息和右情境信息，其中，所述左情境信息是指位于待测道路左边的邻接道路的历史交通状况，右情境信息是指位于待测道路右边的邻接道路的历史交通状况。进一步作为优选的实施方式，所述根据构建的特征向量，采用深度学习技术对待测道路的交通状况进行预测这一步骤，包括以下步本文档来自技高网...

【技术保护点】
1.一种基于情境信息的交通状况预测方法，其特征在于：包括以下步骤：获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据；采用聚类算法对得到的轨迹数据进行分类；根据轨迹数据的分类结果，生成待测道路的邻接道路；根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量，其中，待测道路的情境信息包括待测道路的左右邻接道路、待测道路的历史交通状况和邻接道路的历史交通状况；根据构建的特征向量，采用深度学习技术对待测道路的交通状况进行预测。

【技术特征摘要】
1.一种基于情境信息的交通状况预测方法，其特征在于：包括以下步骤：获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据；采用聚类算法对得到的轨迹数据进行分类；根据轨迹数据的分类结果，生成待测道路的邻接道路；根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量，其中，待测道路的情境信息包括待测道路的左右邻接道路、待测道路的历史交通状况和邻接道路的历史交通状况；根据构建的特征向量，采用深度学习技术对待测道路的交通状况进行预测。2.根据权利要求1所述的一种基于情境信息的交通状况预测方法，其特征在于：所述获取车辆GPS原始数据，然后对车辆GPS原始数据进行预处理，得到道路的轨迹数据这一步骤，包括以下步骤：对车辆GPS原始数据中的异常车速进行取代处理；对车辆GPS原始数据中的异常数据进行过滤处理；对车辆GPS原始数据中的遗失数据进行补零处理；对车辆GPS原始数据中的时间戳进行均值处理。3.根据权利要求1所述的一种基于情境信息的交通状况预测方法，其特征在于：所述采用聚类算法对得到的轨迹数据进行分类这一步骤，包括以下步骤：基于预设的时间段和轨迹数据中的时间戳，将得到的轨迹数据划分成一系列轨迹线段；采用层次聚类法对轨迹线段进行分类。4.根据权利要求3所述的一种基于情境信息的交通状况预测方法，其特征在于：所述根据轨迹数据的分类结果，生成待测道路的邻接道路这一步骤，包括以下步骤：获取每个簇的最小外接矩形；根据各个最小外接矩形之间的最短距离，得到待测道路与其它道路之间的距离；对待测道路与其它道路之间的距离进行排序；根据排序的结果，将若干条其它道路确定为邻接道路。5.根据权利要求4所述的一种基于情境信息的交通状况预测方法，其特征在于：所述根据生成的邻接道路，通过生成待测道路的情境信息来构建特征向量这一步骤，具体为：根据生成的邻接道路，获取待测道路的左情境信...

【专利技术属性】
技术研发人员：黄昌勤，朱佳，赵美华，王昱，
申请(专利权)人：华南师范大学，佳都新太科技股份有限公司，
类型：发明
国别省市：广东,44