CN108257378A - 交通流量预测方法及装置 - Google Patents
交通流量预测方法及装置 Download PDFInfo
- Publication number
- CN108257378A CN108257378A CN201611243567.7A CN201611243567A CN108257378A CN 108257378 A CN108257378 A CN 108257378A CN 201611243567 A CN201611243567 A CN 201611243567A CN 108257378 A CN108257378 A CN 108257378A
- Authority
- CN
- China
- Prior art keywords
- traffic
- designated
- record
- traffic flow
- mark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通流量预测方法及装置,方法包括:确定待预测交通流量的目标单位时间段和目标位置;基于已获取的交通流量预测模型,获取在目标单位时间段内从目标位置出发的交通流量,作为第一交通流量;根据历史交通记录数据和多个指定车辆的当前位置,获取多个指定车辆在目标单位时间段内行驶至目标位置的概率,将多个指定车辆对应的概率的和值作为第二交通流量;计算第一交通流量与第二交通流量的和值,作为目标位置在目标单位时间段的交通流量。本发明不仅考虑到了目标位置在多个历史单位时间段的交通流量,还考虑到每个车辆的行驶对交通流量的影响,从而提高了预测的交通流量的准确性。
Description
技术领域
本发明涉及大数据技术领域,特别涉及一种交通流量预测方法及装置。
背景技术
随着当今社会中交通阻塞现象的日益严重,各种交通问题频频出现。为了更好的管理和规划交通的运行,缓解交通问题,准确地预测交通流量已经成为亟待解决的任务。
为了预测目标位置在某一单位时间段的交通流量,可以记录该目标位置的车辆行驶情况,从而获取该目标位置在多个历史单位时间段的历史交通流量,根据获取的多个历史交通流量进行模型训练,得到交通流量预测模型,该交通流量预测模型用于预测该目标位置在任一单位时间段的交通流量。那么,确定目标单位时间段后,向该交通流量预测模型输入该目标单位时间段,即可基于该交通流量预测模型,获取该目标位置在该目标单位时间段的交通流量。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:仅是根据该目标位置在多个历史单位时间段的交通流量进行预测,导致预测的交通流量不够准确。
发明内容
为了解决相关技术预测的交通流量不够准确的问题,本发明实施例提供了一种交通流量预测方法及装置。所述技术方案如下:
一方面,提供了一种交通流量预测方法,所述方法包括:
确定待预测交通流量的目标单位时间段和目标位置,所述目标单位时间段是以当前时间点为起始点且时间跨度为单位时间跨度的时间段;
基于已获取的交通流量预测模型,获取在所述目标单位时间段内从所述目标位置出发的交通流量,作为第一交通流量,所述交通流量预测模型用于获取在任一单位时间段从所述目标位置出发的交通流量,所述交通流量预测模型通过根据历史交通记录数据进行模型训练后得到;
根据所述历史交通记录数据和多个指定车辆的当前位置,获取所述多个指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,将所述多个指定车辆对应的概率的和值作为第二交通流量;
计算所述第一交通流量与所述第二交通流量的和值,作为所述目标位置在所述目标单位时间段的交通流量。
在一种可能的实现方式中,所述历史交通记录数据包括相互对应的记录日期、记录时间点以及指定位置标识,所述指定位置标识用于指示指定位置;
所述根据所述历史交通记录数据和多个指定车辆的当前位置,获取所述多个指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,包括:
所述历史交通记录数据将每个记录日期划分为多个记录时间段时,确定所述目标单位时间段所属的记录时间段,每个记录时间段的时间跨度不小于所述单位时间跨度;
对于所述多个指定车辆中的每个指定车辆,根据所述历史交通记录数据,获取所述指定车辆在每个记录日期的所述记录时间段内的行驶轨迹,得到与多个记录日期对应的多条行驶轨迹,每条行驶轨迹包括多个指定位置标识,且所述多个指定位置标识按照在对应记录日期的所述记录时间段内所对应的记录时间点的先后顺序排列;
根据每条行驶轨迹在所述多条行驶轨迹中的出现次数,确定符合预设条件的多条指定行驶轨迹以及每条指定行驶轨迹的概率,并将所述多条指定行驶轨迹的概率之和作为所述指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,所述预设条件为在行驶轨迹中所述指定车辆的当前位置对应的指定位置标识的下一个指定位置标识为所述目标位置对应的目标位置标识。
在另一种可能的实现方式中,所述根据每条行驶轨迹在所述多条行驶轨迹中的出现次数,确定符合预设条件的多条指定行驶轨迹以及每条指定行驶轨迹的概率,包括:
从所述多条行驶轨迹中,选取包括所述指定车辆的当前位置对应的指定位置标识的多条第一行驶轨迹,计算每条第一行驶轨迹的权重之和,得到所述多条第一行驶轨迹的总权重,其中,第一行驶轨迹的权重为第一行驶轨迹在所述多条行驶轨迹中的出现次数;
计算每条第一行驶轨迹的权重与所述总权重的比例,作为每条第一行驶轨迹的概率;
从所述多条第一行驶轨迹中,选取符合所述预设条件的多条指定行驶轨迹,并确定每条指定行驶轨迹的概率。
在另一种可能的实现方式中,所述历史交通记录数据包括相互对应的记录日期、记录时间点、指定位置标识以及指定车辆标识,所述指定车辆标识用于指示在所述记录日期的所述记录时间点在所述指定位置出现的指定车辆;
所述根据所述历史交通记录数据,获取所述指定车辆在每个记录日期的所述记录时间段内的行驶轨迹,得到与多个记录日期对应的多条行驶轨迹,包括:
对于所述每个记录日期,从所述历史交通记录数据中,获取所述记录日期的所述记录时间段对应的多条记录条目;
从所述多条记录条目中,选取包括所述指定车辆对应的指定车辆标识的多条指定记录条目;
按照所述多条指定记录条目中记录时间点从早到晚的顺序,将所述多条指定记录条目中的指定位置标识进行排序后,按照排序结果组合成一条行驶轨迹。
在另一种可能的实现方式中,所述将所述多条指定记录条目中的指定位置标识进行排序后,按照排序结果组合成一条行驶轨迹之后,所述方法还包括:
将所述行驶轨迹中的任两个相邻指定位置标识进行组合,得到多个位置组合;
对于所述多个位置组合中的每个位置组合,获取在所述记录时间段下所述位置组合中两个相邻指定位置标识之间的预设最大通行时长,并获取所述两个相邻指定位置标识对应的记录时间点之间的时间间隔;
当所述时间间隔大于所述预设最大通行时长时,对所述位置组合中的两个相邻指定位置标识进行分割,以将所述行驶轨迹分割为两条行驶轨迹,使得所述位置组合中的两个相邻指定位置标识中的第一个指定位置标识成为一条行驶轨迹的终止位置标识,第二个指定位置标识成为另一条行驶轨迹的起始位置标识。
在另一种可能的实现方式中,所述基于已获取的交通流量预测模型,获取在所述目标单位时间段内从所述目标位置出发的交通流量,作为第一交通流量,包括:
根据所述历史交通记录数据中的多个记录日期,确定多个日期组合,每个日期组合中任两个记录日期之间的时间间隔相等,且不同日期组合对应的时间间隔不等;
根据每个日期组合中各个记录日期在所述目标单位时间段内从所述目标位置出发的样本交通流量,进行模型训练,得到分别与所述多个日期组合对应的多个交通流量预测模型,并将每个交通流量预测模型对应的日期组合的时间间隔作为每个交通流量预测模型的权重,每个交通流量预测模型用于获取在任一单位时间段从所述目标位置出发的交通流量;
基于所述多个交通流量预测模型,分别获取在所述目标单位时间段内从所述目标位置出发的交通流量,得到多个交通流量;
根据每个交通流量预测模型的权重,对基于所述多个交通流量预测模型获取到的多个交通流量进行加权求和,得到所述第一交通流量。
另一方面,提供了一种交通流量预测装置,所述装置包括:
确定模块,用于确定待预测交通流量的目标单位时间段和目标位置,所述目标单位时间段是以当前时间点为起始点且时间跨度为单位时间跨度的时间段;
第一获取模块,用于基于已获取的交通流量预测模型,获取在所述目标单位时间段内从所述目标位置出发的交通流量,作为第一交通流量,所述交通流量预测模型用于获取在任一单位时间段从所述目标位置出发的交通流量,所述交通流量预测模型通过根据历史交通记录数据进行模型训练后得到;
第二获取模块,用于根据所述历史交通记录数据和多个指定车辆的当前位置,获取所述多个指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,将所述多个指定车辆对应的概率的和值作为第二交通流量;
计算模块,用于计算所述第一交通流量与所述第二交通流量的和值,作为所述目标位置在所述目标单位时间段的交通流量。
在一种可能的实现方式中,所述历史交通记录数据包括相互对应的记录日期、记录时间点以及指定位置标识,所述指定位置标识用于指示指定位置;
所述第二获取模块,包括:
确定子模块,用于所述历史交通记录数据将每个记录日期划分为多个记录时间段时,确定所述目标单位时间段所属的记录时间段,每个记录时间段的时间跨度不小于所述单位时间跨度;
获取子模块,用于对于所述多个指定车辆中的每个指定车辆,根据所述历史交通记录数据,获取所述指定车辆在每个记录日期的所述记录时间段内的行驶轨迹,得到与多个记录日期对应的多条行驶轨迹,每条行驶轨迹包括多个指定位置标识,且所述多个指定位置标识按照在对应记录日期的所述记录时间段内所对应的记录时间点的先后顺序排列;
