【技术实现步骤摘要】
一种个体行程时间短期预测方法、系统、装置及存储介质
本专利技术涉及交通数据处理
，尤其是一种个体行程时间短期预测方法、系统、装置及存储介质。
技术介绍
个体路段行程时间是反映驾驶员偏好、驾驶行为的差异的重要指标。与目前主流评价路段或是路网使用到的集计数据如路段平均行程时间、路网平均运行速度等指标不同，个体路段行程时间着重于体现个体差异性，更加精细化的管理车辆，通过大量数据对驾驶员偏好进行学习，可以得到不同驾驶员在不同路段处于不同交通状态下驾驶偏好。通过计算出来的驾驶偏好，可以为具有不同驾驶偏好的驾驶员推荐更佳的出行路径，提升城市路网运行效率。城市出行时间估计在交通运营和交通管理的各个层面都具有重要的意义。由于驾驶员之间存在着驾驶偏好及驾驶行为的差异，不同驾驶员在相似交通条件下通过同一路段的行程时间存在显著差异，同时又由于不同出行者信息获取方式差异如不同存在着使用导航依赖群体与非导航依赖群体，出行者对于道路状态的感知不尽相同。AVI数据具有全量数据的特点，在城市内部合理布设检测器，可以检测到几乎所有过车车辆，通过...
【技术保护点】
1.一种个体行程时间短期预测方法，其特征在于，包括：/n获取每个驾驶员在每个时间窗对应路段下的行程时间，构建个体出行数据集；/n基于每个时间窗下的平均行程时间及对应的出行交通量，计算各个时间窗下各个路段的交通状态；/n获取每个驾驶员在所述各个交通状态下的驾驶行为，确定每个驾驶员在各个交通状态下的驾驶偏好；/n根据所述各个时间窗下各个路段的交通状态对下一时间窗的交通状态进行预测；/n基于预测得到的下一时间窗的交通状态，结合所述驾驶员在各个交通状态下的驾驶偏好，确定驾驶员的路段行程时间预测值；/n对所述路段行程时间预测值进行误差分析，确定驾驶员的驾驶行为概率。/n
【技术特征摘要】
1.一种个体行程时间短期预测方法，其特征在于，包括：
获取每个驾驶员在每个时间窗对应路段下的行程时间，构建个体出行数据集；
基于每个时间窗下的平均行程时间及对应的出行交通量，计算各个时间窗下各个路段的交通状态；
获取每个驾驶员在所述各个交通状态下的驾驶行为，确定每个驾驶员在各个交通状态下的驾驶偏好；
根据所述各个时间窗下各个路段的交通状态对下一时间窗的交通状态进行预测；
基于预测得到的下一时间窗的交通状态，结合所述驾驶员在各个交通状态下的驾驶偏好，确定驾驶员的路段行程时间预测值；
对所述路段行程时间预测值进行误差分析，确定驾驶员的驾驶行为概率。
2.根据权利要求1所述的一种个体行程时间短期预测方法，其特征在于，所述获取每个驾驶员在每个时间窗对应路段下的行程时间，构建个体出行数据集，包括：
确定原始AVI数据的三元组，所述三元组的内容包括车辆身份标识、检测器标识和检测时间；
根据所述三元组，获取车辆在每个时间窗下经过各个检测器得到的检测序列；
对所述检测序列中的数据进行有效性筛选；
根据筛选得到的数据，构建个体出行数据的出行矩阵和速度矩阵。
3.根据权利要求1所述的一种个体行程时间短期预测方法，其特征在于，所述基于每个时间窗下的平均行程时间及对应的出行交通量，计算各个时间窗下各个路段的交通状态，包括：
获取各个时间窗下各个路段的交通量；
计算各个时间窗下各个路段的平均速度；
根据所述交通量和所述平均速度，确定各个时间窗下各个路段的初始交通状态；
根据所述初始交通状态，通过K-Means聚类方法获取各个路段下的聚类中心；
根据所述平均速度对所述各个路段下的聚类中心进行排序，构建各个路段的状态序列集合；
根据所述状态序列集合，计算各个时间窗下各个路段的交通状态。
4.根据权利要求1所述的一种个体行程时间短期预测方法，其特征在于，所述获取每个驾驶员在所述各个交通状态下的驾驶行为，确定每个驾驶员在各个交通状态下的驾驶偏好，包括：
计算各个时间窗下驾驶员在各个路段的初始驾驶偏好，并记录各个时间窗下各个路段所处的状态标记；
对处于不同状态标记下的初始驾驶偏好进行分组聚合，得到不同状态标记下的驾驶偏好集合；
根据所述驾驶偏好集合，计算驾驶员在各个路段上对应于不同状态下的驾驶偏好；
根据所述驾驶偏好，构建驾驶员偏好矩阵。
5.根据权利要求1所述的一种个体行程时间短期预测方法，其特征在于，所述根据所述各个时间窗下...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。