[发明专利]基于分布式内存计算框架对城市交通路况的预测方法

说明书

本发明公开了基于分布式内存计算框架对城市交通路况的预测方法,所述预测方法包括以下步骤:建立多线程缓冲池，并接收公共交通车辆的GPS定位装置输出的GPS数据；对GPS数据进行地图匹配,将公共交通车辆的位置信息匹配到地图上对应的路段上；对GPS数据进行横向分割，计算出每个路段在每天每个时间间隔的平均速度数据集A；根据数据集A的数据来统计出每个路段历史以来相同的时间间隔的历史平均速度，得到纵向特征数据集B；根据数据集A中的数据，计算出每个路段当前时刻往前最近一个时间间隔的多级邻域路段的平均速度，得到空间特征数据集C。

技术领域

本发明涉及城市计算领域，尤其涉及一种基于分布式内存计算框架对城市交通路况的预测方法。

背景技术

城市交通路况预测是智慧城市建设的重要课题之一，它对于城市资源分配、城市交通规划，政府公共设施建设等方面有着重要的指导意义。由于城市化建设力度的加强，越来越多的人口涌入城市，这导致城市基础设施跟不上人口的增加速度，这对于个人出行以及国家交通部门进行交通秩序疏理也是一个很大的难题，因此政府、企业联合学术界正在积极寻找改善城市交通路况的措施，以加快智慧城市建设水平。

目前国内一些企业和科研机构都在积极研究这个主题，有的提出利用大量路网传感器采集车辆信息和利用视频监测设备实时拍摄车流情况；也有的提出利用历史数据建立数学模型来计算，但是方法关注点不够全面，有的只考虑到时间序列信息，有的只考虑历史时间段信息，而对于这种大数据的计算，算法模型和计算框架的计算效率至关重要,但是缺乏低硬件成本且综合全面的高效的数学模型预测方法作为引导，使得城市交通建设达不到预期目标。

目前国内外很多研究机构或企业提出的已有的路况预测方法比如：1)利用大量路网传感器或视频监测设备获取实时路况信息，然后发送到服务器端，这样所有的移动端设备都能够查询路况信息；2)通过算法模型基于历史相同时间段的交通数据来进行建模，找出规律对未来相同时间段路况信息进行估计。对于第一种方法，需要安置过多的传感器和视频监测设备，导致硬件设备成本太高，而且结果传输时延很严重，对于大数据情况下，计算效率是个很重要的因素；第二种属于数学建模方法，该方法忽略了数据的时间序列特性对未来时刻路况的影响，忽略了相邻路段的路况信息，也忽略了如周期性大型活动、车祸事件等的影响。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此本发明的目的在于提出一种基于分布式内存计算框架对城市交通路况的预测方法。

为了实现上述目的，本发明一方面实施例的基于分布式内存计算框架对城市交通路况的预测方法，所述预测方法包括以下步骤：

建立多线程缓冲池，并接收公共交通车辆的GPS定位装置并输出GPS数据；

对GPS数据进行地图匹配,将公共交通车辆的位置信息匹配到地图上对应的路段上；

对GPS数据进行横向分割，计算出每个路段在每天每个预设时间间隔的平均速度数据集A；

根据数据集A的数据来统计出每个路段历史以来相同的预设时间间隔的历史平均速度，得到纵向特征数据集B；

根据数据集A中的数据，计算出每个路段当前时刻往前最近一个预设时间间隔的多级邻域路段的平均速度，得到空间特征数据集C；

根据所述平均速度数据集A,纵向特征数据集B和空间特征数据集C建立路况预测模型，用分布式内存计算框架进行计算,得到指定路段的路况预测信息；

根据指定路段的路况预测信息，得到指定路段到当前时刻的随后预设时间间隔内的路况预测结果并输出。

本发明实施例的基于分布式内存计算框架对城市交通路况的预测方法，通过获取公共交通车辆的GPS定位装置输出的GPS数据，而不借助除定位传感器的其他设备情况下，能较准确的预测出任意指定路段当前时刻随后时间间隔内的路况信息，能节约成本且简单高效。