所述确定子模块,还用于根据每条行驶轨迹在所述多条行驶轨迹中的出现次数,确定符合预设条件的多条指定行驶轨迹以及每条指定行驶轨迹的概率,并将所述多条指定行驶轨迹的概率之和作为所述指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,所述预设条件为在行驶轨迹中所述指定车辆的当前位置对应的指定位置标识的下一个指定位置标识为所述目标位置对应的目标位置标识。
在另一种可能的实现方式中,所述确定子模块,包括:
选取单元,用于从所述多条行驶轨迹中,选取包括所述指定车辆的当前位置对应的指定位置标识的多条第一行驶轨迹;
计算单元,用于计算每条第一行驶轨迹的权重之和,得到所述多条第一行驶轨迹的总权重,其中,第一行驶轨迹的权重为第一行驶轨迹在所述多条行驶轨迹中的出现次数;
所述计算单元,还用于计算每条第一行驶轨迹的权重与所述总权重的比例,作为每条第一行驶轨迹的概率;
所述选取单元,还用于从所述多条第一行驶轨迹中,选取符合所述预设条件的多条指定行驶轨迹,并确定每条指定行驶轨迹的概率。
在另一种可能的实现方式中,所述历史交通记录数据包括相互对应的记录日期、记录时间点、指定位置标识以及指定车辆标识,所述指定车辆标识用于指示在所述记录日期的所述记录时间点在所述指定位置出现的指定车辆;
所述获取子模块,包括:
获取单元,用于对于所述每个记录日期,从所述历史交通记录数据中,获取所述记录日期的所述记录时间段对应的多条记录条目;
选取单元,用于从所述多条记录条目中,选取包括所述指定车辆对应的指定车辆标识的多条指定记录条目;
组合单元,用于按照所述多条指定记录条目中记录时间点从早到晚的顺序,将所述多条指定记录条目中的指定位置标识进行排序后,按照排序结果组合成一条行驶轨迹。
在另一种可能的实现方式中,所述获取子模块还包括:
所述组合单元,还用于将所述行驶轨迹中的任两个相邻指定位置标识进行组合,得到多个位置组合;
所述获取单元,还用于对于所述多个位置组合中的每个位置组合,获取在所述记录时间段下所述位置组合中两个相邻指定位置标识之间的预设最大通行时长,并获取所述两个相邻指定位置标识对应的记录时间点之间的时间间隔;
分割单元,用于当所述时间间隔大于所述预设最大通行时长时,对所述位置组合中的两个相邻指定位置标识进行分割,以将所述行驶轨迹分割为两条行驶轨迹,使得所述位置组合中的两个相邻指定位置标识中的第一个指定位置标识成为一条行驶轨迹的终止位置标识,第二个指定位置标识成为另一条行驶轨迹的起始位置标识。
在另一种可能的实现方式中,所述第一获取模块,包括:
确定子模块,用于根据所述历史交通记录数据中的多个记录日期,确定多个日期组合,每个日期组合中任两个记录日期之间的时间间隔相等,且不同日期组合对应的时间间隔不等;
训练子模块,用于根据每个日期组合中各个记录日期在所述目标单位时间段内从所述目标位置出发的样本交通流量,进行模型训练,得到分别与所述多个日期组合对应的多个交通流量预测模型,并将每个交通流量预测模型对应的日期组合的时间间隔作为每个交通流量预测模型的权重,每个交通流量预测模型用于获取在任一单位时间段从所述目标位置出发的交通流量;
获取子模块,用于基于所述多个交通流量预测模型,分别获取在所述目标单位时间段内从所述目标位置出发的交通流量,得到多个交通流量;
计算子模块,用于根据每个交通流量预测模型的权重,对基于所述多个交通流量预测模型获取到的多个交通流量进行加权求和,得到所述第一交通流量。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例提供的方法及装置,确定待预测交通流量的目标单位时间段和目标位置,基于已获取的交通流量预测模型,获取在该目标单位时间段内从该目标位置出发的交通流量,作为第一交通流量,根据该历史交通记录数据和多个指定车辆的当前位置,获取该多个指定车辆在该目标单位时间段内行驶至该目标位置的概率,将该多个指定车辆对应的概率的和值作为第二交通流量。计算该第一交通流量与该第二交通流量的和值,作为该目标位置在该目标单位时间段的交通流量。将待预测交通流量划分为从目标位置出发的交通流量和行驶至目标位置的交通流量两部分,不仅考虑到了目标位置在多个历史单位时间段的交通流量,根据这些交通流量预测从目标位置出发的交通流量,还考虑到每个车辆的行驶对交通流量的影响,根据每个车辆的行驶至目标位置的概率预测行驶至目标位置的交通流量,从而提高了预测的交通流量的准确性。
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单地介绍,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是本发明实施例提供的一种交通流量预测方法的流程图;
图2是本发明实施例提供的一种交通流量预测方法的流程图;
图3是本发明实施例提供的一种交通流量预测装置的框图;
图4是本发明实施例提供的一种交通流量预测装置的框图;
图5是本发明实施例提供的一种交通流量预测装置的框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1是根据一示例性实施例示出的一种交通流量预测方法的流程图,如图1所示,本发明实施例的执行主体为预测装置,包括以下步骤:
101、确定待预测交通流量的目标单位时间段和目标位置,该目标单位时间段是以当前时间点为起始点且时间跨度为单位时间跨度的时间段。
102、基于已获取的交通流量预测模型,获取在该目标单位时间段内从该目标位置出发的交通流量,作为第一交通流量,该交通流量预测模型用于获取在任一单位时间段从该目标位置出发的交通流量,该交通流量预测模型通过根据历史交通记录数据进行模型训练后得到。
103、根据该历史交通记录数据和多个指定车辆的当前位置,获取该多个指定车辆在该目标单位时间段内行驶至该目标位置的概率,将该多个指定车辆对应的概率的和值作为第二交通流量。
104、计算该第一交通流量与该第二交通流量的和值,作为该目标位置在该目标单位时间段的交通流量。
本发明实施例提供的方法,确定待预测交通流量的目标单位时间段和目标位置,基于已获取的交通流量预测模型,获取在该目标单位时间段内从该目标位置出发的交通流量,作为第一交通流量,根据该历史交通记录数据和多个指定车辆的当前位置,获取该多个指定车辆在该目标单位时间段内行驶至该目标位置的概率,将该多个指定车辆对应的概率的和值作为第二交通流量。计算该第一交通流量与该第二交通流量的和值,作为该目标位置在该目标单位时间段的交通流量。将待预测交通流量划分为从目标位置出发的交通流量和行驶至目标位置的交通流量两部分,不仅考虑到了目标位置在多个历史单位时间段的交通流量,根据这些交通流量预测从目标位置出发的交通流量,还考虑到每个车辆的行驶对交通流量的影响,根据每个车辆的行驶至目标位置的概率预测行驶至目标位置的交通流量,从而提高了预测的交通流量的准确性。
图2是根据一示例性实施例示出的一种设备控制方法的流程图,如图2所示,本发明实施例的执行主体为预测装置,包括以下步骤:
201、预测装置确定待预测交通流量的目标单位时间段和目标位置。
该预测装置可以为终端、服务器等,该待预测的交通流量是指在目标单位时间段行驶经过目标位置的车辆数量。
其中,该目标单位时间段是以当前时间点为起始点且时间跨度为单位时间跨度的时间段。该单位时间跨度可以为30分钟、1小时等,例如,该当前时间点为08:00,该单位时间跨度为30分钟,该目标位置为“远大中心”时,该待预测交通流量为在08:00—08:30行驶经过“远大中心”的车辆数量。
202、预测装置基于已获取的交通流量预测模型,获取在该目标单位时间段内从该目标位置出发的交通流量,作为第一交通流量。
在本发明实施例中,该目标位置的交通流量由从该目标位置出发的第一交通流量和行驶至该目标位置的第二交通流量组成。该预测装置可以获取历史交通记录数据,根据该历史交通记录数据获取该第一交通流量和该第二交通流量。
关于该历史交通记录数据,为了监督车辆的行驶状况,通常会多个位置设置拍摄设备,每当车辆行驶经过拍摄设备时,拍摄设备对车辆进行拍摄,获取历史交通记录数据,通过与该预测装置的数据连接,向该预测装置发送该历史交通记录数据,该预测装置从而获取历史交通记录数据。
本发明实施例所示的位置可以为任意设置有拍摄设备的位置,如可以为设置有遮挡物的卡口等。该历史交通记录数据包括相互对应的记录日期、记录时间点、指定位置标识,另外还可以包括对应的指定车辆标识以及行驶方向标识。
该记录日期用于指示拍摄设备获取该历史交通记录数据的时间点所在的日期,可以由相互对应的年份、月份、日期组成。
该指定位置标识用于确定对应的指定位置,例如可以为该指定位置的名称、预测装置为该指定位置分配的编号等。
该指定车辆标识用于指示在该记录日期的该记录时间点在该指定位置出现的指定车辆,例如可以为指定车辆的车牌号码等。
该行驶方向标识用于指示在该记录日期的该记录时间点该指定车辆在该指定位置出现时的行驶方向。例如可以为预测装置为每个行驶方向分配的编号等。
例如,参见表1,该历史交通记录数据包括相互对应的记录日期“2016年12月10日”、记录时间点“08:00”、指定位置标识“远大中心”、指定车辆标识“A0001”行驶方向标识“1”,该历史交通记录数据可以用于指示在12月10日的08:00,指定车辆A0001在远大中心出现,行驶方向为1(表示由南向北)。
表1
获取到该历史交通记录数据之后,该预测装置可以根据该历史交通记录数据进行模型训练,得到交通流量预测模型。由于该历史交通记录数据可以反映车辆的行驶状况,因此训练出的交通流量预测模型能够根据历史的车辆行驶情况,预测在任一单位时间段从该目标位置出发的交通流量。那么,当确定目标单位时间段后,向该交通流量预测模型输入该目标单位时间段,即可基于该交通流量预测模型,获取在该目标单位时间段内从该目标位置出发的交通流量,即得到第一交通流量。
