【技术实现步骤摘要】
本专利技术属于交通预测相关，更具体地，涉及一种基于多维knn算法的行程时间预测方法及系统。
技术介绍
1、行程时间作为道路交通状况的重要指标，在智能交通系统(its)中具有重要意义。准确、及时地预测行程时间，不仅可以为交通管理部门提供数据支持，帮助评估道路网络中的瓶颈路段，制定合理的交通管理与控制措施，还可以为出行者提供交通拥堵预警，帮助调整出行路线，保证出行者按时到达目的地，提高交通系统的运行效率。
2、目前，数据采集技术主要分为地点检测器、区间检测器和浮动车系统。常见的地点检测器包括环形线圈车辆检测器和视频车辆检测器，通过在特定位置部署这些检测器，获取车辆经过的速度与流量信息。区间检测器主要有自动车辆识别(avi)检测器和蓝牙车辆识别探测器，通过一组设备组之间的数据测量车辆在这个区间的行驶时间和平均速度。浮动车系统则利用安装在出租车或公交车上的gps装置记录车辆在道路网络中的位置、方向、速度信息，以评估交通状况。
3、然而，面对多样化数据，准确稳定地预测行程时间具有一定的挑战性。不同类型检测器也存在着各自的局...
【技术保护点】
1.一种基于多维KNN算法的行程时间预测方法，其特征在于，该方法包括下列步骤：
2.如权利要求1所述的一种基于多维KNN算法的行程时间预测方法，其特征在于，在步骤S2中，选取的行程信息为起讫点位置坐标和行驶距离。
3.如权利要求1所述的一种基于多维KNN算法的行程时间预测方法，其特征在于，在步骤S2中，选取的行程信息为起讫点位置坐标、行驶距离、订单时刻和订单日期。
4.如权利要求1所述的一种基于多维KNN算法的行程时间预测方法，其特征在于，在步骤S2中，选取的行程信息为起讫点位置坐标、行驶距离、订单时刻、订单日期和天气状况。
...【技术特征摘要】
1.一种基于多维knn算法的行程时间预测方法，其特征在于，该方法包括下列步骤：
2.如权利要求1所述的一种基于多维knn算法的行程时间预测方法，其特征在于，在步骤s2中，选取的行程信息为起讫点位置坐标和行驶距离。
3.如权利要求1所述的一种基于多维knn算法的行程时间预测方法，其特征在于，在步骤s2中，选取的行程信息为起讫点位置坐标、行驶距离、订单时刻和订单日期。
4.如权利要求1所述的一种基于多维knn算法的行程时间预测方法，其特征在于，在步骤s2中，选取的行程信息为起讫点位置坐标、行驶距离、订单时刻、订单日期和天气状况。
5.如权利要求1-4任一项所述的一种基于多维knn算法的行程时间预测方法，其特征在于，在步骤s1中，所述采集行程数据时采取等距抽样的方法。
6.如权利要求5所述的一种基于多维knn...
【专利技术属性】
技术研发人员：时朝阳，卢澳，王世鑫，朱哲文，陈腾达，王妮，
申请(专利权)人：华中科技大学，
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。