CN117609415A - 一种高速公路车辆出口预测系统及预测方法 - Google Patents
一种高速公路车辆出口预测系统及预测方法 Download PDFInfo
- Publication number
- CN117609415A CN117609415A CN202410091070.6A CN202410091070A CN117609415A CN 117609415 A CN117609415 A CN 117609415A CN 202410091070 A CN202410091070 A CN 202410091070A CN 117609415 A CN117609415 A CN 117609415A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- exit
- information
- outlet
- platform
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 11
- 230000006399 behavior Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高速公路车辆出口预测系统及预测方法,属于车辆高速出口预测技术领域。包括预测计算模块,所述预测计算模块上接入有车辆信息获取模块、数据匹配模块和预测推理模块,所述数据匹配模块包括车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台和实时热点出口信息平台;所述预测推理模块包括预测推理机,所述预测推理机通信连接有出口预测知识库。本发明的高速公路车辆出口预测系统及预测方法,能够提高高速公路车辆出口预测的准确性,可以实时预测车辆在高速公路上,可能下高速的出口及概率。
Description
技术领域
本发明具体涉及一种高速公路车辆出口预测系统及预测方法,属于车辆高速出口预测技术领域。
背景技术
随着智能交通的飞速发展,以及社会数字化转型的需要,关于高速公路车辆出口动态预测越来越重要;根据车辆出口的动态精准预测可以对路上的重点车辆的目的地做出预测,供相关部门提前执行相应的应对策略;另外能够以此为依据提前预判高速的拥堵收费站;现有技术中,关于高速公路车辆出口预测方法,一般是通过历史通行数据进行判断,根据历史出入口行为进行概率计算;这种方案准确率较低,不能满足更高的准确性要求;此外这种方法对车辆通行模型的要求条件较苛刻,很难适应实际场景需求。
发明内容
为解决上述问题,本发明提出了一种高速公路车辆出口预测系统及预测方法,能够提高高速公路车辆出口预测的准确性,可以实时预测车辆在高速公路上。可能下高速的出口及概率。
本发明的高速公路车辆出口预测系统,包括预测计算模块,所述预测计算模块上接入有车辆信息获取模块、数据匹配模块和预测推理模块,所述数据匹配模块包括车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台和实时热点出口信息平台;所述预测推理模块包括预测推理机,所述预测推理机通信连接有出口预测知识库;对于行驶在高速公路上的待预测重点车辆,通过车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台、实时热点出口信息平台获取该车辆的历史行驶轨迹信息、车牌归属地及其范围内的高速出口站点信息、当前行驶车方向下一个收费站出口的拓扑信息、热点收费站信息,然后把上述信息发送给出口预测推理模块,出口预测推理模块根据出口预测知识库里面的规则进行推理判断,得出车辆可能的出口站点。
进一步地,所述车辆信息获取模块包括车牌号码获取模块和车辆当前位置信息获取模块;车辆信息获取模块接收输入的待预测车辆的车牌号码和当前位置信息,把车牌号码和车辆当前位置信息传送给数据匹配模块;
所述车辆历史行驶轨迹记录平台记录车辆的历史行驶轨迹,每一条所述历史行驶轨迹包括入口信息、出口信息和行驶的路径轨迹;所述车辆历史行驶轨迹记录平台输入车牌号,输出车辆的历史行驶轨迹信息,以一次上高速下高速行驶记录作为一次通行记录;一条轨迹信息包括入口信息、出口信息、行驶的路径轨迹;该系统存储了车辆的历史通行行驶轨迹记录信息,包括入口信息、出口信息、行驶的路径轨迹等;通过输入车牌号可以快速输出该车的历史通行记录;
