[发明专利]面向车牌识别数据的旅行时间实时预测方法及装置

权利要求书

1.一种面向车牌识别数据的旅行时间实时预测方法，其特征在于，所述方法包括：

(1)先验规则挖掘步骤，用于构建先验规则库；

所述的先验规则挖掘步骤，针对路段属性，挖掘路段属性先验规则库；该挖掘路段属性先验规则库过程面向旅行时间实测结果集，对其路段属性进行划分，将时间区间按先后顺序，在每个路段下某时间区间的旅行时间值，与下一个时间区间的值计算变化率，将其划入对应变化率的分类，统计各路段的旅行时间变化率分类的分布情况；针对时间区间属性，挖掘时间区间属性先验规则库；该挖掘时间区间属性先验规则库过程面向旅行时间实测结果集，将在一天中的时间区间作为主键对路段进行划分，在每个路段下某时间区间的旅行时间值，与下一个时间区间的值计算变化率，将其划入对应变化率的分类，统计各路段的旅行时间变化率分类的分布情况；

(2)旅行时间实测计算步骤，用于计算当前时刻路网中的路段旅行时间实测值，并累积实测结果集，该计算过程分为如下两个阶段，且前一阶段的输出以数据流形式作为后一阶段的输入：

(2a)单车旅行时间计算阶段：以给定的频率并在给定时间区间δ下，按车牌归类，针对每一车辆v_i，计算该车在所有经过路段的单车旅行时间

(2b)路段旅行时间计算阶段：以给定的频率并在给定时间区间δ下，按路段归类，针对每一路段s_j，汇总所有经过车辆的单车旅行时间，计算路段旅行时间tras_j；

(3)旅行时间预测计算步骤，用于预测下一时刻路网中的路段旅行时间变化率，并计算相应的旅行时间预测值；所述旅行时间预测计算步骤，用于预测当前路段下一时刻的旅行时间变化率，并计算相应的预测值，当实测计算得到路段i在时间区间δ_j的实测值tra之后，路段i在时间区间δ_j+1的旅行时间预测值，是通过如下两个步骤计算获得：

(3a)利用所述时间区间属性先验规则库以及所述路段属性先验规则库，通过贝叶斯条件概率公式预测同一路段i的下一时间区间δ_j+1下的旅行时间变化率Δ所在的分类x；

(3b)根据指定的旅行时间变化率的分类，对每一分类定义预测的变化率Δ’，计算δ_j+1区间下旅行时间的预测值tra’＝(1+Δ’)*tra。

2.根据权利要求1所述的面向车牌识别数据的旅行时间实时预测方法，其特征在于，其中所述的先验规则挖掘步骤，是基于朴素贝叶斯理论的先验规则挖掘，包括：

(1)路段属性的先验规则挖掘，输入历史的旅行时间实测结果集，输出路段属性先验规则库；

(2)时间区间属性的先验规则挖掘，输入历史的旅行时间实测结果集，输出时间区间属性先验规则库。

3.根据权利要求2所述的面向车牌识别数据的旅行时间实时预测方法，其特征在于，所述挖掘路段属性先验规则库过程在给定的旅行时间变化率分类、计算频率、时间区间单位下，可描述为如下两个MapReduce作业步骤：

(1)第一个作业，以给定的计算频率和时间区间单位下，按照路段属性划分实测结果集，归类相应路段下的时间区间，以及该时间区间下的旅行时间值；

(2)第二个作业，以给定的计算频率和时间区间单位下，挖掘路段属性下旅行时间的变化规律，根据指定的旅行时间变化率分类，统计每个路段下各个分类的旅行时间变化率的分布。

4.根据权利要求2所述的面向车牌识别数据的旅行时间实时预测方法，其特征在于，所述挖掘时间区间属性先验规则库过程在给定的旅行时间变化率分类、计算频率、时间区间单位下，可描述为如下两个MapReduce作业步骤：

(1)第一个作业，以给定的计算频率和时间区间单位下，按照路段属性划分实测结果集，归类相应路段下的时间区间，以及该时间区间下的旅行时间值；

(2)第二个作业，以给定的计算频率和时间区间单位下，挖掘时间区间下旅行时间的变化规律，根据指定的旅行时间变化率的分类，统计每个时间区间下各个分类的旅行时间变化率的分布。