CN107025788B - 一种旅行时间预测方法及装置 - Google Patents

Abstract

本发明实施例公开了一种旅行时间预测的方法及装置，该方法包括获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据，根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间，其中该机动车的出行路径规律集合由机动车所在道路的各路段的历史过车数据确定。本发明实施例通过对机动车的出现规律进行统计，可以提高对机动车的旅行时间预测结果的准确率。

Description

一种旅行时间预测方法及装置

技术领域

本发明实施例涉及交通技术领域，尤其涉及一种旅行时间预测方法及装置。

背景技术

近年来，随着我国城市机动车保有量的迅速增加，交通拥堵问题日益严峻。交通管理部门也在一直积极探索通过提升交通管理方法缓解交通拥堵，优化出行体验。旅行时间作为交通信息的一种，作用相当重要，准确的旅行时间预测能够帮助出行者提前知道通过某段道路的时间，从而提前选择最优路径。

现有的旅行时间预测方案是使用时间序列、卡尔曼(Kalman)滤波模型、贝叶斯算法等方法实现，预测结果存在较大的随机性、也不够准确。

发明内容

本发明实施例提供一种旅行时间预测方法及装置，用以解决的问题。

本发明实施例提供的一种旅行时间预测方法，包括：

获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据；

根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间；其中，所述机动车的出行路径规律集合由机动车所在道路的各路段的历史过车数据确定。

可选的，所述机动车的出行路径规律集合由下述步骤确定：

获取机动车所在道路的各路段的预设周期内的历史过车数据；

根据所述各路段的历史过车数据，获得机动车的规律停留点集合；

根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合。

可选的，所述根据所述各路段的预设周期内的历史过车数据，获得机动车的规律停留点集合，包括：

依据所述各路段的预设周期内的历史过车数据，遍历机动车每天的过车记录，获得机动车顺序经过的卡口和经过所述卡口对应的时间段的集合；

依据所述机动车经过的卡口和经过所述卡口对应的时间段的集合，在所述机动车经过的卡口出现的次数大于出现次数阈值且机动车停留时间次数大于时间次数阈值时，将所述机动车经过的卡口所在的点添加到机动车的规律停留点集合；所述机动车停留时间次数为机动车经过所述卡口对应的时间段的停留时间大于停留时间阈值的次数；

依据上述步骤分析完所述机动车的各路段的预设的历史过车数据，获得所述机动车的规律停留点集合。

可选的，所述根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合，包括：

依据所述机动车的规律停留点集合，按照时间顺序对所述机动车的规律停留点集合中每天的各停留点进行排序，获得机动车多条出行的停留点的顺序序列；所述停留点的顺序序列包括起始停留点和到达停留点以及位于所述起始停留点至所述到达停留点之间的停留点；

依据所述机动车多条出行的停留点的顺序序列，统计每个停留点出现的次数并计算每个停留点出现次数的平均值；

依据所述每个停留点出现的次数，获得多条出行的停留点的顺序序列中满足频次要求的停留点；

将所述满足频次要求的停留点确定为每条出行的停留点的顺序序列中机动车主要途径的停留点；

将每条出行的停留点的顺序序列中机动车主要途径的停留点依据所述次数的平均值进行排序，得到机动车的出行路径规律集合。

可选的，所述根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间符合公式(1)：

T_k＝((S_d+S_m+R)*1.5+L)/V/LA/T……………………………(1)

其中，T_k为机动车经过路段k的旅行时间，S_d为机动车经过路段的上游路段的当前过车数据，S_m为机动车经过路段的当前过车数据，R为随机扰动数据，L为机动车经过路段的长度，V为机动车的平均车速，LA为机动车经过路段的车道数，T为机动车经过路段的信号灯放行时间。

相应的，本发明实施例还提供了一种旅行时间预测的装置，包括：

获取单元，用于获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据；

处理单元，用于根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间；其中，所述机动车的出行路径规律集合由机动车所在道路的各路段的历史过车数据确定。

