[发明专利]交通数据预测方法及装置

说明书

本发明实施例提供了一种交通数据预测方法及装置，所述方法的一具体实施方式包括：根据设定时间长度内时间段的划分规则，确定当前时间段、当前时间段之前的每个时间段对应的维度；采用K近邻KNN算法在历史数据库中，查找与该当前时间段及该当前时间段之前的每个时间段获取到的交通数据距离临近的K组历史交通数据；根据当前时间段的维度，确定该当前时间段的下一时间段的第一维度；根据K组历史交通数据中该第一维度对应获取到的历史交通数据，预测该当前时间段的下一时间段的交通数据。本实施例能够提高交通数据预测的准确性。

技术领域

本发明涉及智能交通技术领域，特别是涉及一种交通数据预测方法及装置。

背景技术

随着社会经济和交通运输业的不断发展，交通拥挤等交通问题越来越凸现出来，成了全球共同关注的问题。对于交通数据的预测不仅是城市交通控制与诱导的基础，还是解决道路拥堵问题的关键技术之一。交通数据的预测是智能交通系统的重要组成部分，交通数据预测能够通过目前已知的交通数据，合理地推算未来一段时间段内的交通状况。如果能精确的预测交通网中各个路段的汽车流量，那么我们可以运用规划方法对交通流进行合理的优化，从而使得道路的利用率达到最大，也可以解决部分拥堵问题。

现有的交通数据预测方法中，常采用短时交通预测模型来预测交通流量。通过使用短时交通数据预测模型来预测交通数据，可以有效地对待测路段在未来一定时间段内交通流量进行预测。但是，现有的交通流预测方法只利用一种方式获取历史交通数据，并利用获取的历史交通数据来预测未来一定时间段内的交通数据。而在实际应用中，由于交通数据具有复杂性和随机性，采用通过一种方式获取的历史交通数据来进行交通数据的预测，预测结果不准确，误差较大。

发明内容

本发明实施例的目的在于提供一种交通数据预测方法及装置，以提高交通数据预测的准确性。具体技术方案如下：

第一方面，本发明提供了一种交通数据预测方法，应用于服务器，所述方法包括：

根据设定时间长度内时间段的划分规则，确定当前时间段、当前时间段之前的每个时间段对应的维度；

采用K近邻KNN算法在历史数据库中，查找与该当前时间段及该当前时间段之前的每个时间段获取到的交通数据距离临近的K组历史交通数据，其中所述历史数据库中保存有多个该设定时间长度内每个维度对应获取到的历史交通数据，所述交通数据为采用至少两种方式获取的初始交通数据经处理后得到的，K为大于零的整数；

根据当前时间段的维度，确定该当前时间段的下一时间段的第一维度；

根据K组历史交通数据中该第一维度对应获取到的历史交通数据，预测该当前时间段的下一时间段的交通数据。

进一步地，所述查找与该当前时间段及该当前时间段之前的每个时间段获取到的交通数据距离临近的K组历史交通数据，包括：

根据当前时间段及该当前时间段之前的每个时间段对应的维度、每个维度获取的交通数据，确定该组交通数据；

根据该组交通数据及历史数据库中保存的多个设定时间长度内对应维度的每组历史交通数据，计算该组交通数据与历史数据库中每组历史交通数据的距离；

在获取的距离中，将最小的预定数量的距离对应的历史交通数据加入到所述K组历史交通数据中。

进一步地，所述根据K组历史交通数据中该第一维度对应获取到的历史交通数据，预测该当前时间段的下一时间段的交通数据，包括：

计算所述K组历史交通数据中所述第一维度对应获取到的历史交通数据的算术平均值；

确定所计算得到的算术平均值为所述该当前时间段的下一时间段的交通数据。

进一步地，通过如下步骤，预先保存该设定时间长度内每个维度对应获取的历史交通数据：