[发明专利]基于时空关系的路况预测方法和系统

权利要求书

1.一种路段空间影响度确定方法，包括：

空间范围确定步骤，针对道路网络中每一个路段，确定对该路段具有影响的空间范围，其中，空间范围具有空间阶数N，N是等于或大于1的整数；

影响路段提取步骤，在所确定的空间范围内，从道路网络中提取该路段的周边路段，作为该路段的N阶影响路段；

空间关系确定步骤，将每一个路段与其每一个N阶影响路段之间的空间关系划分到预定的空间关系类型之一；

相关度学习步骤，针对所划分的空间关系类型，对该路段及该空间关系类型的N阶影响路段的历史路况数据进行相关性分析，学习该空间关系类型下该路段与其N阶影响路段的路段相关度；

空间影响度确定步骤，根据学习的路段相关度，为该路段确定空间阶数N下的空间影响度，空间影响度反映了该路段受到其N阶影响路段影响的程度。

2.根据权利要求1所述的方法，其中，在空间范围确定步骤中，根据道路网络中路段之间的空间相对位置，为每一个路段确定对该路段具有影响的空间范围。

3.根据权利要求1所述的方法，其中，在空间范围确定步骤中，针对道路网络中每一个路段，确定从该路段出发在预定时间段内可达到的空间范围，作为对该路段具有影响的空间范围。

4.根据权利要求1所述的方法，其中，预定的空间关系类型包括：无关系，前继直行，前继合并，前继交叉，前继分流，后续直行，后续合并，后续交叉，后续分流；

或者预定的空间关系类型包括：直行，左转，右转。

5.根据权利要求1所述的方法，其中，在空间影响度确定步骤中，根据每一个路段与其各个N阶影响路段之间的路段相关度，向N阶影响路段中每一个影响路段分配影响权重，并利用影响权重确定N阶影响路段中每一个影响路段对该路段的空间影响度。

6.根据权利要求1所述的方法，其中，每一个路段受到其各个N阶影响路段的空间影响度采用矢量形式表示，矢量的维数等于N阶影响路段的数目。

7.根据权利要求1所述的方法，其中，多个路段中所有路段之间的空间影响度采用M×M矩阵形式表示，M等于多个路段的数目，矩阵的每一行或每一列表示多个路段之一受到其各个N阶影响路段的空间影响度。

8.根据权利要求1所述的方法，其中，针对改变的空间阶数N，通过空间范围确定步骤、影响路段提取步骤、空间关系确定步骤、相关度学习步骤和空间影响度确定步骤，为每一个路段确定在改变后的空间阶数N下的空间影响度。

9.根据权利要求1或8所述的方法，还包括：存储步骤，为每一个路段存储为其确定的至少一个空间阶数N下的空间影响度。

10.根据权利要求1所述的方法，其中，针对一天中的特定时间段，历史路况数据至少包括每个路段的如下历史路况数据之一：

车辆在该路段上的行驶速度；

车辆经过该路段所需的行驶时间；

路段拥堵度，表示车辆经过该路段实际所需的行驶时间与理想情况下所需的行驶时间之比，或者表示车辆在该路段上的实际行驶速度与理想行驶速度之比。

11.根据权利要求1所述的方法，其中，路段包括：

作为道路网络的基本道路单元的路链；或者

对路链进行重构而获得的道路段落；或者

道路网络中从一个路口到另一个路口的道路段落。

12.一种路况预测方法，包括：

预测输入获取步骤，获取一个或多个时间段上多个路段的实时路况数据，作为预测输入；

路况预测模型选择步骤，根据待预测的未来时间段和/或指定的时间阶数和/或空间阶数，为多个路段中待预测的每一个路段选择路况预测模型，所述路况预测模型是考虑到空间关系的时间序列模型，其中空间关系由根据权利要求1-11之一所述的路段空间影响度确定方法而确定的路段之间的空间影响度表示；

路况预测步骤，利用预测输入和所选的路况预测模型，预测每一个路段在特定时间段之后的未来时间段上的路况。

13.根据权利要求12所述的方法，其中，路况预测模型包括时空自回归模型STAR，或者时空自回归滑动平均模型STARMA。