所述道路拓扑结构图平台记录高速公路的拓扑线路图以及各收费站的站点类型;车辆的当前位置信息输入道路拓扑结构图平台,输出车辆当前行驶方向下一个收费站出口的站点信息,该信息包括出口站点名称、站点类型(叶节点、次叶节点、常规节点)、站点是否是热点收费站标识;所述道路拓扑结构图平台首先根据输入的车辆当前位置信息,得出其行驶方向下一个出口的站点信息,然后再与实时热点出口站平台交互,查询出该站点是否是热点出口站;最后把该站点的名称、站点类型、站点是否是热点出口站标识信息发送给预测推理模块;
所述车辆归属地信息平台包括归属地数据库,所述归属地数据库内存储有车牌号段归属地信息及归属地辖区所包含的出口站点;所述车辆归属地信息平台工作时,根据输入的车牌号码信息,首先得出车牌号码归属地市及其辖区内的各出口站信息,然后再跟实时热点出口站平台子系统交互,查询出该地市所包含的出口站点哪个是实时出口流量最大的站点;最后把该站点的名称信息等数据发送给预测推理模块;
所述实时热点出口信息平台包括热点判定计算模块,所述热点判定计算模块连接有热点数据库,所述热点数据库内存储有各高速站点的历史出口流量信息,实时热点出口信息平台具有两个功能,功能一:可通过站点历史出口流量的判断给出是否是热门出口站点,对于流量大的出口站点标注为热门站点。功能二:可以对输入的多个站点输出其中出口流量最大的站。
一种高速公路车辆出口预测方法,包括高速公路车辆出口预测系统,其特征在于,所述方法具体如下:
第一步,通过车辆信息获取模块获取待预测车辆的车牌信息车辆实时位置信息;
第二步,预测计算模块读取车辆信息获取模块采集的车辆信息数据,并将车辆信息数据输入的数据匹配模块;数据匹配模块输出匹配数据;
第三步,预测计算模块获取数据匹配模块输出匹配数据,并将匹配数据送入到预测推理机,预测推理机根据匹配数据,并匹配出口预测知识库内的规则,推理出车辆可能的出口和概率。
进一步地,所述第二步工作过程如下:
预测计算模块将车牌号信息送入到车辆历史行驶轨迹记录平台,车辆历史行驶轨迹记录平台输出车辆的历史行驶轨迹信息;
预测计算模块将车辆实时位置信息送入到道路拓扑结构图平台,道路拓扑结构图平台获取车辆实时位置信息,并与实时热点出口信息平台交互,输出当前行驶方向下一个收费站出口,及下一个收费站出口信息,
预测计算模块将车牌号信息送入到车辆归属地信息平台,车辆归属地信息平台获取车牌号信息,并与实时热点出口信息平台交互,输出车牌归属地辖区内的热点出口收费站信息。
进一步地,所述下一个收费站出口信息包括两类,一类为下一个收费站出口是否是热点出口站,另一类为下一个收费站出口是否是叶节点或次叶节点,叶节点定义为高速公路拓扑结构图位于线路最末端的节点,为高速最后一个出口;次叶节点定义为高速公路拓扑结构图位于线路次末端的节点,为倒数第二个出口,其前方只有一个最末端节点。
进一步地,所述第三步工作过程如下:预测推理机首先读取车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台和实时热点出口信息平台输出的查询数据,按照预测知识库内的规则从第一条一直往下搜索匹配,当某一规则匹配上后,将该匹配结果进行暂存,一直到所有规则被匹配完成;把暂存的匹配上的规则进行计算;每一个可能出口按照公式进行概率加权平均计算,最终得出每个可能的出口的概率,选取概率最大的出口作为本次预测的出口;所述公式具体如下:
其中,P为某一路口作为出口的概率,pi为某一匹配上规则的输出结果,n为匹配上规则的个数。
进一步地,所述预测知识库内的规则如下:
1)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是高频轨迹,结论:该高频轨迹的出口即为本次下高速的出口,置信度:0.8;
2)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是低频轨迹,前提条件3:上一次起点是高频起点,结论:上一次起点即为本次下高速的出口,置信度:0.8;
3)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是低频轨迹,前提条件3:上一次起点是低频起点,结论:上一次起点即为本次下高速的出口,置信度:0.5;
4)前提条件1:当前行驶位置的下一个出口是叶节点,结论:该叶节点即为本次下高速的出口,置信度:1.0;
