[发明专利]一种基于交通大数据的行程时间提取、预测及查询方法

摘要

一种基于交通大数据的行程时间提取、预测及查询方法，在线处理部分包括以下步骤：S1：采集历史浮动车数据，构建历史和实时数据库；S2：标定用户的查询模式；S3：自动计时与实时采集浮动车数据；S4：当前时刻t是否等于用户查询的终止时刻；S5：选取路网中其他未处理的路段或路径，进行实时行程时间拟合分析；S6：是否历遍所有路段和路径；S7：是否结束查询。本发明的有益效果提取路网行程时间精度高，同时数据处理快、稳定性高。通过大量浮动车数据来获取和预测路网行程时间的方法可同时进行实时、预测、历史路网行程时间的处理。可在复杂的海量浮动车数据时，保证数据存储与读写的实时性更强，定位精度高，满足用户的需求，用户体验非常好。

主权项

1.一种基于交通大数据的行程时间提取、预测及查询方法，包括在线处理部分和离线处理部分，其特征在于，所述在线处理部分包括以下步骤：S1：采集历史浮动车数据，构建历史和实时数据库；S2：标定用户的查询模式，其中，所述查询模式包括历史查询、实时查询和预测查询；S3：自动计时与实时采集浮动车数据；S4：当前时刻t是否等于用户查询的终止时刻；是则，执行步骤S5；否则执行步骤S7；S5：选取路网中其他未处理的路段或路径，进行实时行程时间拟合分析；S6：是否历遍所有路段和路径；是则，执行步骤S7；否则，返回执行步骤S5；S7：是否结束查询；是则，结束；否则，返回执行步骤S2；所述步骤S7之前还包括步骤S10‑S15；S10：查询路网的实时行程时间是否变化；是则，执行步骤S11；否则，执行步骤S15；S11：根据用户标定的路径或路段集编号的先后顺序，选取路网中其他未处理的路段或路径，进行路网行程时间实时融合；S12：用户标定的路径或路段是否全部检索完毕；是则，执行步骤S13；否则，返回执行步骤S11；S13：将当前时刻t的行程时间投影到路网中进行动态显示；S14：当前时刻t是否超出用户设定的时间范围；是则，执行步骤S15；否则，返回执行步骤S3；S15：动态刷新当前时刻t；所述步骤S11的路网行程时间实时融合方法具体为：从所述数据库中获取当前时段Q内的浮动车行程时间数据，通过均值法获取当前时刻t的行程时间F(t)；从所述实时数据库中获取上一个时段的实时行程时间拟合（Real‑time Travel‑time Fitting，RTF）模型参数，通过所述RTF模型获取当前时刻t的行程时间R(t)；从实时和历史数据库中获取相应的路段或路径行程时间序列及行程时间短时预测（Travel‑time Short‑time Prediction，TSP）模型参数，通过所述TSP模型获取当前时刻t的行程时间S(t)；对所述F(t)、R(t)和S(t)进行融合处理，获取当前时刻t的最终行程时间U(t)。