其中,该交通流量预测模型可以采用不同的训练算法训练得到,该训练算法可以为指数平滑训练算法、逻辑回归训练算法、神经网络训练算法等,本发明实施例对此不做限定。
在一种可能的实现方式中,为了提高预测准确性,可以根据不同记录日期的历史交通记录数据,训练出多个交通流量预测模型,从而根据多个交通流量预测模型进行综合预测。具体地,该步骤202可以包括以下步骤2021至步骤2024:
2021、预测装置根据该历史交通记录数据中的多个记录日期,确定多个日期组合。
该预测装置可以预先确定一个时间间隔,当获取到多条历史交通记录数据后,可以根据每条历史交通记录数据中的记录日期,从多条历史交通记录数据中选取记录日期相隔该时间间隔的历史交通记录数据,将选取的历史交通记录数据组成一个日期组合。当确定了多个时间间隔后,相应地选取历史交通记录数据,将每条历史交通记录数据划分至相应的日期组合中,从而确定多个日期组合。每个日期组合中任两个记录日期之间的时间间隔相等,且不同日期组合对应的时间间隔不等。
进一步地,该预测装置可以设置预设记录数量,在为每个日期组合选取历史交通记录数据时,统计选取到的历史交通记录数据数量,直到该历史交通数据数量达到该预设记录数量时,才停止选取。考虑到日期组合中的历史交通记录数据越多,根据该日期组合得到的交通流量预测模型越准确,可以将该预设记录数量设置为较大的数值,本发明实施例对该预设记录数量不做限定。
例如,参见表2,该预测装置确定时间间隔为1天,可以选取记录日期为12月12日的历史交通记录数据1、记录日期为12月11日的历史交通记录数据2、记录日期为12月10日的历史交通记录数据3等N条相隔一天的历史交通记录数据,组成日期组合1。之后,确定时间间隔为1星期,选取记录日期为12月12日的历史交通记录数据1、记录日期为12月5日的历史交通记录数据5、记录日期为11月28日的历史交通记录数据6等N条记录日期相隔一星期的历史交通记录数据,组成日期组合2。
表2
需要说明的是,考虑到对于该日期组合中的每条历史交通记录数据,可能会出现在同一记录日期的同一记录时间点重复记录同一车辆的异常情况,因此,应当对历史交通记录数据进行去重操作。或者,还可能会出现某一历史交通记录数据的格式错误或者记录不完整的异常情况,因此应当对历史交通记录数据进行清洗操作,将异常的历史交通记录数据删除,得到更加精确的历史交通记录数据。
2022、预测装置根据每个日期组合中各个记录日期在该目标单位时间段内从该目标位置出发的样本交通流量,进行模型训练,得到分别与该多个日期组合对应的多个交通流量预测模型,并将每个交通流量预测模型对应的日期组合的时间间隔作为每个交通流量预测模型的权重。
具体地,每当确定了一个日期组合后,该预测装置可以根据该日期组合中各个记录日期的历史交通记录数据,确定多个在目标单位时间段内从该目标位置出发的样本交通流量,根据历史交通记录数据进行模型训练后,得到一个交通流量预测模型。该交通流量预测模型用于获取在任一单位时间段从该目标位置出发的交通流量。
例如,参见下表3,当选取日期组合为日期组合1,目标位置为远大中心时,该预测装置可以根据2016年12月12日08:00-08:30内从远大中心出发的样本交通流量11,2016年12月11日08:00-08:30内从远大中心出发的样本交通流量12,2016年12月10日08:00-08:30内从远大中心出发的样本交通流量13直至N年N月N日08:00-08:30内从远大中心出发的样本交通流量1N,进行模型训练,得到与日期组合1对应的交通流量预测模型Fx1。
表3
该预测装置可以分别确定多个日期组合,并重复上述步骤,得到与每个日期组合对应的交通流量预测模型,从而得到多个交通流量预测模型。
对于该多个交通流量预测模型中的每个交通流量预测模型,该预测装置可以根据该交通流量预测模型对应的日期组合的时间间隔,确定该交通流量预测模型的权重,从而为时间间隔不同的交通流量预测模型设置不同的权重。
考虑在具体应用中,在进行模型训练时,采用的样本交通流量的时间间隔越短,得到的交通流量预测模型预测的交通流量越贴近当前的实际情况,也就越准确,因此该预测装置可以为时间间隔短的交通流量预测模型设置较大的权重,为时间间隔长的交通流量预测模型设置较小的权重。例如,参见表4,该预测装置可以为时间间隔为1星期的交通流量预测模型设置权重0.5,为时间间隔为1月的交通流量预测模型设置权重0.3,为时间间隔为1年的交通流量预测模型设置权重0.2。
表5
日期组合 | 时间间隔 | 交通流量预测模型 | 权重 |
日期组合2 | 1星期 | Fx2 | 0.5 |
日期组合3 | 1月 | Fx3 | 0.3 |
日期组合4 | 1年 | Fx4 | 0.2 |
2023、装置预测装置基于该多个交通流量预测模型,分别获取在该目标单位时间段内从该目标位置出发的交通流量,得到多个交通流量。
每当该预测装置获取到一个交通流量预测模型,向该交通流量预测模型输入该目标单位时间段,即可基于该交通流量预测模型,获取在该目标单位时间段内从该目标位置出发的交通流量。在该预测装置获取到多个交通流量预测模型后,即可基于该多个交通流量预测模型,得到多个交通流量。
2024、预测装置根据每个交通流量预测模型的权重,对基于该多个交通流量预测模型获取到的多个交通流量进行加权求和,得到该第一交通流量。
当基于该多个交通流量预测模型,得到多个交通流量后,该预测装置可以将每个交通流量预测模型的权重,作为与该交通流量预测模型对应的交通流量的权重,将多个交通流量进行加权求和,得到第一交通流量。
203、预测装置确定该目标单位时间段所属的记录时间段。
考虑在实际应用中,每个车辆在不同的记录日期,在每个指定位置标识出现的记录时间点可能由于车主作息、交通路况、环境影响等因素会上下浮动,但是,不同记录日期下,同一车辆在同一指定位置出现的时间点较为接近,因此,对应于同一指定位置标识的每个记录时间点一般会属于同一时间段。
例如,根据12月10日的历史交通记录数据,发现某车辆在12月10日在08:21出现于位置标识“A公司”,根据12月11日的历史交通记录数据,发现该车辆在12月11日在08:49出现于位置标识“A公司”,虽然该车辆在12月10日和12月11日在位置标识“A公司”出现的记录时间点不同,但是在“A公司”出现的两个记录时间点均属于08:00-09:00的时间段内。
因此,在获取每个记录日期的历史交通记录数据时,该预测装置可以将每个记录日期划分为多个记录时间段,每个记录时间段的时间跨度不小于该单位时间跨度。例如,可以将每个记录日期按照时间跨度为3小时进行划分,得到00:00—03:00,07:00—10:00等多个记录时间段。
那么,当要预测目标单位时间段的交通流量时,可以判断该目标单位时间段的起始时间点和终止时间点,根据该起始时间点和终止时间点,判断该目标单位时间段属于哪一个记录时间段,再获取该目标单位时间段所属的记录时间段的历史交通记录数据。例如,当确定目标单位时间段08:00—08:30时,可以确定该目标单位时间段属于记录时间段07:00—10:00。
204、对于该多个指定车辆中的每个指定车辆,预测装置根据该历史交通记录数据,获取该指定车辆在每个记录日期的该记录时间段内的行驶轨迹,得到与多个记录日期对应的多条行驶轨迹。
其中,本发明实施例所指的指定车辆可以是全网历史交通记录数据中的车辆,也即是曾行驶并被拍摄到的车辆。
关于获取该行驶轨迹的过程,该步骤204可以包括以下步骤2041-2046:
2041、对于该每个记录日期,从该历史交通记录数据中,获取该记录日期的该记录时间段对应的多条记录条目,每条记录条目包括与该记录日期和该记录时间段对应的记录时间点、指定位置标识和指定车辆标识,另外还可以包括对应的行驶方向标识。
例如,该记录日期为12月12日,记录时间段为07:00-10:00时,参见表6,该预测装置可以获取在12月12日的08:00-09:00的多条记录条目。
表6
2042、从该多条记录条目中,选取包括该指定车辆对应的指定车辆标识的多条指定记录条目。
当该预测装置将任一车辆作为指定车辆后,可以确定该指定车辆的指定车辆标识,从该多条记录条目中,选取车辆标识为该指定车辆标识的多条指定记录条目。基于上述表6的举例,该指定车辆为车辆A时,该预测装置可以从N条记录条目中选取记录条目1、记录条目3、记录条目4。
2043、按照该多条指定记录条目中记录时间点从早到晚的顺序,将该多条指定记录条目中的指定位置标识进行排序后,按照排序结果组合成一条行驶轨迹。
在选取了多条指定记录条目后,该预测装置可以获取每条指定记录条目的记录时间点和指定位置标识,从而获得多个相互对应的记录时间点和指定位置标识。之后,按照记录时间点从早到晚的顺序,对相应的指定位置标识进行排序,使得记录时间点早的指定位置标识排在前面,记录时间点晚的指定位置标识排在后面。在对所有指定位置标识进行排序后,可以按照排序结果从前至后组合成一条行驶轨迹。也即是根据多条指定记录条目得到的行驶轨迹包括多个指定位置标识,且该多个指定位置标识按照在对应记录日期的该记录时间段内所对应的记录时间点的先后顺序排列。
例如,基于上述表6和步骤2042的举例,该预测装置可以根据记录条目1中记录时间点中记录时间点08:10、记录条目3中记录时间点08:25、记录条目4中记录时间点08:30,将这三条记录条目中的位置标识“远大中心”、“安慧里”、“安贞门”进行排序,组合成行驶轨迹“远大中心”-“安慧里”-“安贞门”。
进一步地,该预测装置可以分别为每个指定车辆确定一条行驶轨迹,从而得到多个指定车辆对应的多条行驶轨迹。
