行驶时间预测方法和装置、以及相关终端设备的制作方法

文档序号:6735157阅读:236来源:国知局
行驶时间预测方法和装置、以及相关终端设备的制作方法
【专利摘要】本发明公开了一种行驶时间预测方法和装置、以及相关终端设备。本发明的行驶时间预测方法包括:根据历史数据和实时数据估计当前时间的下一时间段特定路程的交通状态;建立受交通状态影响的时变动态线性模型,其中用时变参数反映交通流量的动态性质,用自调整调节因子反映交通流量的随机性质;根据估计出的交通状态调整所述时变动态线性模型中的时变参数,从而预测出所述下一时间段特定路程的行驶时间。根据本发明的一个方面的行驶时间预测方法和装置能够根据当前交通流的动态和随机状况灵活地估计出当前时间的下一时间段特定路程的行驶时间。
【专利说明】行驶时间预测方法和装置、以及相关终端设备

【技术领域】
[0001] 本发明涉及交通流量控制,更具体地,涉及一种行驶时间预测方法和装置、以及相 关终端设备。

【背景技术】
[0002] 由于交通网络中越来越大的交通流量需求,交通流量控制成为现代社会交通管理 的一个重要部分。
[0003] 因此,一种叫做短时行驶时间预测的技术正变得越来越重要。它一般是每隔一段 时间(一般不超过30分钟),预测在当前时间的下一时间段特定路程的行驶时间。它可以用 在以下两种典型的场景中:第一,它可以用在路线向导系统中,帮助乘客选择一条到达目的 地耗时最短的路线;第二,它可以用在交通局的交通状况监控系统中,帮助交通局监控交通 状况,以采取合适的疏导措施。
[0004] 现有的短时行驶时间预测技术主要可以分为两类,其中一类采用时序方法,另一 类采用智能方法。
[0005] 时序方法的一个例子是ARIMA模型。ARIMA模型对不同的时间段(例如早高峰时间 段和晚高峰时间段)采用不同的行驶时间预测模型。它保存当前时间之前若干时间段的特 定路程的行驶时间作为历史数据,总结历史数据的趋势,得到当前时间的下一时间段的特 定路程的行驶时间。公式表示为
[0006] Xt=a1Xt_1+a 2Xt_2+......+apXt_ p+et+c1et_1+......+c qet_q
[0007] 其中Xt表示当前时间的下一时间段的特定路程的行驶时间,Xt_i表示当前时间的 前一时间段的特定路程的行驶时间,……,Xt_p表示当前时间的前p时间段的特定路程的行 驶时间;%,a2……ap分别表示对于当前时间的前1至p时间段的固定常系数;et表示估计 Xt的误差,et _丨表不估计Xt _丨的误差,......,et _ ^表不估计Xtq的误差;q,c2......表不 对应于et -^ et_2......et + q的固定常系数。
[0008] 例如,每5分钟预测一次当前时间的下一时间段的特定路程的行驶时间,当前时 间是上午9 :00。9 :00 - 9 :05之间从点A行驶到点B的行驶时间是12分钟,此时Xt = 12 分钟。假设P=4,XHatfXt-pXH分别表示 8 :55 - 9 :00、8 :50 - 8 :55、8 :45 - 8 :50、8 : 40 - 8 :45从从点A行驶到点B的行驶时间。根据这些历史记录,就能预测出Xt的值。 [0009] ARIMA模型例如对于在早7 :00 -9 :00的早高峰采用一套ai,a2……ajPcpC^…… cq系数,对于在晚17 :00 - 19 :00的晚高峰采用一套&1,a2……ar^PCl,c2……cq系数,对 于普通时段采用一套叫,a2……ap和Cl,c2……cq系数。但实际上,尤其在大城市,交通峰值 时间段是随机的。交通峰值可能出现在任何地方、任何时间。早/晚高峰的模型是脱离现 实的,它不能进行自适应的调整。这种预测是粗粒度的。它不能对同一时间段的交通流的 动态和随机性质建模,不能反映交通流的动态和随机性质。
[0010] 智能方法的一个例子是人工智能网络模型(ANN)。人工智能网络模型具有自学习 能力。它学习以前出现的交通流。当以前出现过一个各种交通流参数与现在的交通流参数 可类比的情况的时候,它就按照以前出现的情况估计出当前时间的下一时间段特定路程的 行驶时间。它的缺点是对于以前没有出现过类型情况的交通流无能为力。它不能根据当前 交通流的动态和随机状况灵活地估计出当前时间的下一时间段特定路程的行驶时间。