5)前提条件1:当前行驶位置的下一个出口是次叶节点,前提条件2:当前行驶位置的下一个出口是热门出口,结论:该次叶节点即为本次下高速的出口,置信度:0.7;
6)前提条件1:当前行驶位置的下一个出口是次叶节点,前提条件2:当前行驶位置的下一个出口是非热门出口,结论:该叶节点即为本次下高速的出口,置信度:0.5;
7)前提条件1:当前行驶位置的下一个出口是正常节点,前提条件2:当前行驶位置的下一个出口是热门出口,结论:该叶节点即为本次下高速的出口,置信度:0.4;
8)前提条件1:当前行驶位置的下一个出口是正常节点,前提条件2:当前行驶位置的下一个出口是非热门出口,结论:车牌号归属地的出口流量最大的站点即为本次下高速的出口,置信度:0.2;
进一步地,所述行驶轨迹为高频轨迹和低频轨迹判定如下:
选取近10次通行记录,不足10次的,取实际次数N;n为当前行驶轨迹线路次数;并进行频率计算,计算轨迹频率过程为:P1=n/10 或P1=n/N,当P1>=0.4时,定义为高频行驶轨迹,P1<0.4定义为低频行驶轨迹;
所述上一次起点为高频起点和低频起点判定如下:上一次起点是指以本次通行为基准的上一次通行记录中高速入口起点;上一次起点是否为高频起点采用以下定义:选取近10次通行记录,不足10次的,取实际次数M;m为近10次通行记录中上一次起点站点所占次数;计算起点频率过程为:P2=m/10或P=m/M,当P2>=0.4时,定义为高频起点,P2<0.4定义为低频起点。
与现有技术相比,本发明的高速公路车辆出口预测系统及预测方法,具有以下优点:
1、能够根据车辆的历史通行习惯、车牌号归属地、车辆所在道路的拓扑结构、热门城市和热门出口等跟车辆目的地有关的信息构建出车辆知识规则库,然后根据设计的推理机得出车辆可能的出口及概率。
2、本发明融合多种跟车辆出口可能相关的因素,可以提高预测的准确性和预测的实用性,增强了出口预测方法的适应性和可用性。
3、本发明可以对高速上行驶的车辆可能出口进行预测,可极大的协助研判高速上重点车辆的行驶目的地;还可以预测收费站出口和道路上的拥堵情况。
附图说明
图1为本发明的高速公路车辆出口预测系统整体结构示意图。
图2为本发明的高速公路车辆出口预测方法整体流程示意图。
图3为本发明的预测推理机按照预测知识库内的规则搜索匹配流程示意图。
具体实施方式
实施例1:
如图1至图3所示的高速公路车辆出口预测系统及预测方法,包括预测计算模块,所述预测计算模块上接入有车辆信息获取模块、数据匹配模块和预测推理模块,所述数据匹配模块包括车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台和实时热点出口信息平台;所述预测推理模块包括预测推理机,所述预测推理机通信连接有出口预测知识库;对于行驶在高速公路上的待预测重点车辆,通过车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台、实时热点出口信息平台获取该车辆的历史行驶轨迹信息、车牌归属地及其范围内的高速出口站点信息、当前行驶车方向下一个收费站出口的拓扑信息、热点收费站信息,然后把上述信息发送给出口预测推理模块,出口预测推理模块根据出口预测知识库里面的规则进行推理判断,得出车辆可能的出口站点。
所述车辆信息获取模块包括车牌号码获取模块和车辆当前位置信息获取模块;车辆信息获取模块接收输入的待预测车辆的车牌号码和当前位置信息,把车牌号码和车辆当前位置信息传送给数据匹配模块;
所述车辆历史行驶轨迹记录平台记录车辆的历史行驶轨迹,每一条所述历史行驶轨迹包括入口信息、出口信息和行驶的路径轨迹;所述车辆历史行驶轨迹记录平台输入车牌号,输出车辆的历史行驶轨迹信息,以一次上高速下高速行驶记录作为一次通行记录;一条轨迹信息包括入口信息、出口信息、行驶的路径轨迹;该系统存储了车辆的历史通行行驶轨迹记录信息,包括入口信息、出口信息、行驶的路径轨迹等;通过输入车牌号可以快速输出该车的历史通行记录;
所述道路拓扑结构图平台记录高速公路的拓扑线路图以及各收费站的站点类型;车辆的当前位置信息输入道路拓扑结构图平台,输出车辆当前行驶方向下一个收费站出口的站点信息,该信息包括出口站点名称、站点类型(叶节点、次叶节点、常规节点)、站点是否是热点收费站标识;所述道路拓扑结构图平台首先根据输入的车辆当前位置信息,得出其行驶方向下一个出口的站点信息,然后再与实时热点出口站平台交互,查询出该站点是否是热点出口站;最后把该站点的名称、站点类型、站点是否是热点出口站标识信息发送给预测推理模块;
