一种移动轨迹大数据驱动的乘客等待时间预测方法及系统技术方案

本申请公开了一种移动轨迹大数据驱动的乘客等待时间预测方法、系统、装置以及存储介质，用于对预约出租车等网约车之后的等待时间进行预测，提升乘客等待时间预测的精确性。本申请方法包括：采集车辆的移动轨迹数据；根据移动轨迹数据提取车辆的上下客的热点数据；根据移动轨迹数据将上下客数据划分为双向车道的热点数据，双向车道的热点数据包括第一车道对应的第一热点数据和第二车道对应的第二热点数据，第一车道与第二车道为对向车道；根据第一热点数据生成第一等待时间序列，以及根据第二热点数据生成第二等待时间序列；将第一等待时间序列和第二等待时间序列输入至预配置的神经网络模型，得到等待时间的预测结果。得到等待时间的预测结果。得到等待时间的预测结果。

【技术实现步骤摘要】
一种移动轨迹大数据驱动的乘客等待时间预测方法及系统


[0001]本申请涉及数据处理领域，尤其涉及一种移动轨迹大数据驱动的乘客等待时间预测方法、系统、装置及存储介质。

技术介绍

[0002]伴随数据技术(DT,Data Technology)的迅猛发展，移动轨迹大数据挖掘分析已成为解决交通拥堵等城市问题的新理念和新实践，应用大数据方法和技术有助于实现人
‑
自然
‑
环境的和谐发展，提高城市的宜居程度，为实施智能交通的精准管理提供基于数据证据的综合决策。但是随着交通大数据呈指数级增长，传统方法和技术已不能满足大规模交通数据的存储和计算需求。同时，在复杂城市道路交通系统中的现实道路主要以双向车道为主，而传统的乘客等待时间预测方法将不同道路的不同方向混为同一方向进行预测，极大地降低了模型预测精度和实用性，导致预测结果偏差较大。近年来，并行分布式计算为移动轨迹大数据的深度挖掘和高效分析提供了新途径。

技术实现思路

[0003]为了解决上述技术问题，本申请提供了一种移动轨迹大数据驱动的乘客等待时间预测方法、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动轨迹大数据驱动的乘客等待时间预测方法，其特征在于，所述方法包括：采集车辆的移动轨迹数据；根据所述移动轨迹数据提取所述车辆的上下客热点数据；根据所述移动轨迹数据将所述上下客热点数据划分为双向车道的热点数据，所述双向车道的热点数据包括第一车道对应的第一热点数据和第二车道对应的第二热点数据，所述第一车道与所述第二车道为对向车道；根据所述第一热点数据生成第一等待时间序列，以及根据所述第二热点数据生成第二等待时间序列；将所述第一等待时间序列和所述第二等待时间序列输入至预配置的神经网络模型，得到等待时间的预测结果。2.根据权利要求1中所述的移动轨迹大数据驱动的乘客等待时间预测方法，其特征在于，所述热点数据包括经纬度数据、时间数据和GPS方位数据，所述根据所述移动轨迹数据提取所述车辆的上下客热点数据包括：在所述移动轨迹数据中提取所述车辆为预设运营状态的目标轨迹数据；根据所述目标轨迹数据提取出所述经纬度数据、所述时间数据和所述GPS方位数据。3.根据权利要求2中所述的移动轨迹大数据驱动的乘客等待时间预测方法，其特征在于，所述移动轨迹数据被存储于分布式文件系统HDFS，所述在所述移动轨迹数据中提取所述车辆为预设运营状态的目标轨迹数据包括：读取所述HDFS中的移动轨迹数据并转换为弹性分布式数据RDD；对所述RDD进行过滤，得到保留数据，所述保留数据中包括车辆ID以及运营状态；依据所述车辆ID对所述保留数据进行排序，并提取相同车辆ID的运营状态为预设运营状态的移动轨迹数据，得到目标轨迹数据。4.根据权利要求1中所述的移动轨迹大数据驱动的乘客等待时间预测方法，其特征在于，所述热点数据包括经纬度数据、时间数据和GPS方位数据，所述根据所述移动轨迹数据将所述热点数据划分为双向车道的热点数据包括：根据所述GPS方位数据在预设的虚拟直角坐标系中确定所述车辆的行驶方向；根据所述行驶方向将所述热点数据划分为双向车道的热点数据。5.根据权利要求4中所述的移动轨迹大数据驱动的乘客等待时间预测方法，其特征在于，所述根据所述GPS方位数据在预设的虚拟直角坐标系中确定所述车辆的行驶方向包括：将位于虚拟直角坐标系中0
°
至180
°
的GPS方位确定为第一行驶方向；将位于虚拟直角坐标系中...

【专利技术属性】
技术研发人员：夏大文，郑永玲，李华青，白宇，蒋顺英，杨楠，蔡静，赵建兴，邓丽，林开彬，
申请(专利权)人：贵州民族大学，
类型：发明
国别省市：