[发明专利]预测在给定时间段给定地点出现的移动体数的方法和装置

说明书

根据本发明，提出了一种预测在给定时间段给定地点出现的移动体数的方法，包括：根据移动体在给定地点出现的历史记录数据，将在该给定地点出现过的移动体划分为频繁移动体和非频繁移动体；在预测在给定时间段在该给定地点出现的移动体数时，对于各频繁移动体，判定其在该给定时间段在该给定地点是否出现，对于判定为在该给定时间段在该给定地点出现的频繁移动体的数目进行合计，从而预测出出现的频繁移动体的移动体数，对于非频繁移动体，利用基于时间序列的移动体数预测模型，预测出出现的非频繁移动体的移动体数；将预测出的频繁移动体的移动体数和非频繁移动体的移动体数的和，作为移动体数的预测值。

技术领域

本发明涉及一种预测在给定时间段给定地点出现的移动体数的方法和装置，通过将移动体划分为频繁移动体和非频繁移动体来分别预测两种移动体在给定时间段给定地点出现的移动体数，能够更为精确地实现在给定时间段给定地点出现的移动体数的预测。

背景技术

随着经济的迅速发展，越来越多的机动车辆出现在道路上，交通拥堵现象日益严重。为了应对愈发恶劣的交通环境，智能交通系统应运而生。如何解决交通拥堵和交通安全问题，是智能交通系统的研究重点。其中，获取准确、及时的交通流信息是智能交通系统成功的关键，它能帮助道路使用者做出更好的出行决策，同时能帮助交通管理者做出更好的交通管控方案，提高路网的使用效率。因此，如何快速准确地对交通流进行预测成为智能交通领域的研究重点。通过快速准确地预测交通流，可以提前准备应对措施以更好管理交通业务和服务交通对象。基于大数据的交通流预测，有助于针对特定(类型)的交通对象采取个性化的措施，从而进一步提高管理水平与服务质量。

在现有的诸如对在给定时间段给定地点(例如，交叉口)出现的车辆数进行预测的方法中，主要是通过交通历史数据构建流量预测模型，根据预测模型对流量进行预测，其中预测模型是交通流预测的关键，对预测精度有直接影响，如何构建准确的预测模型是交通流预测的重点。但是，现有的预测方法中，一方面只关注了交通流的整体数量而忽略了其中的个体情况，另一方面对交通流的外部信息及实时信息关注不够，从而精确度上有待于进一步提高。

此外，随着大数据技术的不断发展，所收集的特定地点处的车辆的信息种类不断丰富，数据量也不断增大。因此，存在对利用大数据技术收集到的车辆的信息对车辆进行分类处理，从而对在给定时间段给定地点出现的车辆数进行更精确地预测的需求。

发明内容

为了克服现有技术的上述缺陷提出了本发明。因此，本发明的目的之一是提出一种预测在给定时间段给定地点出现的移动体数的方法和装置，通过将移动体划分为频繁移动体和非频繁移动体来分别预测两种移动体在给定时间段给定地点出现的移动体数，能够更为精确地实现在给定时间段给定地点出现的移动体数的预测。

根据本发明，提出了一种预测在给定时间段给定地点出现的移动体数的方法，包括：根据移动体在给定地点出现的历史记录数据，将在该给定地点出现过的移动体划分为频繁移动体和非频繁移动体；在预测在给定时间段在该给定地点出现的移动体数时，对于各频繁移动体，根据该频繁移动体的基于规定的通行规则信息的出现与否规律、该频繁移动体在给定时间段之前的一个相对较近的时间在该给定地点的出现与否的状况、以及利用该频繁移动体在该给定地点出现的历史记录数据得出的该频繁移动体在该给定地点的出现时间规律，来判定该频繁移动体在该给定时间段在该给定地点是否出现，对于判定为在该给定时间段在该给定地点出现的频繁移动体的数目进行合计，从而预测出在该给定时间段在该给定地点出现的频繁移动体的移动体数；对于非频繁移动体，利用基于非频繁移动体在该给定地点出现的历史记录数据训练出针对非频繁移动体的基于时间序列的移动体数预测模型，利用该移动体数预测模型预测出在该给定时间段在该给定地点出现的非频繁移动体的移动体数；以及将预测出的在该给定时间段在该给定地点出现的频繁移动体的移动体数和非频繁移动体的移动体数的和，作为在该给定时间段在该给定地点出现的移动体数的预测值。

优选地，根据本发明，将在该给定地点的出现次数大于一定阈值的移动体确定为该地点处的频繁移动体；将在该给定地点的出现次数小于等于一定阈值的移动体确定为该地点处的非频繁移动体。