可选的，所述处理单元根据下述步骤确定所述机动车的出行路径规律集合：

获取机动车所在道路的各路段的预设周期内的历史过车数据；

根据所述各路段的历史过车数据，获得机动车的规律停留点集合；

根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合。

可选的，所述处理单元在根据所述各路段的预设周期内的历史过车数据，获得机动车的规律停留点集合时，具体用于：

依据所述各路段的预设周期内的历史过车数据，遍历机动车每天的过车记录，获得机动车顺序经过的卡口和经过所述卡口对应的时间段的集合；

依据所述机动车经过的卡口和经过所述卡口对应的时间段的集合，在所述机动车经过的卡口出现的次数大于出现次数阈值且机动车停留时间次数大于时间次数阈值时，将所述机动车经过的卡口所在的点添加到机动车的规律停留点集合；所述机动车停留时间次数为机动车经过所述卡口对应的时间段的停留时间大于停留时间阈值的次数；

依据上述步骤分析完所述机动车的各路段的预设的历史过车数据，获得所述机动车的规律停留点集合。

可选的，所述处理单元在根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合时，具体包括：

依据所述机动车的规律停留点集合，按照时间顺序对所述机动车的规律停留点集合中每天的各停留点进行排序，获得机动车多条出行的停留点的顺序序列；所述停留点的顺序序列包括起始停留点和到达停留点以及位于所述起始停留点至所述到达停留点之间的停留点；

依据所述机动车多条出行的停留点的顺序序列，统计每个停留点出现的次数并计算每个停留点出现次数的平均值；

依据所述每个停留点出现的次数，获得多条出行的停留点的顺序序列中满足频次要求的停留点；

将所述满足频次要求的停留点确定为每条出行的停留点的顺序序列中机动车主要途径的停留点；

将每条出行的停留点的顺序序列中机动车主要途径的停留点依据所述次数的平均值进行排序，得到机动车的出行路径规律集合。

可选的，所述处理单元根据公式(1)预测所述机动车经过各路段的旅行时间：

T_k＝((S_d+S_m+R)*1.5+L)/V/LA/T……………………………(1)

其中，T_k为机动车经过路段k的旅行时间，S_d为机动车经过路段的上游路段的当前过车数据，S_m为机动车经过路段的当前过车数据，R为随机扰动数据，L为机动车经过路段的长度，V为机动车的平均车速，LA为机动车经过路段的车道数，T为机动车经过路段的信号灯放行时间。

本发明实施例表明，获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据，根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间，其中该机动车的出行路径规律集合由机动车所在道路的各路段的历史过车数据确定。本发明实施例通过对机动车的出现规律进行统计，可以提高对机动车的旅行时间预测结果的准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种旅行时间预测的方法的流程示意图；

图2为本发明实施例提供的一种确定机动车的规律停留点集合的流程示意图；

图3为本发明实施例提供的一种确定机动车的出行路径规律集合的流程示意图；

图4为本发明实施例提供的一种出行路径的结构示意图；

图5为本发明实施例提供的一种旅行时间预测的装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1示例性的示出了本发明实施例提供的一种旅行时间预测的流程，该流程可以由旅行时间预测的装置执行。

如图1所示，该流程具体步骤包括：

步骤101，获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据。

步骤102，根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间。

在本发明实施例中，上述流程是基于路网地图实现的，各路段的长度和红绿灯配时数据都可以直接获知。其中，机动车的出现路径规律集合可以由机动车所在道路的各路段的历史过车数据来确定。具体的，首先获取机动车所在道路的各路段的预设周期内的历史过车数据，然后根据各路段的历史过车数据，获得机动车的规律停留点集合，最后再根据机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出现路径规律集合。

在根据各路段的历史过车数据，获得机动车的规律停留点集合时，可以通过如图2所示的流程来描述。

如图2所示，该流程具体步骤为：

步骤201，依据所述各路段的预设周期内的历史过车数据，遍历机动车每天的过车记录，获得机动车顺序经过的卡口和经过所述卡口对应的时间段的集合。

步骤202，依据所述机动车经过的卡口和经过所述卡口对应的时间段的集合，在所述机动车经过的卡口出现的次数大于出现次数阈值且机动车停留时间次数大于时间次数阈值时，将所述机动车经过的卡口所在的点添加到机动车的规律停留点集合。