【发明内容】

[0011] 本发明解决的一个问题是提供一种行驶时间预测方法和装置,它能根据当前交通 流的动态和随机状况灵活地估计出当前时间的下一时间段特定路程的行驶时间。
[0012] 根据本发明的一个方面,提供了一种行驶时间预测方法,包括:根据历史数据和实 时数据估计当前时间的下一时间段特定路程的交通状态;建立受交通状态影响的时变动态 线性模型,其中用时变参数反映交通流量的动态性质,用自调整调节因子反映交通流量的 随机性质;根据估计出的交通状态调整所述时变动态线性模型中的时变参数,从而预测出 所述下一时间段特定路程的行驶时间。
[0013] 根据本发明的另一个方面,提供了一种行驶时间预测装置,包括:交通状态估计 器,被配置为根据历史数据和实时数据估计当前时间的下一时间段特定路程的交通状态; 时变动态线性模型建立器,被配置为建立受交通状态影响的时变动态线性模型,其中用时 变参数反映交通流量的动态性质,用自调整调节因子反映交通流量的随机性质;行驶时间 预测器,被配置为根据估计出的交通状态调整所述时变动态线性模型中的时变参数,从而 预测出所述下一时间段特定路程的行驶时间。
[0014] 根据本发明的另一个方面,提供了一种路线向导系统,包括如上所述的行驶时间 预测装置。
[0015] 根据本发明的另一个方面,提供了一种交通状况监控系统,包括如上所述的行驶 时间预测装置。
[0016] 根据本发明的一个方面的行驶时间预测方法和装置能够根据当前交通流的动态 和随机状况灵活地估计出当前时间的下一时间段特定路程的行驶时间。

【专利附图】

【附图说明】
[0017] 通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其 它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号 通常代表相同部件。
[0018] 图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框 图。
[0019] 图2示出了根据本发明的一个实施例的行驶时间预测方法的流程图。
[0020] 图3示出了图2的步骤S 3中根据估计出的交通状态调整所述时变线性模型中的 时变参数,从而预测出当前时间的下一时间段特定路程的行驶时间的详细过程。
[0021] 图4示出了根据本发明的一个实施例的行驶时间预测装置的框图。
[0022] 图5示出了根据本发明的一个实施例的路线向导系统的框图。
[0023] 图6示出了根据本发明的一个实施例的交通状况监控系统的框图。