考虑到车辆在行驶中,当在某位置标识发生停靠,即停止行驶,经过一段时间后才离开该位置标识时,将导致该位置标识和与其相邻的位置标识的记录时间点之间的时间间隔过长,不能反映车辆在该位置标识和与其相邻的位置标识之间行驶的正常通行时间,也就不能反映车辆在每个位置标识出现的一般规律。
例如,指定车辆的行驶轨迹为A-B-C-D,这条行驶轨迹中每个位置标识以及相应的记录时间点如表7所示:
表7
位置标识 | A | B | C | D |
记录时间点 | 7:00 | 7:20 | 9:20 | 9:25 |
一般车辆在B-C之间行驶的正常通行时长通常处于10分钟到20分钟的范围,而在该指定车辆的这条行驶轨迹上,B到C之间的记录时间点之间的时间间隔达到一小时,超过了正常通行时长的范围,可以认为该车辆停靠在B一段时间或者停靠在C一段时间,此时,只用一条行驶轨迹A-B-C-D不能准确地反映该指定车辆的行为信息。
因此,当通过记录时间点之间的时间间隔确定车辆在两个位置之间停留时,行驶轨迹不应该在该位置标识处仍然连续,而是应该在该位置标识处断开,具体地,该断开行驶轨迹的过程可以包括以下步骤2044-2046:
2044、将该行驶轨迹中的任两个相邻指定位置标识进行组合,得到多个位置组合。
例如,对于行驶轨迹A-B-C-D而言,预测装置可以得到A-B,B-C,C-D三个位置组合。
2045、对于该多个位置组合中的每个位置组合,获取在该记录时间段下该位置组合中两个相邻指定位置标识之间的预设最大通行时长,并获取该两个相邻指定位置标识对应的记录时间点之间的时间间隔。
对于任意位置组合中的两个相邻位置标识,预测装置会获取这两个相邻位置标识之间的预设最大通行时长。例如,该预测装置可以获取这两个相邻位置标识之间的距离,确定在该记录时间段中在这两个相邻位置标识的最慢行驶速度,将该距离和该最慢行驶速度之间的商值作为该预设最大通行时长。或者,该预测装置可以获取多个在该记录时间段下在这两个相邻位置标识之间的历史通行时长,将该多个历史通行时长中最大的通行时长作为该预设最大通行时长。
另外,该预测装置还会获取这两个相邻位置标识对应的记录时间点之间的时间间隔,也即是,用第二个位置标识的记录时间点与第一个位置标识的记录时间点之间的差值作为这两个相邻位置标识之间的时间间隔。
基于上述表7的举例,该预测装置对于位置组合A-B,可以获取在记录时间段7:00-8:00中A-B的预设最大通行时长,确定为40分钟,并获取B的记录时间点7:20、A的记录时间点7:00,将7:20与7:00之间的差值20分钟作为A-B之间的时间间隔。
表8
位置组合 | A-B | B-C | C-D |
预设最大通行时长 | 40分钟 | 20分钟 | 20分钟 |
时间间隔 | 20分钟 | 1小时 | 5分钟 |
2046、当该时间间隔大于该预设最大通行时长时,对该位置组合中的两个相邻指定位置标识进行分割,以将该行驶轨迹分割为两条行驶轨迹。
在获取该位置标识中两个相邻指定位置标识之间的预设最大通行时长以及对应的记录时间点之间的时间间隔之后,该预测装置会判断该时间间隔是否大于该预设最大通行时长,当确定该时间间隔大于该预设最大通行时长时,对该位置组合中的两个相邻指定位置标识进行分割,使得该位置组合中的两个相邻指定位置标识中的第一个指定位置标识成为一条行驶轨迹的终止位置标识,第二个指定位置标识成为另一条行驶轨迹的起始位置标识。
基于上述表8的举例,该预测装置在获取位置组合B-C后,确定B与C的记录时间点的时间间隔为1小时,大于B-C之间的预设最大通行时长20分钟,此时,预测装置对B-C进行分割,使得行驶轨迹A-B-C-D在B-C之间断开,令行驶轨迹A-B-C-D分割成为两条轨迹A-B和C-D。也即是,位置组合B-C中的第一个指定位置标识B成为新的行驶轨迹A-B的终止位置标识,第二指定位置标识C成为新的行驶轨迹C-D的起始位置标识。
需要说明的是,上述步骤2044-2046为可选步骤,在实际应用中,也可以不执行将行驶轨迹按照预设最大通行时长进行分割的过程,而是直接根据获取到的行驶轨迹执行下述步骤205,以得到第二交通流量。
205、根据每条行驶轨迹在该多条行驶轨迹中的出现次数,预测装置确定符合预设条件的多条指定行驶轨迹以及每条指定行驶轨迹的概率,并将该多条指定行驶轨迹的概率之和作为该指定车辆在该目标单位时间段内行驶至该目标位置的概率。
具体地,该步骤205可以包括以下步骤2051-2054:
2051、从该多条行驶轨迹中,选取包括该指定车辆的当前位置对应的指定位置标识的多条第一行驶轨迹,计算每条第一行驶轨迹的权重之和,得到该多条第一行驶轨迹的总权重。其中,第一行驶轨迹的权重为第一行驶轨迹在所述多条行驶轨迹中的出现次数。
当通过当前的交通记录数据,确定该指定车辆的当前位置后,可以将该当前位置的位置标识作为指定位置标识,从该指定车辆的多条行驶轨迹中,选取包括该指定位置标识的行驶轨迹,将该行驶轨迹作为第一行驶轨迹,以得到多条第一行驶轨迹。之后,统计每条第一行驶轨迹在该多条行驶轨迹中的出现次数,作为每条第一行驶轨迹的权重,计算所有第一行驶轨迹的权重之和,作为多条第一行驶轨迹的总权重。
2052、计算每条第一行驶轨迹的权重与该总权重的比例,作为每条第一行驶轨迹的概率。
当该预测装置确定第一行驶轨迹的总权重之后,可以分别计算每条第一行驶轨迹的权重与该总权重的比例,作为该每条第一行驶轨迹的概率,也即是,将任意第一行驶轨迹的权重与该总权重的商值,作为该第一行驶轨迹的概率。
例如,该预测装置得到的指定车辆的多条行驶轨迹以及相应的权重如表9所示,当确定该指定车辆的当前位置为指定位置标识A后,可以从这多条行驶轨迹中选取包括指定位置标识A的行驶轨迹A-B、A-B-C、E-A-C,将这三条行驶轨迹作为第一行驶轨迹,并计算行驶轨迹A-B的权重10、行驶轨迹A-B-C的权重15、行驶轨迹E-A-C的权重25之和,得到第一行驶轨迹的总权重50。之后,计算行驶轨迹A-B的权重10与总权重50的比例,得到行驶轨迹A-B的概率0.2,计算行驶轨迹A-B-C的权重15与总权重50的比例,得到行驶轨迹A-B-C的概率0.3,计算行驶轨迹E-A-C的权重25与总权重50的比例,得到行驶轨迹E-A-C的概率0.5。
表9
行驶轨迹 | 权重 | 概率 |
A-B | 10 | 0.2 |
A-B-C | 15 | 0.3 |
E-A-C | 25 | 0.5 |
E-F | 15 | / |
B-E | 20 | / |
2053、从该多条第一行驶轨迹中,选取符合该预设条件的多条指定行驶轨迹,并确定每条指定行驶轨迹的概率。
当确定了多条第一行驶轨迹以及每条第一行驶轨迹的概率之后,该预测装置可以获取将预测交通流量的目标位置的目标位置标识,分别判断每条行驶轨迹是否符合预设条件,以便从该多条第一行驶轨迹中,选取符合该预设条件的多条指定行驶轨迹。其中,该预设条件为在行驶轨迹中该指定车辆的当前位置对应的指定位置标识的下一个指定位置标识为该目标位置对应的目标位置标识。
之后,该预测装置可以计算所有指定行驶轨迹的概率的和值,该和值即为该指定车辆在该目标单位时间段内行驶至该目标位置的概率。
基于上述表9的举例,当该预测装置确定该车辆的当前位置为位置标识A,而把位置标识B作为目标位置标识时,可以从三条第一行驶轨迹A-B、A-B-C、E-A-C中选取包含“A-B”的行驶轨迹,即A-B、A-B-C这两条行驶轨迹作为指定行驶轨迹,并确定行驶轨迹A-B的概率0.2、行驶轨迹A-B-C的概率0.3。之后,计算出行驶轨迹A-B的概率0.2和行驶轨迹A-B-C的概率0.3的和值0.5,则该指定车辆在该目标单位时间段08:00—08:30内行驶至B的概率即为0.5。
2054、根据该历史交通记录数据和多个指定车辆的当前位置,获取该多个指定车辆在该目标单位时间段内行驶至该目标位置的概率,将该多个指定车辆对应的概率的和值作为第二交通流量。
对于多个指定车辆中任一指定车辆,该预测装置均可以根据历史交通记录数据和该指定车辆的当前位置,基于上述步骤2051-2053,确定该指定车辆在该目标单位时间段内行驶至该目标位置的概率。在计算出每个指定车辆在该目标单位时间段内行驶至该目标位置的概率,从而得到该多个指定车辆中所有车辆对应的概率之后,该预测装置可以计算这些概率的和值,将该和值作为第二交通流量,该第二交通流量可以用于指示在该目标单位时间段内行驶至该目标位置的交通流量。
206、预测装置计算该第一交通流量与该第二交通流量的和值,作为该目标位置在该目标单位时间段的交通流量。
由于任意位置在某时间段的交通流量可以认为由在该时间段从该位置出发的交通流量,与在该时间段行驶至该位置的交通流量这两部分组成,因此,在得到在该目标单位时间段内从该目标位置出发的第一交通流量,并得到在该目标单位时间段行驶至该目标位置的第二交通流量之后,该预测装置可以计算该第一交通流量和该第二交通流量的和值,该和值即为该目标位置在该目标单位时间段的交通流量。
本发明实施例提供的方法,确定待预测交通流量的目标单位时间段和目标位置,基于已获取的交通流量预测模型,获取在该目标单位时间段内从该目标位置出发的交通流量,作为第一交通流量,根据该历史交通记录数据和多个指定车辆的当前位置,获取该多个指定车辆在该目标单位时间段内行驶至该目标位置的概率,将该多个指定车辆对应的概率的和值作为第二交通流量。计算该第一交通流量与该第二交通流量的和值,作为该目标位置在该目标单位时间段的交通流量。将待预测交通流量划分为从目标位置出发的交通流量和行驶至目标位置的交通流量两部分,不仅考虑到了目标位置在多个历史单位时间段的交通流量,根据这些交通流量预测从目标位置出发的交通流量,还考虑到每个车辆的行驶对交通流量的影响,根据每个车辆的行驶至目标位置的概率预测行驶至目标位置的交通流量,从而提高了预测的交通流量的准确性。
