一种基于数据融合优化模型的车辆轨迹预测方法技术

本发明专利技术涉及一种基于数据融合优化模型的车辆轨迹预测方法，包括：(1)根据存储系统提供的服务接口读取车辆ID、车速、车辆类型、经度、纬度、时间信息；(2)由车辆ID得到车速时间序列，建立支持向量机回归模型，得到车辆ID的任一时刻的近似解；(3)读取车辆ID的经度、纬度时间序列，根据地图给出的数据结构，建立K-最短路模型，得到车辆ID每段时间间隔内的前K条最短路，按照升序由低到高依次排列；(4)计算每段时间间隔内，车辆行驶的距离与该段那条最短路径距离最小，求解得到匹配路径，得到预测轨迹；(5)根据得到的轨迹，将其在地图上显示标出或者按属性发出报警信息。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及，包括：(1)根据存储系统提供的服务接口读取车辆ID、车速、车辆类型、经度、纬度、时间信息；(2)由车辆ID得到车速时间序列，建立支持向量机回归模型，得到车辆ID的任一时刻的近似解；(3)读取车辆ID的经度、纬度时间序列，根据地图给出的数据结构，建立K-最短路模型，得到车辆ID每段时间间隔内的前K条最短路，按照升序由低到高依次排列；(4)计算每段时间间隔内，车辆行驶的距离与该段那条最短路径距离最小，求解得到匹配路径，得到预测轨迹；(5)根据得到的轨迹，将其在地图上显示标出或者按属性发出报警信息。【专利说明】
本专利技术涉及物联网通信领域，特别是数据融合优化模型下的车辆轨迹预测问题。
技术介绍
在传统车辆轨迹预测中，一方面有些是根据视频摄像头或传感器等终端进行数据 采集取样，时间间隔比较短，造成过多的数据。在数据库服务器带宽和存储空间能力不能很 好满足大数据要求，分布式数据库集群应运而生，但是采集时域较短的过多数据必定会造 成大量的冗余；另一方面有些是通过视频数据进行实时分析，进行短期轨迹预测，并且对实 际作了太多的简化，以至于对于时间较长些的预测很少涉及。无论是从数据采集冗余过多 造成数据库服务器的负载过重还是短期轨迹预测，在实际网络需求中都有一定的限制。
技术实现思路
本专利技术的目的在于，减少短时间 间隔存储带来的服务器存储带来的过多冗余，解决数据减少带来的信息缺失的补救办法， 即可以近似还原以缺失数据。 ，其特征在于： (1)根据存储系统提供的服务接口读取车辆ID、车速、车辆类型、经度、纬度、时间 信息，进而可以读取车辆ID的时间序列其它属性信息； (2)由车辆ID得到车速时间序列，建立支持向量机回归模型，得到车辆ID的任一 时刻的近似解，按照时间间隔序列依次进行积分，得到每段时间间隔内行驶的路程； (3)读取车辆ID的经度、纬度时间序列，根据地图给出的数据结构，建立K-最短路 模型，得到车辆ID每段时间间隔内的前K条最短路，按照升序由低到高依次排列； (4)计算每段时间间隔内，车辆行驶的距离与该段那条最短路径距离最小，求解得 到匹配路径，得到预测轨迹； (5)根据得到的轨迹，将其在地图上显示标出或者按属性发出报警信息。 上述步骤（1)中，在读取存储系统提供的服务接口信息时，要得到车辆ID为主的 各种属性完整信息，时间间隔根据实验情况而定（如10分钟、20分钟作为一定采样间隔）。 上述步骤⑵中，根据车速时间序列，用支持向量机做训练时进行交叉 验证，得到连续模型v = f(t)，对每段时间间隔进行积分（如：时间间隔（h，tj， 【权利要求】1. ，其特征在于： (1)根据存储系统提供的服务接口读取车辆ID、车速、车辆类型、经度、纬度、时间信 息，进而可以读取车辆ID的时间序列其它属性信息； ⑵由车辆ID得到车速时间序列，建立支持向量机回归模型，得到车辆ID的任一时刻 的近似解，按照时间间隔序列依次进行积分，得到每段时间间隔内行驶的路程； (3) 读取车辆ID的经度、纬度时间序列，根据地图给出的数据结构，建立K-最短路模 型，得到车辆ID每段时间间隔内的前K条最短路，按照升序由低到高依次排列； (4) 计算每段时间间隔内，车辆行驶的距离与该段那条最短路径距离最小，求解得到匹 配路径，得到预测轨迹； (5) 根据得到的轨迹，将其在地图上显示标出或者按属性发出报警信息。2. 根据权利要求1所述的车辆轨迹预测方法，其特征在于，步骤（1)中，在读取存储系 统提供的服务接口信息时，要得到车辆ID为主的各种属性完整信息，时间间隔根据实验清 况而定（如10分钟、20分钟作为一定采样间隔）。3. 根据权利要求1所述的车辆轨迹预测方法，其特征在于，步骤（2)中，根据车速时间 序列，用支持向量机做训练时进行交叉验证，得到连续模型v = f(t)，对每段时间间隔进行 积分（如：时间间隔（V D，，得到每段时间间隔内的行驶距离。4. 根据权利要求1所述的车辆轨迹预测方法，其特征在于，在步骤（3)中，建立K-最短 路模型时，要获知地图给出的数据结构，即点与边的信息，得到车辆ID每段时间间隔内的 iu κ条最短路。5. 根据权利要求1所述的车辆轨迹预测方法，其特征在于，在步骤（4)中，对于车辆 ID，对每段时间间隔进行遍历，得到每段时间间隔的匹配路径，进行组合连接，得到预测轨 迹。6. 根据权利要求1所述的车辆轨迹预测方法，其特征在于，在步骤（5)中，根据步骤D 最终输出结果，将其在地图上显示标出或者按属性发出报警信息，并在于异常行为数据库 中。【文档编号】G08G1/01GK104143260SQ201310169605【公开日】2014年11月12日 申请日期:2013年5月10日 优先权日:2013年5月10日 【专利技术者】孙亚妮, 李小君 申请人:北京航天长峰科技工业集团有限公司本文档来自技高网...

【技术保护点】
一种基于数据融合优化模型的车辆轨迹预测方法，其特征在于：(1)根据存储系统提供的服务接口读取车辆ID、车速、车辆类型、经度、纬度、时间信息，进而可以读取车辆ID的时间序列其它属性信息；(2)由车辆ID得到车速时间序列，建立支持向量机回归模型，得到车辆ID的任一时刻的近似解，按照时间间隔序列依次进行积分，得到每段时间间隔内行驶的路程；(3)读取车辆ID的经度、纬度时间序列，根据地图给出的数据结构，建立K‑最短路模型，得到车辆ID每段时间间隔内的前K条最短路，按照升序由低到高依次排列；(4)计算每段时间间隔内，车辆行驶的距离与该段那条最短路径距离最小，求解得到匹配路径，得到预测轨迹；(5)根据得到的轨迹，将其在地图上显示标出或者按属性发出报警信息。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙亚妮，李小君，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：北京;11