【具体实施方式】
[0024] 下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开 的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方 式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的 范围完整地传达给本领域的技术人员。
[0025] 所属【技术领域】的技术人员知道,本发明可以实现为系统、方法或计算机程序产品。 因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括 固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为"电路"、"模 块"或"系统"。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质 中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
[0026] 可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计 算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是--但不限 于--电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算 机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便 携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储 器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、 或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程 序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0027] 计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号, 其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括--但 不限于--电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是 计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者 传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0028] 计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括--但不限 于--无线、电线、光缆、RF等等,或者上述的任意合适的组合。
[0029] 可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机 程序代码,所述程序设计语言包括面向对象的程序设计语言一诸如Java、Smalltalk、C++, 还包括常规的过程式程序设计语言一诸如" C"语言或类似的程序设计语言。程序代码可以 完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部 分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在 涉及远程计算机的情形中,远程计算机可以通过任意种类的网络--包括局域网(LAN)或 广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提 供商来通过因特网连接)。
[0030] 下面将参照本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或 框图描述本发明。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方 框的组合,都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专 用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,这些计算机程序指 令通过计算机或其它可编程数据处理装置执行,产生了实现流程图和/或框图中的方框中 规定的功能/操作的装置。
[0031] 也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置 以特定方式工作的计算机可读介质中,这样,存储在计算机可读介质中的指令就产生出一 个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instruction means)的制造品(manufacture)。
[0032] 也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备 上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计 算机实现的过程,从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图 和/或框图中的方框中规定的功能/操作的过程。
[0033] 图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框 图。图1显示的计算机系统/服务器12仅仅是一个示例,不应对本发明实施例的功能和使 用范围带来任何限制。
[0034] 如图1所示,计算机系统/服务器12以通用计算设备的形式表现。计算机系统 /服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器 28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0035] 总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器, 外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举 例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC) 总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