所述车辆归属地信息平台包括归属地数据库,所述归属地数据库内存储有车牌号段归属地信息及归属地辖区所包含的出口站点;所述车辆归属地信息平台工作时,根据输入的车牌号码信息,首先得出车牌号码归属地市及其辖区内的各出口站信息,然后再跟实时热点出口站平台子系统交互,查询出该地市所包含的出口站点哪个是实时出口流量最大的站点;最后把该站点的名称信息等数据发送给预测推理模块;
所述实时热点出口信息平台包括热点判定计算模块,所述热点判定计算模块连接有热点数据库,所述热点数据库内存储有各高速站点的历史出口流量信息,实时热点出口信息平台具有两个功能,功能一:可通过站点历史出口流量的判断给出是否是热门出口站点,对于流量大的出口站点标注为热门站点。功能二:可以对输入的多个站点输出其中出口流量最大的站。
一种高速公路车辆出口预测方法,包括高速公路车辆出口预测系统,其特征在于,所述方法具体如下:
第一步,通过车辆信息获取模块获取待预测车辆的车牌信息车辆实时位置信息;
第二步,预测计算模块读取车辆信息获取模块采集的车辆信息数据,并将车辆信息数据输入的数据匹配模块;数据匹配模块输出匹配数据;
第三步,预测计算模块获取数据匹配模块输出匹配数据,并将匹配数据送入到预测推理机,预测推理机根据匹配数据,并匹配出口预测知识库内的规则,推理出车辆可能的出口和概率。
所述第二步工作过程如下:
预测计算模块将车牌号信息送入到车辆历史行驶轨迹记录平台,车辆历史行驶轨迹记录平台输出车辆的历史行驶轨迹信息;
预测计算模块将车辆实时位置信息送入到道路拓扑结构图平台,道路拓扑结构图平台获取车辆实时位置信息,并与实时热点出口信息平台交互,输出当前行驶方向下一个收费站出口,及下一个收费站出口信息,
预测计算模块将车牌号信息送入到车辆归属地信息平台,车辆归属地信息平台获取车牌号信息,并与实时热点出口信息平台交互,输出车牌归属地辖区内的热点出口收费站信息。
所述下一个收费站出口信息包括两类,一类为下一个收费站出口是否是热点出口站,另一类为下一个收费站出口是否是叶节点或次叶节点,叶节点定义为高速公路拓扑结构图位于线路最末端的节点,为高速最后一个出口;次叶节点定义为高速公路拓扑结构图位于线路次末端的节点,为倒数第二个出口,其前方只有一个最末端节点。
所述第三步工作过程如下:预测推理机首先读取车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台和实时热点出口信息平台输出的查询数据,按照预测知识库内的规则从第一条一直往下搜索匹配,当某一规则匹配上后,将该匹配结果进行暂存,一直到所有规则被匹配完成;把暂存的匹配上的规则进行计算;每一个可能出口按照公式进行概率加权平均计算,最终得出每个可能的出口的概率,选取概率最大的出口作为本次预测的出口;所述公式具体如下:
其中,P为某一路口作为出口的概率,pi为某一匹配上规则的输出结果,n为匹配上规则的个数。
所述预测知识库内的规则如下:
1)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是高频轨迹,结论:该高频轨迹的出口即为本次下高速的出口,置信度:0.8;
2)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是低频轨迹,前提条件3:上一次起点是高频起点,结论:上一次起点即为本次下高速的出口,置信度:0.8;
3)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是低频轨迹,前提条件3:上一次起点是低频起点,结论:上一次起点即为本次下高速的出口,置信度:0.5;
4)前提条件1:当前行驶位置的下一个出口是叶节点,结论:该叶节点即为本次下高速的出口,置信度:1.0;
5)前提条件1:当前行驶位置的下一个出口是次叶节点,前提条件2:当前行驶位置的下一个出口是热门出口,结论:该次叶节点即为本次下高速的出口,置信度:0.7;
6)前提条件1:当前行驶位置的下一个出口是次叶节点,前提条件2:当前行驶位置的下一个出口是非热门出口,结论:该叶节点即为本次下高速的出口,置信度:0.5;
7)前提条件1:当前行驶位置的下一个出口是正常节点,前提条件2:当前行驶位置的下一个出口是热门出口,结论:该叶节点即为本次下高速的出口,置信度:0.4;
