基于網(wǎng)頁地圖的實時路況采集與預(yù)測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于交通數(shù)據(jù)挖掘技術(shù)領(lǐng)域，具體涉及一種基于網(wǎng)頁地圖的城市道路實時路況采集與預(yù)測方法。
【背景技術(shù)】
[0002]隨著城市車輛保有量日益增加，為了更有效地控制和管理交通，交通流參數(shù)預(yù)測成為智能交通系統(tǒng)的重要組成部分。目前已有方法主要對交通流量、占有率、平均車速和旅行時問等表征交通狀況的參數(shù)進行預(yù)測，其中交通流量預(yù)測方法較成熟。然而一方面用于交通參數(shù)預(yù)測的交通數(shù)據(jù)通常不會對社會開放，另一方面出行者一般無法獲取或者無法利用預(yù)測的交通流參數(shù)。隨著基于位置的服務(wù)的發(fā)展，例如網(wǎng)頁地圖和車輛導(dǎo)航系統(tǒng)，出行者越來越多地利用其提供的交通信息進行出行規(guī)劃以及路徑選擇等。利用基于位置服務(wù)提供的海量交通數(shù)據(jù)進行挖掘，為出行者提供準確的、實時的、提前的交通信息，以使得出行者自主進行決策，將會對交通運行起到積極作用。

【發(fā)明內(nèi)容】

[0003]有鑒于此，本發(fā)明的目的在于提出一種基于網(wǎng)頁地圖的實時路況采集和預(yù)測方法。
[0004]為了實現(xiàn)上述目的，作為本發(fā)明的一個方面，本發(fā)明提供了一種實時路況的采集方法，包括以下步驟:
[0005]利用網(wǎng)頁地圖提供的開發(fā)接口，通過超文本傳輸協(xié)議HTTP發(fā)送POST請求獲取路段實時路況。
[0006]作為本發(fā)明的另一個方面，本發(fā)明提供了一種實時路況的預(yù)測方法，包括以下步驟:
[0007]采用如上所述的實時路況的采集方法采集實時路況數(shù)據(jù)，并存儲為本地文件；
[0008]利用先驗知識，建立路況預(yù)測特征模板，采用機器學(xué)習(xí)方法中的分類技術(shù)建立預(yù)測模型；
[0009]結(jié)合所述實時路況數(shù)據(jù)與歷史數(shù)據(jù)，利用得到的預(yù)測模型對未來一段時間的實時路況進行預(yù)測。
[0010]其中，所述機器學(xué)習(xí)方法中的分類技術(shù)為基于決策樹的分類算法。
[0011]基于上述技術(shù)方案可知，本發(fā)明的實時路況采集和預(yù)測方法的優(yōu)點在于:利用網(wǎng)頁地圖提供的海量開放交通數(shù)據(jù)，采用機器學(xué)習(xí)方法建立預(yù)測模型，對未來一段時間的路況進行預(yù)測，主要為出行者進行自主決策提供交通信息。
【附圖說明】
[0012]圖1是本發(fā)明建立預(yù)測模型的工作流程；
[0013]圖2是采集的部分高德地圖提供的在2015年1月6日和7日的路況數(shù)據(jù)。
【具體實施方式】
[0014]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明作進一步的詳細說明。
[0015]本發(fā)明公開了一種實時路況的采集和預(yù)測方法，包括以下步驟:實時路況采集步驟、預(yù)測模型建立步驟和路況預(yù)測步驟。實時路況采集步驟就是利用網(wǎng)頁地圖提供的開發(fā)接口，通過超文本傳輸協(xié)議(Hyper Text Transfer Protocol，HTTP)發(fā)送POST請求獲取路段實時路況，并存儲為本地文件作為建立預(yù)測模型的數(shù)據(jù)庫。預(yù)測模型建立步驟就是利用先驗知識，建立路況預(yù)測特征模板，采用機器學(xué)習(xí)方法中的分類技術(shù)建立預(yù)測模型。路況預(yù)測步驟是指結(jié)合實時路況與歷史數(shù)據(jù)，利用預(yù)測模型對未來一段時間的路況進行預(yù)測。
[0016]其中，路況預(yù)測特征模板例如包括如下字段:路段標號、星期幾、時段和當前路況。其中各個字段可以全部用數(shù)字來表示，例如星期幾表示一周中的哪一天，一周共有七天，周日至周一分別由數(shù)值0至6表不；時段字段則是將一天24小時分為288個時段，從0開始編號，至277 ;實時路況字段分為暢通、緩行和擁堵三個級別，分別由和“3”表示。其中，機器學(xué)習(xí)方法中的分類技術(shù)為基于決策樹的分類算法。
[0017]下面結(jié)合圖1所示的工作流程圖對本發(fā)明進行詳細的敘述。如圖1，本發(fā)明主要分為實時路況數(shù)據(jù)采集、預(yù)測模型建立和路況預(yù)測三部分。圖1中通過網(wǎng)頁地圖開發(fā)應(yīng)用接口獲取并存儲數(shù)據(jù)為數(shù)據(jù)采集部分，特征模板設(shè)計、分類器訓(xùn)練和評估為預(yù)測模型建立部分。
