[发明专利]一种旅行时间预测的方法

说明书

技术领域

本发明涉及智能交通领域，尤其涉及一种旅行时间预测的方法。

背景技术

近年来，随着城市对交通需求的迅速增长，交通问题日益严峻。智能交通系 统(ITS)将先进的信息技术，数据通信传输技术，自动控制技术以及计算机处理 技术等有效地运用于整个运输管理体系，能为目前城市交通面临的众多问题提 出可行的解决方案，其相关领域的研究越来越受到各个国家的重视。

道路旅行时间预测能够预测在一段时间后某段道路的旅行时间，这样，驾 驶员就能够提前知道到达某段道路时该道路的旅行时间，从而得到优化的路径。

在实现本发明的过程中，发明人发现以下问题：

现阶段的道路旅行时间预测，如使用时间序列和Kalman滤波模型进行旅行 时间预测时，预测结果误差较大，且随着预测提前时间的增大，如预测半小时 至一小时后某段道路的旅行时间时，误差也会大幅增加。

发明内容

本发明的实施例提供了一种旅行时间预测的方法，能够减小旅行时间预测 的误差，提高旅行时间预测的精度。

为达到上述目的，本发明的实施例采用如下技术方案：

一种旅行时间预测的方法，包括：

获取预测指示，所述预测指示携带待预测路径的信息和预测起始时间；

根据所述预测指示获取对应的样本数据；

从预先配置的至少一个存储于自组织神经网络中的旅行时间模型中，获取 与所述样本数据匹配的旅行时间模型；

根据所述旅行时间模型，预测所述待预测路径的旅行时间。

本发明的实施例提供的一种旅行时间预测的方法，根据预测请求获取样本 数据，将样本数据与预先配置的至少一个存储于自组织神经网络中的旅行时间 模型进行匹配，获取与所述样本数据匹配的旅行时间模型，进而根据该旅行时 间模型获取待预测路径的旅行时间，减小了旅行时间预测的误差，提高了旅行 时间预测的精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施 例或现有技术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 出创造性劳动性的前提下，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图；

图2为本发明又一实施例提供的一种旅行时间预测的方法的流程图；

图3为本发明的实施例使用的自组织神经网络的结构示意图。

图4为图2中步骤203的详细流程图；

图5为图2中步骤207的详细流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，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作出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明实施提供的旅行时间预测的方法，包括：

步骤101、获取预测指示，所述预测指示携带待预测路径的信息和预测起始 时间；

步骤102、根据所述预测指示获取对应的样本数据；

步骤103、从预先配置的至少一个存储于自组织神经网络中的旅行时间模型 中，获取与所述样本数据匹配的旅行时间模型；

步骤104、根据所述旅行时间模型，预测所述待预测路径的旅行时间。

本发明的实施例提供的一种旅行时间预测的方法，根据预测请求获取样本 数据，将样本数据与预先配置的至少一个存储于自组织神经网络中的旅行时间 模型进行匹配，获取与所述样本数据匹配的旅行时间模型，进而根据该旅行时 间模型获取待预测路径的旅行时间，减小了旅行时间预测的误差，提高了旅行 时间预测的精度。

进一步地，本发明的又一实施例提供了一种旅行时间预测的方法，使用所 述旅行时间预测的方法进行旅行时间的预测，能够有效的减少预测误差，提高 预测精度，该方法如图2所示，包括：

步骤201、创建自组织神经网络；