[发明专利]车联网流量预测方法、系统、设备及存储介质

权利要求书

1.一种车联网流量预测方法，其特征在于，包括以下：

采集边缘计算设备与车载终端以及云服务器之间的传输数据，并构建流量矩阵；

建立ARIMA预测模型，根据所述流量矩阵采用所述ARIMA预测模型输出所述流量矩阵的链路负载估计结果；

获取链路流量，并根据所述链路流量和所述流量矩阵的链路负载估计结果确定所述流量矩阵的细粒度流量；

构建一带有预设约束条件的目标函数，根据所述目标函数和所述细粒度流量生成目标结果。

2.根据权利要求1所述的预测方法，其特征在于，所述构建流量矩阵，包括以下：

获取链路流量和路由矩阵，根据所述链路流量与路由矩阵的映射关系构建流量矩阵。

3.根据权利要求1所述的预测方法，其特征在于，所述建立ARIMA预测模型，根据所述流量矩阵采用所述ARIMA预测模型输出多数流量矩阵的链路负载估计结果，包括以下：

对于所述流量矩阵中的每一链路，

利用AIC函数确定ARIMA预测模型的阶数值，以建立所述ARIMA预测模型；

采用预设算法确定所述ARIMA预测模型的系数值；

计算所述ARIMA预测模型的误差值并判断所述误差值是否符合拟合要求；

若是，则确定所述ARIMA预测模型，并根据所述流量矩阵输出所述链路的链路负载估计结果；

集合所述流量矩阵中各个链路对应的链路负载估计结果即为所述流量矩阵的链路负载估计结果。

4.根据权利要求1所述的预测方法，其特征在于，所述根据所述链路流量和所述流量矩阵的链路负载估计结果确定所述流量矩阵的细粒度流量，包括以下：

根据下式计算所述流量矩阵的细粒度流量：

f＝||Y-AX^||+||X^||

其中，X^＝ARIMA(X)，为所述流量矩阵的链路负载估计结果；X为流量矩阵；A为路由矩阵；Y为链路流量。

5.根据权利要求1所述的预测方法，其特征在于，在根据所述流量矩阵采用所述ARIMA预测模型输出流量矩阵的链路负载估计结果前，还包括以下：

对所述流量矩阵进行数据平稳性检验；

若所述流量矩阵中数据平稳性不符合预设标准，则对所述流量矩阵进行基于时序分析的数据处理。

6.根据权利要求1所述的预测方法，其特征在于，所述构建一带有预设约束条件的目标函数，包括以下：

构建所述链路流量与所述流量矩阵的链路负载估计结果的约束作为第一约束条件；

构建所述流量矩阵的链路负载估计结果的非负性约束作为第二约束条件；

构建所述流量矩阵中每一链路与所述链路下的流量的约束作为第三约束条件；

基于所述第一约束条件、第二约束条件和第三约束条件构建目标函数。

7.根据权利要求1所述的预测方法，其特征在于，所述根据所述目标函数和所述细粒度流量生成目标结果，包括以下：

根据下述目标函数生成目标结果：

其中，X^为所述流量矩阵的链路负载估计结果；X为流量矩阵；A为路由矩阵；Y为链路流量；α_mn为所述流量矩阵中第m条链路下的流量。

8.一种车联网流量预测系统，其特征在于，包括：

处理服务器端、边缘计算设备、车载终端、云服务器；

边缘计算设备通过网络与车载终端以及云服务器连接并传输数据；

所述处理服务器端还包括：数据构建模块，用于采集边缘计算设备与车载终端以及云服务器之间的传输数据，并构建流量矩阵；

预测模块，建立ARIMA预测模型，根据所述流量矩阵采用所述ARIMA预测模型输出所述流量矩阵的链路负载估计结果；

调整模块，用于获取链路流量，并根据所述链路流量和所述流量矩阵的链路负载估计结果确定所述流量矩阵的细粒度流量；

生成模块，用于构建一带有预设约束条件的目标函数，根据所述目标函数和所述细粒度流量生成目标结果。