System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及交通,尤其涉及一种车辆到达时间预测方法、装置、电子设备及存储介质。
技术介绍
1、公交车辆是重要的公共交通工具之一。随着交通技术的发展,对公交服务的质量和效率提出了更高的要求,也越来越多的关注乘客的出行体验和满意度。其中,能够及时准确地预测车辆的到达时间,可以改善公交服务质量、提升用户体验。
2、现有技术中,一般利用历史数据中的统计特征或规律,如平均速度、平均行驶时间、平均停留时间等,来预测车辆的到站时间。然而,这种方式不能适应动态变化的交通环境,预测结果容易出现偏差或误差,导致车辆到达时间预测准确性较差。
技术实现思路
1、本专利技术实施例提供了一种车辆到达时间预测方法、装置、电子设备及存储介质,以解决现有技术中车辆到达时间预测准确性较差的问题。
2、为解决上述技术问题,本专利技术是这样实现的:
3、第一方面,本专利技术实施例提供了一种车辆到达时间预测方法,所述方法包括:
4、获取目标车辆的公交数据,所述公交数据包括所述目标车辆从起始站点开始的位置信息以及对应的时间信息;
5、对所述公交数据以时间维度和空间维度进行划分,得到多个第一数据单元和多个第二数据单元,所述多个第一数据单元为以时间维度划分的多个数据单元,所述多个第二数据单元为以空间维度划分的多个数据单元;
6、根据所述多个第一数据单元,得到所述公交数据的时序特征向量;
7、根据所述时序特征向量和所述公交数据的时空单元,得到所述
8、根据所述时空特征向量,预测所述目标车辆行驶至目标站点的时间。
9、可选地,所述时空单元的生成方式包括:
10、将所述多个第一数据单元与所述多个第二数据单元进行交叉处理,得到所述时空单元。
11、可选地,所述将所述多个第一数据单元与所述多个第二数据单元进行交叉处理,得到所述时空单元,包括:
12、将所述多个第一数据单元与所述多个第二数据单元进行交叉处理,得到交叉数据单元;
13、对所述交叉数据单元中的数据进行归一化处理,得到所述时空单元。
14、可选地,所述根据所述多个第一数据单元,得到所述公交数据的时序特征向量,包括:
15、基于时间网络模型对所述多个第一数据单元进行特征提取,得到时序特征向量;
16、其中,所述时间网络模型包括嵌入层和时间块timesblock,所述嵌入层用于将输入的每个第一数据单元中的数据转换为深度特征向量,所述timesblock用于确定所述多个第一数据单元的周期属性,以及确定所述多个第一数据单元的二维时序变化。
17、可选地,所述根据所述时序特征向量和所述公交数据的时空单元,得到所述公交数据的时空特征向量,包括:
18、基于所述时空单元在时间维度上的数据,对所述时序特征向量进行卷积处理,得到时间融合特征;
19、基于所述时空单元在空间维度上的数据,对所述时序特征向量进行卷积处理,得到空间融合特征;
20、将所述时间融合特征和所述空间融合特征进行拼接处理,得到所述公交数据的时空特征向量。
21、可选地,所述基于所述时空单元在时间维度上的数据,对所述时序特征向量进行卷积处理,得到时间融合特征,包括:
22、基于所述时空单元在时间维度上的数据,对所述时序特征向量进行卷积处理,得到时间卷积层输出的第一结果;
23、将计算得到的时间注意力权重与所述第一结果进行逐元素点乘,得到时间融合特征;
24、所述基于所述时空单元在空间维度上的数据,对所述时序特征向量进行卷积处理,得到空间融合特征,包括:
25、基于所述时空单元在空间维度上的数据,对所述时序特征向量进行卷积处理,得到空间卷积层输出的第二结果;
26、将计算得到的空间注意力权重与所述第二结果进行逐元素点乘,得到空间融合特征。
27、可选地,所述根据所述时空特征向量,预测所述目标车辆行驶至目标站点的时间,包括:
28、利用神经网络模型对所述时空特征向量进行预测,确定所述目标车辆行驶至目标站点的时间。
29、第二方面,本专利技术实施例还提供了一种车辆到达时间预测装置,所述装置包括:
30、获取模块,用于获取目标车辆的公交数据,所述公交数据包括所述目标车辆从起始站点开始的位置信息以及对应的时间信息;
31、划分模块,用于对所述公交数据以时间维度和空间维度进行划分,得到多个第一数据单元和多个第二数据单元,所述多个第一数据单元为以时间维度划分的多个数据单元,所述多个第二数据单元为以空间维度划分的多个数据单元;
32、第一确定模块,用于根据所述多个第一数据单元,得到所述公交数据的时序特征向量;
33、第二确定模块,用于根据所述时序特征向量和所述公交数据的时空单元,得到所述公交数据的时空特征向量,所述时空单元基于所述多个第一数据单元和所述多个第二数据单元生成;
34、预测模块,用于根据所述时空特征向量,预测所述目标车辆行驶至目标站点的时间。
35、第三方面,本专利技术实施例还提供了一种电子设备,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如第一方面所述的车辆到达时间预测方法的步骤。
36、第四方面,本专利技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的车辆到达时间预测方法的步骤。
37、本专利技术实施例中,以时间维度对公交数据进行划分得到第一数据单元,并且以空间维度对公交数据进行划分得到第二数据单元,然后根据第一数据单元得到公交数据的时序特征向量,以确定公交数据的周期性特征以及时序变化,进一步根据时序特征向量和基于第一数据单元和第二数据单元得到的时空单元,将公交数据的时序特征与空间特征关联,确定公交数据的时空特征向量,增加了公交数据的维度和信息量。这样,根据时空特征向量预测目标车辆行驶至目标站点的时间的过程中,能够适应动态变化的交通环境,提升了预测结果的准确性。
本文档来自技高网...【技术保护点】
1.一种车辆到达时间预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述时空单元的生成方式包括:
3.根据权利要求2所述的方法,其特征在于,所述将所述多个第一数据单元与所述多个第二数据单元进行交叉处理,得到所述时空单元,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述多个第一数据单元,得到所述公交数据的时序特征向量,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述时序特征向量和所述公交数据的时空单元,得到所述公交数据的时空特征向量,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述时空单元在时间维度上的数据,对所述时序特征向量进行卷积处理,得到时间融合特征,包括:
7.根据权利要求1所述的方法,其特征在于,所述根据所述时空特征向量,预测所述目标车辆行驶至目标站点的时间,包括:
8.一种车辆到达时间预测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并可在所述处
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的车辆到达时间预测方法的步骤。
...【技术特征摘要】
1.一种车辆到达时间预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述时空单元的生成方式包括:
3.根据权利要求2所述的方法,其特征在于,所述将所述多个第一数据单元与所述多个第二数据单元进行交叉处理,得到所述时空单元,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述多个第一数据单元,得到所述公交数据的时序特征向量,包括:
5.根据权利要求1所述的方法,其特征在于,所述根据所述时序特征向量和所述公交数据的时空单元,得到所述公交数据的时空特征向量,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述时空单元在时间维度上的数据...
【专利技术属性】
技术研发人员:荣维尧,高永,
申请(专利权)人:北京交研智慧科技有限公司,
类型:发明
国别省市:
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。