8)前提条件1:当前行驶位置的下一个出口是正常节点,前提条件2:当前行驶位置的下一个出口是非热门出口,结论:车牌号归属地的出口流量最大的站点即为本次下高速的出口,置信度:0.2;
所述行驶轨迹为高频轨迹和低频轨迹判定如下:
选取近10次通行记录,不足10次的,取实际次数N;n为当前行驶轨迹线路次数;并进行频率计算,计算轨迹频率过程为:P1=n/10 或P1=n/N,当P1>=0.4时,定义为高频行驶轨迹,P1<0.4定义为低频行驶轨迹;
所述上一次起点为高频起点和低频起点判定如下:上一次起点是指以本次通行为基准的上一次通行记录中高速入口起点;上一次起点是否为高频起点采用以下定义:选取近10次通行记录,不足10次的,取实际次数M;m为近10次通行记录中上一次起点站点所占次数;计算起点频率过程为:P2=m/10或P=m/M,当P2>=0.4时,定义为高频起点,P2<0.4定义为低频起点。
上述实施例,仅是本发明的较佳实施方式,故凡依本发明申请范围所述的构造、特征及原理所做的等效变化或修饰,均包括于本发明申请范围内。
Claims (8)
1.一种高速公路车辆出口预测系统,其特征在于:包括预测计算模块,所述预测计算模块上接入有车辆信息获取模块、数据匹配模块和预测推理模块,所述数据匹配模块包括车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台和实时热点出口信息平台;所述预测推理模块包括预测推理机,所述预测推理机通信连接有出口预测知识库。
2.根据权利要求1所述的高速公路车辆出口预测系统,其特征在于:所述车辆信息获取模块包括车牌号码获取模块和车辆当前位置信息获取模块;所述车辆历史行驶轨迹记录平台记录车辆的历史行驶轨迹,每一条所述历史行驶轨迹包括入口信息、出口信息和行驶的路径轨迹;所述道路拓扑结构图平台记录高速公路的拓扑线路图以及各收费站的站点类型;所述车辆归属地信息平台包括归属地数据库,所述归属地数据库内存储有车牌号段归属地信息及归属地辖区所包含的出口站点;所述实时热点出口信息平台包括热点判定计算模块,所述热点判定计算模块连接有热点数据库,所述热点数据库内存储有各高速站点的历史出口流量信息。
3.一种高速公路车辆出口预测方法,包括权利要求1或2所述的高速公路车辆出口预测系统,其特征在于,所述方法具体如下:
第一步,通过车辆信息获取模块获取待预测车辆的车牌信息车辆实时位置信息;
第二步,预测计算模块读取车辆信息获取模块采集的车辆信息数据,并将车辆信息数据输入的数据匹配模块;数据匹配模块输出匹配数据;
第三步,预测计算模块获取数据匹配模块输出匹配数据,并将匹配数据送入到预测推理机,预测推理机根据匹配数据,并匹配出口预测知识库内的规则,推理出车辆可能的出口和概率。
4.根据权利要求3所述的高速公路车辆出口预测方法,其特征在于:所述第二步工作过程如下:
预测计算模块将车牌号信息送入到车辆历史行驶轨迹记录平台,车辆历史行驶轨迹记录平台输出车辆的历史行驶轨迹信息;
预测计算模块将车辆实时位置信息送入到道路拓扑结构图平台,道路拓扑结构图平台获取车辆实时位置信息,并与实时热点出口信息平台交互,输出当前行驶方向下一个收费站出口,及下一个收费站出口信息,
预测计算模块将车牌号信息送入到车辆归属地信息平台,车辆归属地信息平台获取车牌号信息,并与实时热点出口信息平台交互,输出车牌归属地辖区内的热点出口收费站信息。
5.根据权利要求4所述的高速公路车辆出口预测方法,其特征在于:所述下一个收费站出口信息包括两类,一类为下一个收费站出口是否是热点出口站,另一类为下一个收费站出口是否是叶节点或次叶节点。
6.根据权利要求3所述的高速公路车辆出口预测方法,其特征在于:所述第三步工作过程如下:
预测推理机首先读取车辆归属地信息平台、车辆历史行驶轨迹记录平台、道路拓扑结构图平台和实时热点出口信息平台输出的查询数据,按照预测知识库内的规则从第一条一直往下搜索匹配,当某一规则匹配上后,将该匹配结果进行暂存,一直到所有规则被匹配完成;把暂存的匹配上的规则进行计算;每一个可能出口按照公式进行概率加权平均计算,最终得出每个可能的出口的概率,选取概率最大的出口作为本次预测的出口;所述公式具体如下:
;
其中,P为某一路口作为出口的概率,pi为某一匹配上规则的输出结果,n为匹配上规则的个数。