[0018]通過HTTP POST請求將目標路段首末GPS坐標發(fā)送給網(wǎng)頁地圖應(yīng)用開發(fā)接口，接收并存儲網(wǎng)頁地圖服務(wù)器回復(fù)的JS0N(JavaScript Object Notat1n)格式的路況數(shù)據(jù)。為了同時利用歷史與實時路況數(shù)據(jù)，特征模板設(shè)計為包含路段標號、一周中的某一天、一天中的某個時段和當前路況。其中一周共有七天，周日至周一分別由數(shù)值0至6表不；一天24小時分為288個時段，從0開始編號，至277 ;路況數(shù)據(jù)分為暢通、緩行和擁堵三個級別，分別由“ 1 ”、“2”和“3”表示。根據(jù)特征模板，將路況數(shù)據(jù)轉(zhuǎn)化為特征向量，并進一步劃分為訓(xùn)練集和測試集。選擇基于決策樹的分類算法訓(xùn)練預(yù)測模型，經(jīng)過對隨機選取的部分路段進行大量測試，預(yù)測結(jié)果:(1)對于暢通狀態(tài)，預(yù)測時長為30分鐘時，準確率為92.7%、召回率為97.2%;預(yù)測時長為60分鐘時，準確率為88.9%、召回率為98.4%。(2)對于緩行狀態(tài)，預(yù)測時長為30分鐘時，準確率為61.6%、召回率為40.2% ;預(yù)測時長為60分鐘時，準確率為63.3%、召回率為23%。(3)對于擁擠狀態(tài)，預(yù)測時長為30分鐘時，準確率為63.9%、召回率為55.8 ;預(yù)測時長為60分鐘時，準確率為65.2%、召回率為32.2%。
[0019]以上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳細說明，應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1.一種實時路況的采集方法，包括以下步驟: 利用網(wǎng)頁地圖提供的開發(fā)接口，通過超文本傳輸協(xié)議HTTP發(fā)送POST請求獲取路段實時路況。2.—種實時路況的預(yù)測方法，包括以下步驟: 采用如權(quán)利要求1所述的實時路況的采集方法采集實時路況數(shù)據(jù)，并存儲為本地文件； 利用先驗知識，建立路況預(yù)測特征模板，采用機器學(xué)習(xí)方法中的分類技術(shù)建立預(yù)測模型； 結(jié)合所述實時路況數(shù)據(jù)與歷史數(shù)據(jù)，利用得到的預(yù)測模型對未來一段時間的實時路況進行預(yù)測。3.如權(quán)利要求2所述的實時路況的預(yù)測方法，其中所述路況預(yù)測特征模板包括路段標號字段、星期幾字段、時段字段和當前路況字段。4.如權(quán)利要求3所述的實時路況的預(yù)測方法，其中所述星期幾字段表示一周中的哪一天，周日至周一分別由數(shù)值0至6表示。5.如權(quán)利要求3所述的實時路況的預(yù)測方法，其中所述時段字段表示將一天24小時分為288個時段，從0開始編號，至277，將進行預(yù)測時的時間轉(zhuǎn)化成對應(yīng)的數(shù)字。6.如權(quán)利要求3所述的實時路況的預(yù)測方法，其中所述實時路況字段分為暢通、緩行和擁堵三個級別，分別由“ 1 ”、“ 2 ”和“ 3 ”表示。7.如權(quán)利要求2所述的實時路況的預(yù)測方法，其中所述機器學(xué)習(xí)方法中的分類技術(shù)為基于決策樹的分類算法。
【專利摘要】本發(fā)明公開了一種實時路況采集和預(yù)測方法，包括：利用網(wǎng)頁地圖提供的開發(fā)接口，通過超文本傳輸協(xié)議發(fā)送POST請求獲取路段實時路況；利用先驗知識，建立路況預(yù)測特征模板，采用機器學(xué)習(xí)方法中的分類技術(shù)建立預(yù)測模型；結(jié)合實時路況與歷史數(shù)據(jù)，利用預(yù)測模型對未來一段時間的路況進行預(yù)測。本發(fā)明的實時路況采集和預(yù)測方法利用網(wǎng)頁地圖提供的海量開放交通數(shù)據(jù)，采用機器學(xué)習(xí)方法建立預(yù)測模型，對未來一段時間的路況進行預(yù)測，主要為出行者進行自主決策提供交通信息。
【IPC分類】G06F17/30, G06Q10/04, G08G1/01
【公開號】CN105243841
【申請?zhí)枴緾N201510651246
【發(fā)明人】陳圓圓, 呂宜生, 王飛躍, 楊柳青
【申請人】蘇州派瑞雷爾智能科技有限公司, 青島智能產(chǎn)業(yè)技術(shù)研究院, 江蘇中科智能工程有限公司, 天問匯科（北京）技術(shù)有限公司
【公開日】2016年1月13日
【申請日】2015年10月10日