[发明专利]一种基于大数据预测路段状况的方法及装置

权利要求书

1.一种基于大数据预测路段状况的方法，其特征在于，所述方法包括：

采集道路路段上行驶车辆记录的行车数据；

将采集的行车数据与正常观测样本进行对比，判断是否为异常数据，如果是异常数据，则将该异常数据及其对应的路段放入异常数据库，并持续记录该路段的行车数据；

对于异常数据库中的路段，根据该路段出现异常数据的次数来判断该路段是否是异常路段；

对于判断为异常路段的路段，根据预设的模型预测路段异常的原因，提供给用户；

所述根据该路段出现异常数据的次数来判断该路段是否是异常路段，包括：

如果连续出现异常数据的次数大于设定的阈值，则判断该路段为异常路段，否则将该路段及其行车数据放入观察数据库；

对于放入观察数据库的路段，继续跟踪该路段的行车数据；

根据跟踪得到的行车数据中异常数据的次数及正常数据的次数，为行车数据对应的路况评价值赋予权重；

根据路况评价值及其权重的乘积，判断该路段是否为异常路段。

2.根据权利要求1所述的预测路段状况的方法，其特征在于，所述将采集的行车数据与正常观测样本进行对比，判断是否为异常数据，包括：

根据采集的行车数据及其对应的权重计算得到该路段对应的路况评价值；

将计算得到的路况评价值与正常观测样本对应的路况评价值范围进行对比，如果该路段行车数据对应的路况评价值在该路段正常观测样本的路况评价值范围内，则判定该路段为正常路段，其行车数据为正常数据，否则判定该路段为异常路段，其行车数据为异常数据。

3.根据权利要求1所述的预测路段状况的方法，其特征在于，所述为行车数据对应的路况评价值赋予权重，包括：

在当前行车数据被认定为异常数据时，根据累计出现异常数据的次数增加当前行车数据的权重；

在当前行车数据被认定为正常数据时，根据累计出现正常数据的次数减少当前行车数据的权重。

4.根据权利要求1所述的预测路段状况的方法，其特征在于，所述根据路况评价值及其权重的乘积，判断该路段是否为异常路段，包括：

在当前路况评价值及其权重的乘积小于设定的第一阈值时，认为该路段为正常路段；而在前路况评价值及其权重的乘积大于设定的第二阈值时，判断该路段为异常路段。

5.根据权利要求2所述的预测路段状况的方法，其特征在于，所述方法还包括：

如果根据采集的行车数据及其对应的权重计算得到其对应路段的路况评价值大于设定的第三阈值时，直接判断该路段是异常路段。

6.一种基于大数据预测路段状况的装置，其特征在于，所述装置包括：

数据采集模块，用于采集道路路段上行驶车辆记录的行车数据；

异常数据判断模块，用于将采集的行车数据与正常观测样本进行对比，判断是否为异常数据，如果是异常数据，则将该异常数据及其对应的路段放入异常数据库，并持续记录该路段的行车数据；

异常路段判断模块，用于对于异常数据库中的路段，根据该路段出现异常数据的次数来判断该路段是否是异常路段；

异常原因分析模块，用于对于判断为异常路段的路段，根据预设的模型预测路段异常的原因，提供给用户；

所述异常路段判断模块在根据该路段出现异常数据的次数来判断该路段是否是异常路段时，执行如下操作：

如果连续出现异常数据的次数大于设定的阈值，则判断该路段为异常路段，否则将该路段及其行车数据放入观察数据库；

对于放入观察数据库的路段，继续跟踪该路段的行车数据；

根据跟踪得到的行车数据中异常数据的次数及正常数据的次数，为行车数据对应的路况评价值赋予权重。