7.根据权利要求6所述的高速公路车辆出口预测方法,其特征在于:所述预测知识库内的规则如下:
1)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是高频轨迹,结论:该高频轨迹的出口即为本次下高速的出口,置信度:0.8;
2)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是低频轨迹,前提条件3:上一次起点是高频起点,结论:上一次起点即为本次下高速的出口,置信度:0.8;
3)前提条件1:行驶在历史轨迹上,前提条件2:行驶轨迹是低频轨迹,前提条件3:上一次起点是低频起点,结论:上一次起点即为本次下高速的出口,置信度:0.5;
4)前提条件1:当前行驶位置的下一个出口是叶节点,结论:该叶节点即为本次下高速的出口,置信度:1.0;
5)前提条件1:当前行驶位置的下一个出口是次叶节点,前提条件2:当前行驶位置的下一个出口是热门出口,结论:该次叶节点即为本次下高速的出口,置信度:0.7;
6)前提条件1:当前行驶位置的下一个出口是次叶节点,前提条件2:当前行驶位置的下一个出口是非热门出口,结论:该叶节点即为本次下高速的出口,置信度:0.5;
7)前提条件1:当前行驶位置的下一个出口是正常节点,前提条件2:当前行驶位置的下一个出口是热门出口,结论:该叶节点即为本次下高速的出口,置信度:0.4;
8)前提条件1:当前行驶位置的下一个出口是正常节点,前提条件2:当前行驶位置的下一个出口是非热门出口,结论:车牌号归属地的出口流量最大的站点即为本次下高速的出口,置信度:0.2。
8.根据权利要求7所述的高速公路车辆出口预测方法,其特征在于:所述行驶轨迹为高频轨迹和低频轨迹判定如下:
选取近10次通行记录,不足10次的,取实际次数N;n为当前行驶轨迹线路次数;并进行频率计算,计算轨迹频率过程为:P1=n/10 或P1=n/N,当P1>=0.4时,定义为高频行驶轨迹,P1<0.4定义为低频行驶轨迹;
所述上一次起点为高频起点和低频起点判定如下:上一次起点是指以本次通行为基准的上一次通行记录中高速入口起点;上一次起点是否为高频起点采用以下定义:选取近10次通行记录,不足10次的,取实际次数M;m为近10次通行记录中上一次起点站点所占次数;计算起点频率过程为:P2=m/10或P=m/M,当P2>=0.4时,定义为高频起点,P2<0.4定义为低频起点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410091070.6A CN117609415A (zh) | 2024-01-23 | 2024-01-23 | 一种高速公路车辆出口预测系统及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410091070.6A CN117609415A (zh) | 2024-01-23 | 2024-01-23 | 一种高速公路车辆出口预测系统及预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117609415A true CN117609415A (zh) | 2024-02-27 |
Family
ID=89952062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410091070.6A Pending CN117609415A (zh) | 2024-01-23 | 2024-01-23 | 一种高速公路车辆出口预测系统及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117609415A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665699A (zh) * | 2017-03-30 | 2018-10-16 | 杭州海康威视数字技术股份有限公司 | 一种预测车辆出现地点的方法及装置 |
CN108877222A (zh) * | 2018-07-11 | 2018-11-23 | 贵州交通信息与应急指挥中心 | 一种高速路网指定地点精准找车方法 |
CN113053114A (zh) * | 2021-03-12 | 2021-06-29 | 广西计算中心有限责任公司 | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 |