另外,对于行驶轨迹中的每个位置组合,获取在记录时间段下该位置组合中两个相邻指定位置标识之间的预设最大通行时长,并获取该两个相邻指定位置标识对应的记录时间点之间的时间间隔,当该时间间隔大于该预设最大通行时长时,对该位置组合中的两个相邻指定位置标识进行分割,以将该行驶轨迹分割为两条行驶轨迹。每当通过记录时间点的时间间隔确定车辆在任一位置标识发生了停靠时,即将行驶轨迹在该位置标识断开,能够准确地反映车辆的行为信息,进一步地提高了预测的交通流量的准确性。
图3是根据一示例性实施例示出的一种交通流量预测装置的框图,如图3所示,该装置包括确定模块301、第一获取模块302、第二获取模块303和计算模块304:
确定模块301,用于确定待预测交通流量的目标单位时间段和目标位置,该目标单位时间段是以当前时间点为起始点且时间跨度为单位时间跨度的时间段;
第一获取模块302,用于基于已获取的交通流量预测模型,获取在该目标单位时间段内从该目标位置出发的交通流量,作为第一交通流量,该交通流量预测模型用于获取在任一单位时间段从该目标位置出发的交通流量,该交通流量预测模型通过根据历史交通记录数据进行模型训练后得到;
第二获取模块303,用于根据该历史交通记录数据和多个指定车辆的当前位置,获取该多个指定车辆在该目标单位时间段内行驶至该目标位置的概率,将该多个指定车辆对应的概率的和值作为第二交通流量;
计算模块304,用于计算该第一交通流量与该第二交通流量的和值,作为该目标位置在该目标单位时间段的交通流量。
在一种可能的实现方式中,该历史交通记录数据包括相互对应的记录日期、记录时间点以及指定位置标识,该指定位置标识用于指示指定位置;
该第二获取模块303,包括:
确定子模块,用于该历史交通记录数据将每个记录日期划分为多个记录时间段时,确定该目标单位时间段所属的记录时间段,每个记录时间段的时间跨度不小于该单位时间跨度;
获取子模块,用于对于该多个指定车辆中的每个指定车辆,根据该历史交通记录数据,获取该指定车辆在每个记录日期的该记录时间段内的行驶轨迹,得到与多个记录日期对应的多条行驶轨迹,每条行驶轨迹包括多个指定位置标识,且该多个指定位置标识按照在对应记录日期的该记录时间段内所对应的记录时间点的先后顺序排列;
该确定子模块,还用于根据每条行驶轨迹在该多条行驶轨迹中的出现次数,确定符合预设条件的多条指定行驶轨迹以及每条指定行驶轨迹的概率,并将该多条指定行驶轨迹的概率之和作为该指定车辆在该目标单位时间段内行驶至该目标位置的概率,该预设条件为在行驶轨迹中该指定车辆的当前位置对应的指定位置标识的下一个指定位置标识为该目标位置对应的目标位置标识。
在另一种可能的实现方式中,该确定子模块,包括:
选取单元,用于从该多条行驶轨迹中,选取包括该指定车辆的当前位置对应的指定位置标识的多条第一行驶轨迹;
计算单元,用于计算每条第一行驶轨迹的权重之和,得到该多条第一行驶轨迹的总权重,其中,第一行驶轨迹的权重为第一行驶轨迹在该多条行驶轨迹中的出现次数;
该计算单元,还用于计算每条第一行驶轨迹的权重与该总权重的比例,作为每条第一行驶轨迹的概率;
该选取单元,还用于从该多条第一行驶轨迹中,选取符合该预设条件的多条指定行驶轨迹,并确定每条指定行驶轨迹的概率。
在另一种可能的实现方式中,该历史交通记录数据包括相互对应的记录日期、记录时间点、指定位置标识以及指定车辆标识,该指定车辆标识用于指示在该记录日期的该记录时间点在该指定位置出现的指定车辆;
该获取子模块,包括:
获取单元,用于对于该每个记录日期,从该历史交通记录数据中,获取该记录日期的该记录时间段对应的多条记录条目;
选取单元,用于从该多条记录条目中,选取包括该指定车辆对应的指定车辆标识的多条指定记录条目;
组合单元,用于按照该多条指定记录条目中记录时间点从早到晚的顺序,将该多条指定记录条目中的指定位置标识进行排序后,按照排序结果组合成一条行驶轨迹。
在另一种可能的实现方式中,该获取子模块还包括:
该组合单元,还用于将该行驶轨迹中的任两个相邻指定位置标识进行组合,得到多个位置组合;
该获取单元,还用于对于该多个位置组合中的每个位置组合,获取在该记录时间段下该位置组合中两个相邻指定位置标识之间的预设最大通行时长,并获取该两个相邻指定位置标识对应的记录时间点之间的时间间隔;
分割单元,用于当该时间间隔大于该预设最大通行时长时,对该位置组合中的两个相邻指定位置标识进行分割,以将该行驶轨迹分割为两条行驶轨迹,使得该位置组合中的两个相邻指定位置标识中的第一个指定位置标识成为一条行驶轨迹的终止位置标识,第二个指定位置标识成为另一条行驶轨迹的起始位置标识。
在另一种可能的实现方式中,该第一获取模块302,包括:
确定子模块,用于根据该历史交通记录数据中的多个记录日期,确定多个日期组合,每个日期组合中任两个记录日期之间的时间间隔相等,且不同日期组合对应的时间间隔不等;
训练子模块,用于根据每个日期组合中各个记录日期在该目标单位时间段内从该目标位置出发的样本交通流量,进行模型训练,得到分别与该多个日期组合对应的多个交通流量预测模型,并将每个交通流量预测模型对应的日期组合的时间间隔作为每个交通流量预测模型的权重,每个交通流量预测模型用于获取在任一单位时间段从该目标位置出发的交通流量;
获取子模块,用于基于该多个交通流量预测模型,分别获取在该目标单位时间段内从该目标位置出发的交通流量,得到多个交通流量;
计算子模块,用于根据每个交通流量预测模型的权重,对基于该多个交通流量预测模型获取到的多个交通流量进行加权求和,得到该第一交通流量。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的交通流量预测装置在预测交通流量时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的交通流量预测装置与交通流量预测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本实施例提供了一种终端,该终端可以用于执行上述各个实施例中提供的交通流量预测方法。参见图4,该终端400包括:
终端400可以包括RF(Radio Frequency,射频)电路110、包括有一个或一个以上计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、WiFi(Wireless Fidelity,无线保真)模块170、包括有一个或者一个以上处理核心的处理器180、以及电源40等部件。本领域技术人员可以理解,图4中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路110可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器180处理;另外,将涉及上行的数据发送给基站。通常,RF电路110包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier,低噪声放大器)、双工器等。此外,RF电路110还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯系统)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA(CodeDivision Multiple Access,码分多址)、WCDMA(Wideband Code Division MultipleAccess,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(ShortMessaging Service,短消息服务)等。
存储器120可用于存储软件程序以及模块,处理器180通过运行存储在存储器120的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端400的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器120还可以包括存储器控制器,以提供处理器180和输入单元130对存储器120的访问。
输入单元130可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面131可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器180,并能接收处理器180发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131,输入单元130还可以包括其他输入设备132。具体地,其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端400的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板141。进一步的,触敏表面131可覆盖显示面板141,当触敏表面131检测到在其上或附近的触摸操作后,传送给处理器180以确定触摸事件的类型,随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图4中,触敏表面131与显示面板141是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面131与显示面板141集成而实现输入和输出功能。