步骤203，依据上述步骤分析完所述机动车的各路段的预设的历史过车数据，获得所述机动车的规律停留点集合。

在本发明实施例中，所述机动车停留时间次数为机动车经过所述卡口对应的时间段的停留时间大于停留时间阈值的次数。得到历史过车数据之后，可以通过火花流式(Spark Stream)计算对历史过车数据中所有机动车信息提取车牌号码、车牌种类等信息进行归类处理，然后再通过数据挖掘算法分析机动车规律性的停留点，给出停留点名称和规律停留时间段等信息。例如：设机动车车牌号为Ca，T1为统计起始时刻(一般为凌晨，如5:00)，T2为统计终止时刻(一般为午夜，如24:00)，t为卡口过车记录时刻。

对于T1<t<T2，提取机动车统计周期(例如三个月，设为T＝90天)的卡口过车数据D＝{Di,i＝1,2,…,90}，遍历每天Di的过车记录，设顺序经过的卡口及其对应时段的集合为Ai＝{Bj}＝{[Kj Tj],j＝1,2,…Ni}。Ni为经过的卡口数量。设停留时间阀值TK，遍历Ai，设出现次数阈值W1和时间次数阈值W2。

若Kj出现的次数(每天不重复计算)>W1且(Tj>TK)的次数(每天不重复计算)>W2，则Kj对应的物理卡口区域为规律停留点，将Bj加入到规律停留点集合G中。

依据上述步骤依次分析，最终得到规律停留点集合G＝{Bk,k＝1,2,…,m},m为规律停留点个数。

在上述根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合的过程中，为了更好的描述该步骤，可以如图3所示的流程来描述。

如图3所示，该流程具体步骤包括：

步骤301，依据所述机动车的规律停留点集合，按照时间顺序对所述机动车的规律停留点集合中每天的各停留点进行排序，获得机动车多条出行的停留点的顺序序列

步骤302，依据所述机动车多条出行的停留点的顺序序列，统计每个停留点出现的次数并计算每个停留点出现次数的平均值。

步骤303，依据所述每个停留点出现的次数，获得多条出行的停留点的顺序序列中满足频次要求的停留点。

步骤304，将所述满足频次要求的停留点确定为每条出行的停留点的顺序序列中机动车主要途径的停留点。

步骤305，将每条出行的停留点的顺序序列中机动车主要途径的停留点依据所述次数的平均值进行排序，得到机动车的出行路径规律集合。

在本发明实施例中，停留点的顺序序列可以包括起始停留点和到达停留点以及位于所述起始停留点至所述到达停留点之间的停留点。根据机动车规律停留点，通过数据挖掘算法，分析机动车到达停留点的路径，给出机动车的出行路径规律集合。具体如下：

以起始点记录的过车时刻开始(设对应的卡口为KS)，以停留点记录的过车时刻结束(设对应的卡口为KE)，按时间从早到晚顺序，对过车记录进行排序。

设第i天(i＝1,2,…,W)按上述方法得到的过车记录卡口顺序为：

KS,Ki1,Ki2,…,KE，由此得到W个(可能大于W个，但这种情况极少)以KS为起点，以KE为终止点的卡口顺序序列(由于每天行车轨迹不尽相同，所以得到的卡口序列长度、卡口顺序一般不同)。

以上述W个卡口顺序序列为对象，统计其中每个卡口出现的次数并计算每个卡口出现次数的平均值。

设统计完成，卡口Kx出现了Y次(一般情况下，Y≤W)，其出现次数平均值为Q。设定频次阀值Eh(Eh暂取50％)，当Y/W>Eh时，表明Kx是起始点KS到终止点KE的主要途经卡口点。将其加入到起始点KS到终止点KE的主要途经卡口点序列中，并记录其次数平均值Q。