[0036] 计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是 任何能够被计算机系统/服务器12访问的可用介质,包括易失性和非易失性介质,可移动 的和不可移动的介质。
[0037] 系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存 取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其 它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34 可以用于读写不可移动的、非易失性磁介质(图1未显示,通常称为"硬盘驱动器")。尽管图 1中未示出,可以提供用于对可移动非易失性磁盘(例如"软盘")读写的磁盘驱动器,以及对 可移动非易失性光盘(例如⑶-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些 情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以 包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被 配置以执行本发明各实施例的功能。
[0038] 具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器 28中,这样的程序模块42包括--但不限于--操作系统、一个或者多个应用程序、其它 程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程 序模块42通常执行本发明所描述的实施例中的功能和/或方法。
[0039] 计算机系统/服务器12也可以与一个或多个外部设备14 (例如键盘、指向设备、 显示器24等)通信,还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设 备通信,和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的 任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口 22 进行。并且,计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如 局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20 通过总线18与计算机系统/服务器12的其它模块通信。应当明白,尽管图中未示出,可以 结合计算机系统/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱 动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
[0040] 下面先简述本发明的原理。
[0041] 现有技术的时序方法中的公式 Xt=a1Xt_1+a2X t_2+......+apXt_p+e t+c1et_1+......+cqe t_q 的 一个缺陷在于它的系数a:、a2、……、ap、 Cl、……、cq等都是固定的,因而不能反映当前交 通流的动态和随机状况。因此,本发明使这些系数都是时变的,因此反映出当前交通流的可 预测的扰动,并为不可预测的扰动增加若干可调整调节因子项,以反映当前交通流的不可 预测的扰动。这样,就可以将行驶时间预测看成反映交通流波动的动态和随机性质的时变 随机过程,引入贝叶斯预测模型进行精确和实时的求解。
[0042] 本发明修改后的求解当前时间的下一时间段特定路程的行驶时间的公式为 Xt=a1(t)Xt_1+a 2(t)Xt_2+......+ap(t)Xt_ p+et+c1(t)et_1+......+c q (t) e^+bi (t) ut_!+......+bx (t) Ug,其中Uh、……分别表示第1至1个可调整调节因子,bjt)、……、bi(t)分别表 示它们的时变系数。可见,该公式与现有技术的公式的区别在于:首先,系数%、a2、……、 ap、 Cl、……、cq等变成时变系数;另外,增加了与可调整调节因子相关的项131(〇1^_ 1+…… +b1(t)ut_1〇
[0043] 另外,本发明人发现,特定路程的行驶时间的波动与交通状态发生跃迁有很大关 系。在交通状态发生跃迁的时候(例如交通状态从自由流跃迁到拥塞),特定路程的行驶时 间的波动很大;一旦进入某个稳定状态(例如拥塞状态),特定路程的行驶时间的波动很小 并遵守某些规则。
[0044] 交通状态例如可以定义为三种:自由流状态、中间状态、拥塞状态。拥塞状态意味 着在时间段内在特定路程上车辆拥塞行驶缓慢,自由流状态意味着在时间段内在特定路程 上车辆畅通无阻地行驶,中间状态意味着未发生拥塞、但有时需要等待前面的车辆行驶的 未达到畅通无阻的状态。当然,也可以有其它的定义方式。
[0045] 因此,本发明可以利用交通状态的变化反映交通流的波动,以触发时变随机预测 模型的调整。例如,当交通状态从一种状态跃迁到另一种状态时,可以触发时变系数ajt)、 a2(t)、......> ap(t) >bi(t) > ......>b1(t)>c1(t)> ......、(^(t)等的一次变化。
[0046] 图2示出了根据本发明的一个实施例的行驶时间预测方法的流程图。图2的行驶 时间预测方法包括:在步骤S 1,根据历史数据和实时数据估计当前时间的下一时间段特 定路程的交通状态;在步骤S 2,建立受交通状态影响的时变动态线性模型,其中用时变参 数反映交通流量的动态性质,用自调整调节因子反映交通流量的随机性质;在步骤S 3,根 据估计出的交通状态调整所述时变动态线性模型中的时变参数,从而预测出所述下一时间 段特定路程的行驶时间。
[0047] 根据一个实施例,在步骤S1中,按照如下过程根据历史数据和实时数据估计当前 时间的下一时间段特定路程的交通状态。
[0048] 车辆在行驶时的扰动可分为两种:可测量扰动和不可测量扰动。可测量扰动例如 下雨等,不可测量扰动例如驾驶员的心情等。统计上发现,可测量扰动与交通状态之间发生 跃迁的概率有很大关系。例如,下小雨时,从自由流状态跃迁为中间状态的概率是60%,跃迁 到拥塞状态的概率是30%,状态不变的概率是10%。因此,可以作出下小雨时的交通状态 跃迁矩阵为:

【权利要求】
1. 一种行驶时间预测方法,包括: 根据历史数据和实时数据估计当前时间的下一时间段特定路程的交通状态; 建立受交通状态影响的时变动态线性模型,其中用时变参数反映交通流量的动态性 质,用自调整调节因子反映交通流量的随机性质; 根据估计出的交通状态调整所述时变动态线性模型中的时变参数,从而预测出所述下 一时间段特定路程的行驶时间。
2. 根据权利要求1的行驶时间预测方法,其中根据历史数据和实时数据估计当前时间 的下一时间段特定路程的交通状态包括: 测量当前的可测量扰动状态; 根据当前的可测量扰动状态,计算与该当前的可测量扰动状态对应的交通状态跃迁概 率矩阵,该交通状态跃迁概率矩阵记录着在该当前的可测量扰动状态下从任一交通状态跃 迁到任一交通状态的概率; 根据当前时间前一时间段特定路程的交通状态和该交通状态跃迁概率矩阵估计所述 下一时间段特定路程的交通状态。
3. 根据权利要求2的行驶时间预测方法,其中根据当前时间前一时间段特定路程的交 通状态和该交通状态跃迁概率矩阵估计所述下一时间段特定路程的交通状态包括: 根据当前时间前一时间段特定路程的交通状态和该交通状态跃迁概率矩阵计算所述 下一时间段特定路程的交通处于不同交通状态的概率; 如果在计算出的所述不同交通状态的概率中与当前时间段的交通状态相同的交通状 态的概率大于特定阔值,则认为所述下一时间段特定路程的交通状态与当前时间段的交通 状态相同;否则,选择计算出的所述不同交通状态的概率中概率最大的交通状态作为所述 下一时间段特定路程的交通状态。
4. 根据权利要求1的行驶时间预测方法,其中 建立受交通状态影响的时变动态线性模型包括:建立时变参数矩阵向量和实体项向 量,并使所述下一时间段特定路程的行驶时间为时变参数矩阵向量和实体项向量的函数, 其中实体项向量反映当前时间前的若干时间段特定路程的行驶时间、当前时间前的若干时 间段行驶时间估计误差、W及自调整调节因子,时变参数矩阵向量反映实体项向量中各实 体项的系数,为时变参数; 根据估计出的交通状态调整所述时变动态线性模型中的时变参数从而预测出所述下 一时间段特定路程的行驶时间包括:根据估计出的交通状态调整时变参数矩阵向量,并将 服从正态分布的实体项向量和调整后的时变参数矩阵向量代入贝叶斯预测模型,从而求出 所述下一时间段特定路程的行驶时间。
5. 根据权利要求4的行驶时间预测方法,其中一旦得出所述下一时间段特定路程的行 驶时间的新观察值,将其引入贝叶斯预测模型中调整实体项向量的概率分布。
6. -种行驶时间预测装置,包括: 交通状态估计器,被配置为根据历史数据和实时数据估计当前时间的下一时间段特定 路程的交通状态; 时变动态线性模型建立器,被配置为建立受交通状态影响的时变动态线性模型,其中 用时变参数反映交通流量的动态性质,用自调整调节因子反映交通流量的随机性质; 行驶时间预测器,被配置为根据估计出的交通状态调整所述时变动态线性模型中的时 变参数,从而预测出所述下一时间段特定路程的行驶时间。
7. 根据权利要求6的行驶时间预测装置,其中交通状态估计器包括: 可测量扰动状态测量器,被配置为测量当前的可测量扰动状态; 交通状态跃迁概率矩阵计算器,被配置为根据当前的可测量扰动状态,计算与该当前 的可测量扰动状态对应的交通状态跃迁概率矩阵,该交通状态跃迁概率矩阵记录着在该当 前的可测量扰动状态下从任一交通状态跃迁到任一交通状态的概率; 交通状态估计单元,被配置为根据当前时间前一时间段特定路程的交通状态和该交通 状态跃迁概率矩阵估计所述下一时间段特定路程的交通状态。
8. 根据权利要求7的行驶时间预测装置,其中交通状态估计单元被配置为: 根据当前时间前一时间段特定路程的交通状态和该交通状态跃迁概率矩阵计算所述 下一时间段特定路程的交通处于不同交通状态的概率; 如果在计算出的所述不同交通状态的概率中与当前时间段的交通状态相同的交通状 态的概率大于特定阔值,则认为所述下一时间段特定路程的交通状态与当前时间段的交通 状态相同;否则,选择计算出的所述不同交通状态的概率中概率最大的交通状态作为所述 下一时间段特定路程的交通状态。
9. 根据权利要求6的行驶时间预测装置,其中时变动态线性模型建立器被配置为建立 时变参数矩阵向量和实体项向量,并使所述下一时间段特定路程的行驶时间为时变参数矩 阵向量和实体项向量的函数,其中实体项向量反映当前时间前的若干时间段特定路程的行 驶时间、当前时间前的若干时间段行驶时间估计误差、W及自调整调节因子,时变参数矩阵 向量反映实体项向量中各实体项的系数,为时变参数;行驶时间预测器被配置为根据估计 出的交通状态调整时变参数矩阵向量,并将服从正态分布的实体项向量和调整后的时变参 数矩阵向量代入贝叶斯预测模型,从而求出所述下一时间段特定路程的行驶时间。
10. 根据权利要求9的行驶时间预测装置,其中一旦得出所述下一时间段特定路程的 行驶时间的新观察值,行驶时间预测器被配置为将其引入贝叶斯预测模型中调整实体项向 量的概率分布。
11. 一种路线向导系统,包括根据权利要求6 - 10中的任一个的行驶时间预测装置。
12. -种交通状况监控系统,包括根据权利要求6 - 10中的任一个的行驶时间预测装 置。
【文档编号】G08G1/01GK104346926SQ201310326841
【公开日】2015年2月11日 申请日期:2013年7月31日 优先权日:2013年7月31日
【发明者】王凤娟, 费翔, 张欣, 王芝虎, 王保华 申请人:国际商业机器公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1