终端400还可包括至少一种传感器150,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板141的亮度,接近传感器可在终端400移动到耳边时,关闭显示面板141和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于终端400还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路160、扬声器161,传声器162可提供用户与终端400之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号,传输到扬声器161,由扬声器161转换为声音信号输出;另一方面,传声器162将收集的声音信号转换为电信号,由音频电路160接收后转换为音频数据,再将音频数据输出处理器180处理后,经RF电路110以发送给比如另一终端,或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔,以提供外设耳机与终端400的通信。
WiFi属于短距离无线传输技术,终端400通过WiFi模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图4示出了WiFi模块170,但是可以理解的是,其并不属于终端400的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器180是终端400的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器120内的软件程序和/或模块,以及调用存储在存储器120内的数据,执行终端400的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器180可包括一个或多个处理核心;优选的,处理器180可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器180中。
终端400还包括给各个部件供电的电源40(比如电池),优选的,电源可以通过电源管理系统与处理器180逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源40还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,终端400还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,终端的显示单元是触摸屏显示器,终端还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行。所述一个或者一个以上程序包含用于实施上述实施例中预测装置所执行操作的指令。
图5是根据一示例性实施例示出的一种装置500的框图。例如,装置500可以被提供为一服务器。参照图5,装置500包括处理组件522,其进一步包括一个或多个处理器,以及由存储器532所代表的存储器资源,用于存储可由处理部件522的执行的指令,例如应用程序。存储器532中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件522被配置为执行指令,以执行上述交通流量预测方法。
装置500还可以包括一个电源组件526被配置为执行装置500的电源管理,一个有线或无线网络接口550被配置为将装置500连接到网络,和一个输入输出(I/O)接口558。装置500可以操作基于存储在存储器532的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
上述装置500可以用于执行上述实施例中预测装置执行的步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种交通流量预测方法,其特征在于,所述方法包括:
确定待预测交通流量的目标单位时间段和目标位置,所述目标单位时间段是以当前时间点为起始点且时间跨度为单位时间跨度的时间段;
基于已获取的交通流量预测模型,获取在所述目标单位时间段内从所述目标位置出发的交通流量,作为第一交通流量,所述交通流量预测模型用于获取在任一单位时间段从所述目标位置出发的交通流量,所述交通流量预测模型通过根据历史交通记录数据进行模型训练后得到;
根据所述历史交通记录数据和多个指定车辆的当前位置,获取所述多个指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,将所述多个指定车辆对应的概率的和值作为第二交通流量;
计算所述第一交通流量与所述第二交通流量的和值,作为所述目标位置在所述目标单位时间段的交通流量。
2.根据权利要求1所述的方法,其特征在于,所述历史交通记录数据包括相互对应的记录日期、记录时间点以及指定位置标识,所述指定位置标识用于指示指定位置;
所述根据所述历史交通记录数据和多个指定车辆的当前位置,获取所述多个指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,包括:
所述历史交通记录数据将每个记录日期划分为多个记录时间段时,确定所述目标单位时间段所属的记录时间段,每个记录时间段的时间跨度不小于所述单位时间跨度;
对于所述多个指定车辆中的每个指定车辆,根据所述历史交通记录数据,获取所述指定车辆在每个记录日期的所述记录时间段内的行驶轨迹,得到与多个记录日期对应的多条行驶轨迹,每条行驶轨迹包括多个指定位置标识,且所述多个指定位置标识按照在对应记录日期的所述记录时间段内所对应的记录时间点的先后顺序排列;
根据每条行驶轨迹在所述多条行驶轨迹中的出现次数,确定符合预设条件的多条指定行驶轨迹以及每条指定行驶轨迹的概率,并将所述多条指定行驶轨迹的概率之和作为所述指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,所述预设条件为在行驶轨迹中所述指定车辆的当前位置对应的指定位置标识的下一个指定位置标识为所述目标位置对应的目标位置标识。
3.根据权利要求2所述的方法,其特征在于,所述根据每条行驶轨迹在所述多条行驶轨迹中的出现次数,确定符合预设条件的多条指定行驶轨迹以及每条指定行驶轨迹的概率,包括:
从所述多条行驶轨迹中,选取包括所述指定车辆的当前位置对应的指定位置标识的多条第一行驶轨迹,计算每条第一行驶轨迹的权重之和,得到所述多条第一行驶轨迹的总权重,其中,第一行驶轨迹的权重为第一行驶轨迹在所述多条行驶轨迹中的出现次数;
计算每条第一行驶轨迹的权重与所述总权重的比例,作为每条第一行驶轨迹的概率;
从所述多条第一行驶轨迹中,选取符合所述预设条件的多条指定行驶轨迹,并确定每条指定行驶轨迹的概率。
4.根据权利要求2所述的方法,其特征在于,所述历史交通记录数据包括相互对应的记录日期、记录时间点、指定位置标识以及指定车辆标识,所述指定车辆标识用于指示在所述记录日期的所述记录时间点在所述指定位置出现的指定车辆;
所述根据所述历史交通记录数据,获取所述指定车辆在每个记录日期的所述记录时间段内的行驶轨迹,得到与多个记录日期对应的多条行驶轨迹,包括:
对于所述每个记录日期,从所述历史交通记录数据中,获取所述记录日期的所述记录时间段对应的多条记录条目;
从所述多条记录条目中,选取包括所述指定车辆对应的指定车辆标识的多条指定记录条目;
按照所述多条指定记录条目中记录时间点从早到晚的顺序,将所述多条指定记录条目中的指定位置标识进行排序后,按照排序结果组合成一条行驶轨迹。
5.根据权利要求4所述的方法,其特征在于,所述将所述多条指定记录条目中的指定位置标识进行排序后,按照排序结果组合成一条行驶轨迹之后,所述方法还包括:
将所述行驶轨迹中的任两个相邻指定位置标识进行组合,得到多个位置组合;
对于所述多个位置组合中的每个位置组合,获取在所述记录时间段下所述位置组合中两个相邻指定位置标识之间的预设最大通行时长,并获取所述两个相邻指定位置标识对应的记录时间点之间的时间间隔;
当所述时间间隔大于所述预设最大通行时长时,对所述位置组合中的两个相邻指定位置标识进行分割,以将所述行驶轨迹分割为两条行驶轨迹,使得所述位置组合中的两个相邻指定位置标识中的第一个指定位置标识成为一条行驶轨迹的终止位置标识,第二个指定位置标识成为另一条行驶轨迹的起始位置标识。
6.根据权利要求1所述的方法,其特征在于,所述基于已获取的交通流量预测模型,获取在所述目标单位时间段内从所述目标位置出发的交通流量,作为第一交通流量,包括:
根据所述历史交通记录数据中的多个记录日期,确定多个日期组合,每个日期组合中任两个记录日期之间的时间间隔相等,且不同日期组合对应的时间间隔不等;
根据每个日期组合中各个记录日期在所述目标单位时间段内从所述目标位置出发的样本交通流量,进行模型训练,得到分别与所述多个日期组合对应的多个交通流量预测模型,并将每个交通流量预测模型对应的日期组合的时间间隔作为每个交通流量预测模型的权重,每个交通流量预测模型用于获取在任一单位时间段从所述目标位置出发的交通流量;
基于所述多个交通流量预测模型,分别获取在所述目标单位时间段内从所述目标位置出发的交通流量,得到多个交通流量;
根据每个交通流量预测模型的权重,对基于所述多个交通流量预测模型获取到的多个交通流量进行加权求和,得到所述第一交通流量。
7.一种交通流量预测装置,其特征在于,所述装置包括:
确定模块,用于确定待预测交通流量的目标单位时间段和目标位置,所述目标单位时间段是以当前时间点为起始点且时间跨度为单位时间跨度的时间段;
第一获取模块,用于基于已获取的交通流量预测模型,获取在所述目标单位时间段内从所述目标位置出发的交通流量,作为第一交通流量,所述交通流量预测模型用于获取在任一单位时间段从所述目标位置出发的交通流量,所述交通流量预测模型通过根据历史交通记录数据进行模型训练后得到;
第二获取模块,用于根据所述历史交通记录数据和多个指定车辆的当前位置,获取所述多个指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,将所述多个指定车辆对应的概率的和值作为第二交通流量;
计算模块,用于计算所述第一交通流量与所述第二交通流量的和值,作为所述目标位置在所述目标单位时间段的交通流量。