按上述过程，设共有L个卡口满足频次要求，其中某个卡口Kj(j＝1,2,…,L)，其次数平均值为Qj。将这L个卡口按次数平均值从小到大的顺序排列(由于起始点到终止点的路径可能不止一条，所以次数平均值相同的卡口按不同路径标识)。设排序后的卡口顺序序列为Ka,Kb,…,Kn，则起始点O到终止点D的行车(规律)路径为KS—>Ka—>Kb—>…—>Kn—>KE(多个路径，会出现多个序列，都进行记录)。

由此，可以得到机动车的出行路径规律集合L＝{Li,i＝1,2,…,n},n为规律路径总条数。

在得到机动车的出现路径规律集合之后，再基于各路段的当前过车数据、各路段的长度和红绿灯配时数据以及随机扰动数据，即可对机动车经过各路段的旅行实际进行预测。该随机扰动数据为一经验值，可以依据经验进行设置。

具体的，根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间符合公式(1)：

T_k＝((S_d+S_m+R)*1.5+L)/V/LA/T……………………………(1)

其中，T_k为机动车经过路段k的旅行时间，S_d为机动车经过路段的上游路段的当前过车数据，S_m为机动车经过路段的当前过车数据，R为随机扰动数据，L为机动车经过路段的长度，V为机动车的平均车速，LA为机动车经过路段的车道数，T为机动车经过路段的信号灯放行时间。

例如，现在对图4所示的路段示意图中的C1-Z路段进行旅行时间预测，我们通过过车数据已知A-C1、D2-C1、B2-C1三条可以通往C1-Z路段的道路上以及C1-Z道路上的所有机动车信息。首先考虑A-C1路段，比如有V1,V2……Vn等机动车，结合已经计算出来的机动车出行规律可知V1,V2……Vi等机动车将左转进入C1-B2路段，Vi……Vj等机动车将右转进入C1-D2,Vj……Vn等机动车将进入C1-Z路段，同理计算D2-C1、B2-C1等道路的机动车，可得出Vj……Vq等S1辆机动车将进入C1-Z道路，加入随机扰动数据R，结合已知的C1-Z路段的过车数据S2以及C1-Z的路段长度L，车道数LA，Z处的信号灯放行时间T可预测出A处的机动车经过C1-Z路段的旅行时间为：((S1+S2+R)*1.5+L)/V/LA/T，其中V为40Km/H。

通过Spark Stream、Spark可以对道路上的出行者感兴趣的某一路段的旅行时间进行即时预测。

本发明实施例相比其他的旅行时间预测方法极大的提高了旅行时间预测的准确性。其他的旅行时间方法基本都是通过概率论的思想进行分析，具有较大的随机性，预测结果准确率无法保证。而城市交通中通勤时间路径都有明显的规律，本发明实施例增加了对所有机动车的出行规律分析，极大的提高了预测结果的准确率。

本发明实施例利用大数据技术来分析用户出行规律、预测旅行时间，极大的提高了预测的实时性。由于大数据平台分布式的特性，可以根据不同的城市规模，灵活的增加或减少服务器数量，以获得数据处理时间的线性对应，更重要的是对数亿、数十亿的过车数据的处理、挖掘在很短的时间内就可以完成，极大的提高了预测的实时性。

本发明实施例表明，获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据，根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间，其中该机动车的出行路径规律集合由机动车所在道路的各路段的历史过车数据确定。本发明实施例通过对机动车的出现规律进行统计，可以提高对机动车的旅行时间预测结果的准确率。

基于相同的发明构思，图5示例性的示出了本发明实施例提供的一种旅行时间预测的装置的结构，该装置可以执行旅行时间预测的方法。

如图5所示，该装置具体包括：

获取单元501，用于获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据；

处理单元502，用于根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间；其中，所述机动车的出行路径规律集合由机动车所在道路的各路段的历史过车数据确定。