CN115731713A (zh) * | 2022-11-30 | 2023-03-03 | 广东联合电子服务股份有限公司 | 一种预测异常车辆高速出口及时间的方法 |
-
2024
- 2024-01-23 CN CN202410091070.6A patent/CN117609415A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665699A (zh) * | 2017-03-30 | 2018-10-16 | 杭州海康威视数字技术股份有限公司 | 一种预测车辆出现地点的方法及装置 |
CN108877222A (zh) * | 2018-07-11 | 2018-11-23 | 贵州交通信息与应急指挥中心 | 一种高速路网指定地点精准找车方法 |
CN113053114A (zh) * | 2021-03-12 | 2021-06-29 | 广西计算中心有限责任公司 | 高速公路违规车辆出口站及出口时间的动态预测稽查方法 |
CN115731713A (zh) * | 2022-11-30 | 2023-03-03 | 广东联合电子服务股份有限公司 | 一种预测异常车辆高速出口及时间的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675629B (zh) | 一种基于大数据的高速公路拥堵预测与主动防控方法 | |
CN108761509B (zh) | 一种基于历史数据的汽车行驶轨迹及里程预测方法 | |
CN111197991B (zh) | 基于深度神经网络的预测车辆最佳驾驶路径方法 | |
CN108362293B (zh) | 一种基于关键点技术的车辆轨迹匹配方法 | |
US7755509B2 (en) | Use of pattern matching to predict actual traffic conditions of a roadway segment | |
CN105261212B (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
CN104484999A (zh) | 基于用户轨迹确定动态交通信息的方法及装置 | |
CN111815948B (zh) | 基于工况特征的车辆行驶工况预测方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN109859495A (zh) | 一种基于rfid数据获取区间速度的方法 | |
CN106568456A (zh) | 基于gps/北斗定位和云计算平台的不停车收费方法 | |
CN105590478B (zh) | 城市公共路段停车管理系统及方法 | |
CN112530158B (zh) | 一种基于历史轨迹的路网补充方法 | |
CN114964272A (zh) | 一种融合车载图像语义的车辆轨迹地图匹配方法 | |
CN109754606B (zh) | 一种基于出租车定位预测道路拥堵情况的方法 | |
CN117218851B (zh) | 一种基于物联网的车辆安全智慧监管系统及方法 | |
CN112435485B (zh) | 一种用于车路信息协同的系统 | |
CN117609415A (zh) | 一种高速公路车辆出口预测系统及预测方法 | |
CN110097757B (zh) | 一种基于深度优先搜索的交叉口群关键路径识别方法 | |
CN115909734B (zh) | 一种基于轨迹大数据的车辆行驶数据筛选更新系统及其方法 | |
CN115331462B (zh) | 一种基于车路协同的智慧消防特勤车辆控制方法 | |
CN114842667A (zh) | 停车导航方法、装置及网络设备 | |
CN112866934A (zh) | 地铁用户识别方法与系统 | |
JP3861010B2 (ja) | 走行支援情報センタ | |
CN111693060B (zh) | 基于拥塞等级预测分析的路径规划方法 |
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 |