一种时间预测方法及装置制造方法及图纸

本发明专利技术提供一种时间预测方法及装置，涉及动态交通信息服务领域，能够在非正常的交通状况下，提高旅行时间预测的准确度。包括：将出发地至目的地间的路径划分为N条链路；根据N条链路中链路间的历史旅行时间相关度将N条链路划分为X个链路集合；获取X个链路集合中的每个链路集合对应的链路矩阵，历史时刻为预测时刻之前预设时间段内的时刻；对X个链路集合中的每个链路集合对应的链路矩阵进行ARIMA训练得到X个链路集合在预测时刻的旅行时间；获取X个链路集合在预测时刻的旅行时间之和作为预测时刻出发地至目的地间的旅行预测时间。所述时间预测方法及装置用于旅行时间的预测。

【技术实现步骤摘要】
一种时间预测方法及装置
本专利技术涉及动态交通信息服务领域，尤其涉及一种时间预测方法及装置。
技术介绍
旅行时间预测是交通信息服务的重要组成部分，通过旅行时间预测，不仅可以有效地进行动态路径规划，从而规避拥堵点，还可以合理地规划出发时间，规避拥堵时间段。路链旅行时间历史数据按星期特征日和一天内各时间段呈现出周期性特征，且在时间上呈现出较为明显的连续性特征，因此基于时间序列的路链旅行时间预测较为普遍。其总的思想和方法为：首先提取出某一具体路链在各星期特征日各时间段的旅行时间均值，然后将历史旅行时间与该均值做差分，得到一个平稳的时间序列，最后对该平稳时间序列用自回归模型或移动自回归模型进行建模和预测。由于正常情况下的交通状况其统计特性并不随时间的变化而改变，以上方法对于正常的交通状况的预测较为准确，所述正常的交通状况即没有出现事故以及大型活动等特殊情况下的交通状况。但是，当今的城市交通由于经常受到事件的影响，其统计特性并不稳定，城市交通状况呈现在空间上的相关性，即下游路链如果发生拥堵，则拥堵会沿其相邻路链向上游传递，按照上述方法差分后的时间序列很难满足平稳性要求，因此在非正常的交通状况下本文档来自技高网...

【技术保护点】
一种时间预测方法，其特征在于，包括：将出发地至目的地间的路径划分为N条链路，所述N大于或等于2；根据所述N条链路中链路间的历史旅行时间相关度将所述N条链路划分为X个链路集合，所述X小于或等于所述N；获取所述X个链路集合中的每个链路集合对应的链路矩阵，每个所述链路集合对应的链路矩阵由所述链路集合中所有链路的m个历史时刻的旅行时间组成，所述历史时刻为预测时刻之前预设时间段内的时刻；对所述X个链路集合中的每个链路集合对应的链路矩阵进行差分自回归移动平均模型ARIMA训练得到所述X个链路集合在预测时刻的旅行时间；获取所述X个链路集合在预测时刻的旅行时间之和作为所述预测时刻所述出发地至目的地间的旅行预测...

【技术特征摘要】
1.一种时间预测方法，其特征在于，包括：将出发地至目的地间的路径划分为N条链路，所述N大于或等于2；根据所述N条链路中链路间的历史旅行时间相关度将所述N条链路划分为X个链路集合，所述X小于或等于所述N；获取所述X个链路集合中的每个链路集合对应的链路矩阵，每个所述链路集合对应的链路矩阵由所述链路集合中所有链路的m个历史时刻的旅行时间组成，所述历史时刻为预测时刻之前预设时间段内的时刻；对所述X个链路集合中的每个链路集合对应的链路矩阵进行差分自回归移动平均模型ARIMA训练得到所述X个链路集合在预测时刻的旅行时间；获取所述X个链路集合在预测时刻的旅行时间之和作为所述预测时刻所述出发地至目的地间的旅行预测时间。2.根据权利要求1所述的方法，其特征在于，所述N条链路由第1至第N链路组成，所述根据所述N条链路中链路间的历史旅行时间相关度将所述N条链路划分为X个链路集合包括：获取所述N条链路中每任意两条链路的历史旅行时间相关度；根据所述N条链路中每任意两条链路的历史旅行时间相关度生成至少一个第一链路集合和/或至少一个第二链路集合，所述第一链路集合中链路顺序相连，且任意两条链路的历史旅行时间相关度大于或等于预设阈值，所述第二链路集合中的链路与所述N条链路中的任意一条链路的历史旅行时间相关度都小于所述预设阈值；其中，生成的链路集合的个数为所述X。3.根据权利要求1所述的方法，其特征在于，所述获取所述X个链路集合中的每个链路集合对应的链路矩阵包括：获取第三链路集合对应的链路矩阵，所述第三链路集合为所述X个链路集合中的任意一个链路集合，所述链路矩阵共m行n列，所述m为所述预测时刻之前所述预设时间段内的历史时刻的个数，每相邻的两个所述历史时刻的间隔为预设间隔，所述预测时刻与第一历史时刻的间隔为所述预设间隔，所述n为所述第三链路集合中链路的个数，所述第一历史时刻为所述预测时刻之前的历史时刻中与所述预测时刻最接近的历史时刻。4.根据权利要求3所述的方法，其特征在于，所述对所述X个链路集合中的每个链路集合对应的链路矩阵进行差分自回归移动平均模型ARIMA训练得到所述X个链路集合在预测时刻的旅行时间包括：将所述第三链路集合对应的链路矩阵中，每相邻的两行中后一行的数据减去前一行的数据得到差分矩阵，所述差分矩阵共m-1行n列；将所述差分矩阵划分为至少k组差分数据，使得第w组差分数据包括所述差分矩阵的第w至第k+w+1行的向量，1≤w≤k；分别将每组所述差分数据输入ARIMA训练得到所述第三链路集合对应的训练参数组，所述ARIMA为：其中，所述ΔTt为历史时刻t对应的所述差分矩阵的差分向量，所述βi为所述差分数据的第i行的训练参数，2k小于或等于所述m-1，所述第三链路集合对应的训练参数组由β1至βk组成；根据所述训练参数组和所述差分矩阵确定第三链路集合对应的预测时刻的差分向量；获取所述第三链路集合对应的预测时刻的差分向量与所述第一历史时刻对应的向量之和作为所述预测时刻的第三链路集合的旅行时间。5.根据权利要求4所述的方法，其...

【专利技术属性】
技术研发人员：陈驭龙，黄震，张维成，
申请(专利权)人：北京世纪高通科技有限公司，
类型：发明
国别省市：北京;11