8.根据权利要求7所述的装置,其特征在于,所述历史交通记录数据包括相互对应的记录日期、记录时间点以及指定位置标识,所述指定位置标识用于指示指定位置;
所述第二获取模块,包括:
确定子模块,用于所述历史交通记录数据将每个记录日期划分为多个记录时间段时,确定所述目标单位时间段所属的记录时间段,每个记录时间段的时间跨度不小于所述单位时间跨度;
获取子模块,用于对于所述多个指定车辆中的每个指定车辆,根据所述历史交通记录数据,获取所述指定车辆在每个记录日期的所述记录时间段内的行驶轨迹,得到与多个记录日期对应的多条行驶轨迹,每条行驶轨迹包括多个指定位置标识,且所述多个指定位置标识按照在对应记录日期的所述记录时间段内所对应的记录时间点的先后顺序排列;
所述确定子模块,还用于根据每条行驶轨迹在所述多条行驶轨迹中的出现次数,确定符合预设条件的多条指定行驶轨迹以及每条指定行驶轨迹的概率,并将所述多条指定行驶轨迹的概率之和作为所述指定车辆在所述目标单位时间段内行驶至所述目标位置的概率,所述预设条件为在行驶轨迹中所述指定车辆的当前位置对应的指定位置标识的下一个指定位置标识为所述目标位置对应的目标位置标识。
9.根据权利要求8所述的装置,其特征在于,所述确定子模块,包括:
选取单元,用于从所述多条行驶轨迹中,选取包括所述指定车辆的当前位置对应的指定位置标识的多条第一行驶轨迹;
计算单元,用于计算每条第一行驶轨迹的权重之和,得到所述多条第一行驶轨迹的总权重,其中,第一行驶轨迹的权重为第一行驶轨迹在所述多条行驶轨迹中的出现次数;
所述计算单元,还用于计算每条第一行驶轨迹的权重与所述总权重的比例,作为每条第一行驶轨迹的概率;
所述选取单元,还用于从所述多条第一行驶轨迹中,选取符合所述预设条件的多条指定行驶轨迹,并确定每条指定行驶轨迹的概率。
10.根据权利要求8所述的装置,其特征在于,所述历史交通记录数据包括相互对应的记录日期、记录时间点、指定位置标识以及指定车辆标识,所述指定车辆标识用于指示在所述记录日期的所述记录时间点在所述指定位置出现的指定车辆;
所述获取子模块,包括:
获取单元,用于对于所述每个记录日期,从所述历史交通记录数据中,获取所述记录日期的所述记录时间段对应的多条记录条目;
选取单元,用于从所述多条记录条目中,选取包括所述指定车辆对应的指定车辆标识的多条指定记录条目;
组合单元,用于按照所述多条指定记录条目中记录时间点从早到晚的顺序,将所述多条指定记录条目中的指定位置标识进行排序后,按照排序结果组合成一条行驶轨迹。
11.根据权利要求10所述的装置,其特征在于,所述获取子模块还包括:
所述组合单元,还用于将所述行驶轨迹中的任两个相邻指定位置标识进行组合,得到多个位置组合;
所述获取单元,还用于对于所述多个位置组合中的每个位置组合,获取在所述记录时间段下所述位置组合中两个相邻指定位置标识之间的预设最大通行时长,并获取所述两个相邻指定位置标识对应的记录时间点之间的时间间隔;
分割单元,用于当所述时间间隔大于所述预设最大通行时长时,对所述位置组合中的两个相邻指定位置标识进行分割,以将所述行驶轨迹分割为两条行驶轨迹,使得所述位置组合中的两个相邻指定位置标识中的第一个指定位置标识成为一条行驶轨迹的终止位置标识,第二个指定位置标识成为另一条行驶轨迹的起始位置标识。
12.根据权利要求7所述的装置,其特征在于,所述第一获取模块,包括:
确定子模块,用于根据所述历史交通记录数据中的多个记录日期,确定多个日期组合,每个日期组合中任两个记录日期之间的时间间隔相等,且不同日期组合对应的时间间隔不等;
训练子模块,用于根据每个日期组合中各个记录日期在所述目标单位时间段内从所述目标位置出发的样本交通流量,进行模型训练,得到分别与所述多个日期组合对应的多个交通流量预测模型,并将每个交通流量预测模型对应的日期组合的时间间隔作为每个交通流量预测模型的权重,每个交通流量预测模型用于获取在任一单位时间段从所述目标位置出发的交通流量;
获取子模块,用于基于所述多个交通流量预测模型,分别获取在所述目标单位时间段内从所述目标位置出发的交通流量,得到多个交通流量;
计算子模块,用于根据每个交通流量预测模型的权重,对基于所述多个交通流量预测模型获取到的多个交通流量进行加权求和,得到所述第一交通流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611243567.7A CN108257378B (zh) | 2016-12-29 | 2016-12-29 | 交通流量预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611243567.7A CN108257378B (zh) | 2016-12-29 | 2016-12-29 | 交通流量预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108257378A true CN108257378A (zh) | 2018-07-06 |
CN108257378B CN108257378B (zh) | 2020-05-19 |
Family
ID=62719079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611243567.7A Active CN108257378B (zh) | 2016-12-29 | 2016-12-29 | 交通流量预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108257378B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255950A (zh) * | 2018-09-05 | 2019-01-22 | 苏州佳世达光电有限公司 | 车流预估方法、装置及系统 |
CN109376178A (zh) * | 2018-08-17 | 2019-02-22 | 中国电子科技集团公司电子科学研究院 | 时空大数据轨迹分析平台、方法、服务器及存储介质 |
CN109859477A (zh) * | 2019-03-15 | 2019-06-07 | 同盾控股有限公司 | 一种拥堵数据的确定方法和装置 |
CN110009380A (zh) * | 2018-11-29 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 交易数据预测方法、装置、电子设备及计算机存储介质 |
CN110363984A (zh) * | 2019-06-25 | 2019-10-22 | 讯飞智元信息科技有限公司 | 交通流量预测方法和设备 |
CN111192451A (zh) * | 2019-12-26 | 2020-05-22 | 深圳信息职业技术学院 | 车辆到达时间的预测方法、装置、计算机设备及存储介质 |
CN111401743A (zh) * | 2020-03-16 | 2020-07-10 | 南通大学 | 一种城市道路施工期的动态交通影响评价方法 |
CN111862583A (zh) * | 2019-04-24 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种车流量预测方法及装置 |
CN112233428A (zh) * | 2020-10-10 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 车流量预测方法、装置、存储介质及设备 |
CN113115231A (zh) * | 2021-04-14 | 2021-07-13 | 每日互动股份有限公司 | 基于lbs的数据处理系统 |
CN114495490A (zh) * | 2021-12-31 | 2022-05-13 | 联通智网科技股份有限公司 | 交通情况预测方法、设备终端及存储介质 |
CN115311860A (zh) * | 2022-08-09 | 2022-11-08 | 中国科学院计算技术研究所 | 一种交通流量预测模型的在线联邦学习方法 |
CN115311842A (zh) * | 2021-05-07 | 2022-11-08 | 杭州海康威视数字技术股份有限公司 | 车流量预测模型训练和车流量预测方法、装置及电子设备 |
CN115331439A (zh) * | 2022-08-09 | 2022-11-11 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法及系统 |
CN116758726A (zh) * | 2023-07-13 | 2023-09-15 | 西藏金采科技股份有限公司 | 一种基于车联网的大数据分析方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355537A (ja) * | 2003-05-30 | 2004-12-16 | Matsushita Electric Ind Co Ltd | 交通流データ予測装置及び方法 |
JP2006018435A (ja) * | 2004-06-30 | 2006-01-19 | Matsushita Electric Ind Co Ltd | 交通流データ予測装置および交通流データ予測方法 |
CN104183119A (zh) * | 2014-08-19 | 2014-12-03 | 中山大学 | 基于路段od反推的实时交通流分布预测系统 |
CN105185115A (zh) * | 2015-09-07 | 2015-12-23 | 华迪计算机集团有限公司 | 一种交通预测方法和预测系统 |