可选的，所述处理单元502根据下述步骤确定所述机动车的出行路径规律集合：

获取机动车所在道路的各路段的预设周期内的历史过车数据；

根据所述各路段的历史过车数据，获得机动车的规律停留点集合；

根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合。

可选的，所述处理单元502在根据所述各路段的预设周期内的历史过车数据，获得机动车的规律停留点集合时，具体用于：

依据所述各路段的预设周期内的历史过车数据，遍历机动车每天的过车记录，获得机动车顺序经过的卡口和经过所述卡口对应的时间段的集合；

依据所述机动车经过的卡口和经过所述卡口对应的时间段的集合，在所述机动车经过的卡口出现的次数大于出现次数阈值且机动车停留时间次数大于时间次数阈值时，将所述机动车经过的卡口所在的点添加到机动车的规律停留点集合；所述机动车停留时间次数为机动车经过所述卡口对应的时间段的停留时间大于停留时间阈值的次数；

依据上述步骤分析完所述机动车的各路段的预设的历史过车数据，获得所述机动车的规律停留点集合。

可选的，所述处理单元502在根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合时，具体包括：

依据所述机动车的规律停留点集合，按照时间顺序对所述机动车的规律停留点集合中每天的各停留点进行排序，获得机动车多条出行的停留点的顺序序列；所述停留点的顺序序列包括起始停留点和到达停留点以及位于所述起始停留点至所述到达停留点之间的停留点；

依据所述机动车多条出行的停留点的顺序序列，统计每个停留点出现的次数并计算每个停留点出现次数的平均值；

依据所述每个停留点出现的次数，获得多条出行的停留点的顺序序列中满足频次要求的停留点；

将所述满足频次要求的停留点确定为每条出行的停留点的顺序序列中机动车主要途径的停留点；

将每条出行的停留点的顺序序列中机动车主要途径的停留点依据所述次数的平均值进行排序，得到机动车的出行路径规律集合。

可选的，所述处理单元502根据公式(1)预测所述机动车经过各路段的旅行时间：

T_k＝((S_d+S_m+R)*1.5+L)/V/LA/T……………………………(1)

其中，T_k为机动车经过路段k的旅行时间，S_d为机动车经过路段的上游路段的当前过车数据，S_m为机动车经过路段的当前过车数据，R为随机扰动数据，L为机动车经过路段的长度，V为机动车的平均车速，LA为机动车经过路段的车道数，T为机动车经过路段的信号灯放行时间。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种旅行时间预测的方法，其特征在于，包括：

获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据；

根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间；其中，所述机动车的出行路径规律集合由机动车所在道路的各路段的历史过车数据确定；路段的过车数据包括经过所述路段的机动车的车辆数、经过所述路段的各机动车的车辆标识和时间；

所述根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间符合公式(1)：

T_k＝((S_d+S_m+R)*1.5+L)/V/LA/T……………………………(1)

其中，T_k为机动车经过路段k的旅行时间，S_d为机动车经过路段的上游路段的当前过车数据，S_m为机动车经过路段的当前过车数据，R为随机扰动数据，L为机动车经过路段的长度，V为机动车的平均车速，LA为机动车经过路段的车道数，T为机动车经过路段的信号灯放行时间。

2.如权利要求1所述的方法，其特征在于，所述机动车的出行路径规律集合由下述步骤确定：

获取机动车所在道路的各路段的预设周期内的历史过车数据；

根据所述各路段的历史过车数据，获得机动车的规律停留点集合；

根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合。

3.如权利要求2所述的方法，其特征在于，所述根据所述各路段的预设周期内的历史过车数据，获得机动车的规律停留点集合，包括：

依据所述各路段的预设周期内的历史过车数据，遍历机动车每天的过车记录，获得机动车顺序经过的卡口和经过所述卡口对应的时间段的集合；

依据所述机动车经过的卡口和经过所述卡口对应的时间段的集合，在所述机动车经过的卡口出现的次数大于出现次数阈值且机动车停留时间次数大于时间次数阈值时，将所述机动车经过的卡口所在的点添加到机动车的规律停留点集合；所述机动车停留时间次数为机动车经过所述卡口对应的时间段的停留时间大于停留时间阈值的次数；

依据上述步骤分析完所述机动车的各路段的预设的历史过车数据，获得所述机动车的规律停留点集合。

4.如权利要求2所述的方法，其特征在于，所述根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合，包括：

依据所述机动车的规律停留点集合，按照时间顺序对所述机动车的规律停留点集合中每天的各停留点进行排序，获得机动车多条出行的停留点的顺序序列；所述停留点的顺序序列包括起始停留点和到达停留点以及位于所述起始停留点至所述到达停留点之间的停留点；

依据所述机动车多条出行的停留点的顺序序列，统计每个停留点出现的次数并计算每个停留点出现次数的平均值；

依据所述每个停留点出现的次数，获得多条出行的停留点的顺序序列中满足频次要求的停留点；

将所述满足频次要求的停留点确定为每条出行的停留点的顺序序列中机动车主要途径的停留点；

将每条出行的停留点的顺序序列中机动车主要途径的停留点依据所述次数的平均值进行排序，得到机动车的出行路径规律集合。

5.一种旅行时间预测的装置，其特征在于，包括：

获取单元，用于获取机动车所在道路的各路段的当前过车数据、各路段的长度和红绿灯配时数据；

处理单元，用于根据所述各路段的当前过车数据、各路段的长度和红绿灯配时数据、机动车的出行路径规律集合以及随机扰动数据，预测所述机动车经过各路段的旅行时间；其中，所述机动车的出行路径规律集合由机动车所在道路的各路段的历史过车数据确定；路段的过车数据包括经过所述路段的机动车的车辆数、经过所述路段的各机动车的车辆标识和时间；

所述处理单元根据公式(1)预测所述机动车经过各路段的旅行时间：

T_k＝((S_d+S_m+R)*1.5+L)/V/LA/T……………………………(1)

其中，T_k为机动车经过路段k的旅行时间，S_d为机动车经过路段的上游路段的当前过车数据，S_m为机动车经过路段的当前过车数据，R为随机扰动数据，L为机动车经过路段的长度，V为机动车的平均车速，LA为机动车经过路段的车道数，T为机动车经过路段的信号灯放行时间。

6.如权利要求5所述的装置，其特征在于，所述处理单元根据下述步骤确定所述机动车的出行路径规律集合：

获取机动车所在道路的各路段的预设周期内的历史过车数据；

根据所述各路段的历史过车数据，获得机动车的规律停留点集合；

根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合。

7.如权利要求6所述的装置，其特征在于，所述处理单元在根据所述各路段的预设周期内的历史过车数据，获得机动车的规律停留点集合时，具体用于：

依据所述各路段的预设周期内的历史过车数据，遍历机动车每天的过车记录，获得机动车顺序经过的卡口和经过所述卡口对应的时间段的集合；

依据所述机动车经过的卡口和经过所述卡口对应的时间段的集合，在所述机动车经过的卡口出现的次数大于出现次数阈值且机动车停留时间次数大于时间次数阈值时，将所述机动车经过的卡口所在的点添加到机动车的规律停留点集合；所述机动车停留时间次数为机动车经过所述卡口对应的时间段的停留时间大于停留时间阈值的次数；

依据上述步骤分析完所述机动车的各路段的预设的历史过车数据，获得所述机动车的规律停留点集合。

8.如权利要求6所述的装置，其特征在于，所述处理单元在根据所述机动车的规律停留点集合，分析机动车到达停留点的路径，确定出机动车的出行路径规律集合时，具体包括：

依据所述机动车的规律停留点集合，按照时间顺序对所述机动车的规律停留点集合中每天的各停留点进行排序，获得机动车多条出行的停留点的顺序序列；所述停留点的顺序序列包括起始停留点和到达停留点以及位于所述起始停留点至所述到达停留点之间的停留点；

依据所述机动车多条出行的停留点的顺序序列，统计每个停留点出现的次数并计算每个停留点出现次数的平均值；

依据所述每个停留点出现的次数，获得多条出行的停留点的顺序序列中满足频次要求的停留点；

将所述满足频次要求的停留点确定为每条出行的停留点的顺序序列中机动车主要途径的停留点；

将每条出行的停留点的顺序序列中机动车主要途径的停留点依据所述次数的平均值进行排序，得到机动车的出行路径规律集合。

Images