[发明专利]基于卡口数据的时空热点预测方法、装置及控制器

权利要求书

1.一种基于卡口数据的时空热点预测方法，其特征在于，包括：

基于道路卡口采集的过车源数据生成过车样本点数据，所述样本点数据至少包括：车辆信息、过车位置和过车时间；

根据所述样本点数据计算各车辆的出行活跃指数，所述出行活跃指数用于评价车辆在时间维度和/或空间维度的活跃程度分布；

采用时空核密度估计方法对所述样本点数据进行评估，得到各时空尺度范围内的时空核密度估计值，所述时空核密度估计方法中引入所述出行活跃指数作为所述样本点数据的出行活跃权重，用于调节生成所述时空核密度估计值；

根据所述时空核密度估计值对未来时间段的时空热点进行预测。

2.根据权利要求1所述的方法，其特征在于，所述根据所述样本点数据计算各车辆的出行活跃指数包括：

从所述样本点数据中提取各车辆在不同时段的样本点数据量；

以各车辆在不同时段的样本点数据量与相应车辆在全时段的样本点数据量均值的比值，作为该车辆的出行时段活跃指数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述样本点数据计算各车辆的出行活跃指数包括：

从所述样本点数据中提取各车辆在不同卡口区域的样本点数据量；

以各车辆在不同卡口区域的样本点数据量与相应车辆在所有卡口区域的样本点数据量均值的比值，作为该车辆的出行区域活跃指数。

4.根据权利要求2所述的方法，其特征在于，所述根据所述样本点数据计算各车辆的出行活跃指数包括：

从所述样本点数据中提取各车辆在不同卡口区域的样本点数据量；

以各车辆在不同卡口区域的样本点数据量与相应车辆在所有卡口区域的样本点数据量均值的比值，作为该车辆的出行区域活跃指数。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

基于所述出行时段活跃指数和所述出行区域活跃指数，计算得到各车辆最终的所述出行活跃指数。

6.根据权利要求1所述的方法，其特征在于，所述根据所述时空核密度估计值对未来时间段的时空热点进行预测包括：

以过去时间段的时空核密度估计值作为时间序列数据样本，构建ARIMA模型，并基于该ARIMA模型对未来时间段内的时空核密度估计值进行预测；

根据所预测出的未来时间段内的时空核密度估计值，确定未来时间段的时空热点。

7.根据权利要求6所述的方法，其特征在于，所述根据所预测出的未来时间段内的时空核密度估计值，确定未来时间段的时空热点包括：

将所预测出的未来时间段内的时空核密度估计值中大于预设密度阈值的时空域，确定为未来时间段的时空热点。

8.根据权利要求1所述的方法，其特征在于，所述基于道路卡口采集的过车源数据生成过车样本点数据包括：

基于道路卡口采集过车源数据，所述过车源数据为图像数据；

对所述图像数据进行图像识别，提取车辆信息；以所述卡口位置作为过车位置，以数据采集时间作为过车时间生成所述过车样本点数据。

9.一种基于卡口数据的时空热点预测装置，其特征在于，包括：

数据生成模块，用于基于道路卡口采集的过车源数据生成过车样本点数据，所述样本点数据至少包括：车辆信息、过车位置和过车时间；

活跃指数计算模块，用于根据所述样本点数据计算各车辆的出行活跃指数，所述出行活跃指数用于评价车辆在时间维度和/或空间维度的活跃程度分布；

密度估计模块，用于采用时空核密度估计方法对所述样本点数据进行评估，得到各时空尺度范围内的时空核密度估计值，所述时空核密度估计方法中引入所述出行活跃指数作为所述样本点数据的出行活跃权重，用于调节生成所述时空核密度估计值；

热点预测模块，用于根据所述时空核密度估计值对未来时间段的时空热点进行预测。

10.一种控制器，其特征在于，用于执行权利要求1-8中任一项所述一种基于卡口数据的时空热点预测方法。