CN105788249A (zh) * | 2014-12-16 | 2016-07-20 | 高德软件有限公司 | 一种交通流量预测方法、预测模型生成方法及装置 |
CN106251628A (zh) * | 2016-09-14 | 2016-12-21 | 青岛海信网络科技股份有限公司 | 一种确定机动车的交通出行量的方法及装置 |
-
2016
- 2016-12-29 CN CN201611243567.7A patent/CN108257378B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355537A (ja) * | 2003-05-30 | 2004-12-16 | Matsushita Electric Ind Co Ltd | 交通流データ予測装置及び方法 |
JP2006018435A (ja) * | 2004-06-30 | 2006-01-19 | Matsushita Electric Ind Co Ltd | 交通流データ予測装置および交通流データ予測方法 |
CN104183119A (zh) * | 2014-08-19 | 2014-12-03 | 中山大学 | 基于路段od反推的实时交通流分布预测系统 |
CN105788249A (zh) * | 2014-12-16 | 2016-07-20 | 高德软件有限公司 | 一种交通流量预测方法、预测模型生成方法及装置 |
CN105185115A (zh) * | 2015-09-07 | 2015-12-23 | 华迪计算机集团有限公司 | 一种交通预测方法和预测系统 |
CN106251628A (zh) * | 2016-09-14 | 2016-12-21 | 青岛海信网络科技股份有限公司 | 一种确定机动车的交通出行量的方法及装置 |
Non-Patent Citations (1)
Title |
---|
赖锦辉 等: "基于ACS优化BP神经网络的交通流量短时预测方法", 《计算机工程与应用》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376178A (zh) * | 2018-08-17 | 2019-02-22 | 中国电子科技集团公司电子科学研究院 | 时空大数据轨迹分析平台、方法、服务器及存储介质 |
CN109255950A (zh) * | 2018-09-05 | 2019-01-22 | 苏州佳世达光电有限公司 | 车流预估方法、装置及系统 |
CN110009380A (zh) * | 2018-11-29 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 交易数据预测方法、装置、电子设备及计算机存储介质 |
CN109859477A (zh) * | 2019-03-15 | 2019-06-07 | 同盾控股有限公司 | 一种拥堵数据的确定方法和装置 |
CN111862583A (zh) * | 2019-04-24 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种车流量预测方法及装置 |
CN110363984A (zh) * | 2019-06-25 | 2019-10-22 | 讯飞智元信息科技有限公司 | 交通流量预测方法和设备 |
CN111192451A (zh) * | 2019-12-26 | 2020-05-22 | 深圳信息职业技术学院 | 车辆到达时间的预测方法、装置、计算机设备及存储介质 |
CN111192451B (zh) * | 2019-12-26 | 2021-07-09 | 深圳信息职业技术学院 | 车辆到达时间的预测方法、装置、计算机设备及存储介质 |
CN111401743B (zh) * | 2020-03-16 | 2023-09-19 | 南通大学 | 一种城市道路施工期的动态交通影响评价方法 |
CN111401743A (zh) * | 2020-03-16 | 2020-07-10 | 南通大学 | 一种城市道路施工期的动态交通影响评价方法 |
CN112233428A (zh) * | 2020-10-10 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 车流量预测方法、装置、存储介质及设备 |
CN112233428B (zh) * | 2020-10-10 | 2023-09-22 | 腾讯科技(深圳)有限公司 | 车流量预测方法、装置、存储介质及设备 |
CN113115231A (zh) * | 2021-04-14 | 2021-07-13 | 每日互动股份有限公司 | 基于lbs的数据处理系统 |
CN113115231B (zh) * | 2021-04-14 | 2022-06-24 | 每日互动股份有限公司 | 基于lbs的数据处理系统 |
CN115311842A (zh) * | 2021-05-07 | 2022-11-08 | 杭州海康威视数字技术股份有限公司 | 车流量预测模型训练和车流量预测方法、装置及电子设备 |
CN115311842B (zh) * | 2021-05-07 | 2024-07-02 | 杭州海康威视数字技术股份有限公司 | 车流量预测模型训练和车流量预测方法、装置及电子设备 |
CN114495490A (zh) * | 2021-12-31 | 2022-05-13 | 联通智网科技股份有限公司 | 交通情况预测方法、设备终端及存储介质 |
CN115311860A (zh) * | 2022-08-09 | 2022-11-08 | 中国科学院计算技术研究所 | 一种交通流量预测模型的在线联邦学习方法 |
CN115331439A (zh) * | 2022-08-09 | 2022-11-11 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法及系统 |
CN115331439B (zh) * | 2022-08-09 | 2023-08-18 | 山东旗帜信息有限公司 | 一种基于车辆历史画像的高速公路立交的车流量预测方法 |
CN115311860B (zh) * | 2022-08-09 | 2024-06-14 | 中国科学院计算技术研究所 | 一种交通流量预测模型的在线联邦学习方法 |
CN116758726A (zh) * | 2023-07-13 | 2023-09-15 | 西藏金采科技股份有限公司 | 一种基于车联网的大数据分析方法和系统 |
CN116758726B (zh) * | 2023-07-13 | 2024-03-22 | 西藏金采科技股份有限公司 | 一种基于车联网的大数据分析方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108257378B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108257378A (zh) | 交通流量预测方法及装置 | |
CN108693868B (zh) | 故障预测模型训练的方法、车辆故障预测的方法及装置 | |
CN104599346B (zh) | 一种驾驶行为评估方法,及装置 | |
CN107230046A (zh) | 一种出行信息的提示方法及移动终端 | |
CN108304758A (zh) | 人脸特征点跟踪方法及装置 | |
CN107391259A (zh) | 资源处理方法和装置、计算机可读存储介质、移动终端 | |
CN103400508A (zh) | 一种输出车位引导信息的方法、装置和终端 | |
CN106060254A (zh) | 一种移动终端的来电接听方法及移动终端 | |
CN109493592B (zh) | 路径推荐方法及装置 | |
CN112422711B (zh) | 一种资源分配方法、装置、电子设备及存储介质 | |
CN111739329B (zh) | 行驶路线生成方法、装置、存储介质及服务器 | |
CN107770729A (zh) | 信号强度提示方法以及相关产品 | |
WO2018086471A1 (zh) | 导航方法、装置、终端及存储介质 | |
CN107315519A (zh) | 驾驶状态下的os切换方法、装置及移动终端 | |
CN105606117A (zh) | 导航提示方法及装置 | |
CN108924885A (zh) | 信息获取方法及装置 | |
CN107391198A (zh) | 任务调度方法和装置、计算机可读存储介质、移动终端 | |
CN105526944B (zh) | 信息提示方法及装置 | |
CN109064746A (zh) | 一种信息处理方法、终端和计算机可读存储介质 | |
CN108151716A (zh) | 飞行装置测绘作业区域规划方法、装置和终端 | |
CN106705988B (zh) | 路况展示方法、装置及计算机设备 | |
CN103501487A (zh) | 分类器更新方法、装置、终端、服务器及系统 | |
CN110278324A (zh) | 检测地铁进出站状态的方法、装置、终端设备和存储介质 | |
CN106527666A (zh) | 一种中央处理器的控制方法、及终端设备 | |
CN103823828A (zh) | 地图比例尺设定方法、装置和终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |