一种交通数据短时预测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种交通数据短时预测方法及装置，包括：根据该当前时间段及该当前时间段之前的每个时间段监测的交通数据，在历史数据库中查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据，其中历史数据库中基于K维树K-d树保存有多个该设定时间长度内每个维度对应监测到的历史交通数据，根据该当前时间段下一时间段的第一维度，及查找到的K组历史交通数据中该第一维度对应的历史交通数据，预测下一时间段的交通数据。由于本发明专利技术实施例中历史数据库中是基于K-d树保存的每个维度对应的监测到的历史交通数据，因此可以提高搜索的效率，降低KNN运算的耗时，提高交通数据短时预测的效率。

【技术实现步骤摘要】

本专利技术涉及数据挖掘
，特别涉及一种交通数据短时预测方法及装置。
技术介绍
随着我国城市化进程的加快和汽车保有量的增加，城市交通拥堵日益加剧，而先进的交通信息服务系统(ATIS)是缓解交通拥堵的一种有效途径。交通数据预测是先进的交通信息服务系统应用的基础和关键，而且，交通数据预测不仅可以帮助出行者在多方出行方案中制定合理的出行计划，减少出行时间和旅游延误，还可以提高交通系统的运行效率，有效的缓解交通拥堵。同时，对违法次数的预测，可以通过及时布控，提高交通运行的安全性。目前，交通数据预测大致可以分为两类：高速公路数据预测和城市交通数据预测。对于高速公路交通数据预测的研究是非常丰富的，然而对于城市交通数据预测的研究是非常有限的。相对于高速公路交通数据预测，城市交通数据预测更具有挑战性，主要是因为：城市交通的波动性很大，车辆多、驾驶行为差异很大。因此需要针对交通数据预测提供一种准确、可靠的预测方案。
技术实现思路
本专利技术实施例公开了一种交通数据短时预测方法及装置，用以提供一种准确、可靠的交通数据短时预测方案。为达到上述目的，本专利技术实施例公开了一种交通数据短时预测方法，用于预测监测地点的交通数据，所述方法包括：根据设定时间长度内时间段的划分规则，确定当前时间段、当前时间段之前的每个时间段对应的维度；采用K近邻KNN算法在历史数据库中，查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据，其中所述历史数据库中基于K维K-d树保存有多个该设定时间长度内每个维度对应监测到的历史交通数据，K为大于零的整数；根据当前时间段的维度，确定该当前时间段的下一时间段的第一维度；根据K组历史交通数据中该第一维度对应监测到的历史交通数据，及所述K组历史交通数据对应的权重系数，预测该当前时间段的下一时间段的交通数据。进一步地，生成基于K-d树保存的多个该设定时间长度内每个维度对应监测到的历史交通数据包括：针对每个维度，根据该维度对应的每个历史交通数据，确定该维度的中位数，其中每个时间段监测的历史交通数据作为该K-d树的一个维度保存；针对每个维度，根据每组历史交通数据中该维度对应的历史交通数据与该维度的中位数的大小，将每组历史交通数据的该维度对应的交通数据保存在所述中位数的左子树或右子树中，并分别记录每个历史交通数据所在组的标识信息，其中每个设定时间长度的每个时间段监测的历史交通数据作为一组历史交通数据。进一步地，所述查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据包括：根据针对该K-d树记录的每个维度的区分度，该当前时间段及该当前时间段之前的时间段对应的维度，查找该当前时间段及该当前段之前的时间段对应的维度的区分度最大的至少一个维度；根据该至少一个维度，将该维度对应的交通数据与历史数据库中对应维度的中位数进行比较，确定该交通数据在该维度的中位数的左子树或右子树中，并确定该中位数的左子树或右子树中记录的每个历史交通数据对应组的标识信息；确定该至少一个维度对应的组的标识信息的交集，根据该交集中每个组的标识信息，在每个组对应的历史交通数据中查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据。进一步地，确定所述K-d树中每个维度的区分度包括：针对每个维度，确定所述K-d树中该维度的历史交通数据的方差；根据所述方差的大小，确定每个维度的区分度。进一步地，所述方法还包括：按照设定的时间间隔，对所述历史数据库中以K-d树保存的多个该设定时间长度内每个维度对应监测到的历史交通数据进行更新。进一步地，所述根据K组历史交通数据中该第一维度对应监测到的交通数据，及所述K组历史交通数据对应的权重系数，预测该当前时间段的下一时间段的交通数据包括：根据该K组历史交通数据与该当前时间段及该当前时间段之前的每个时间段监测的交通数据的距离的倒数，确定每组历史交通数据对应的权重系数；根据确定的每组历史交通数据对应的权重系数，及每组历史交通数据中该第一维度对应监测到的历史交通数据，预测该当前时间段的下一时间段的交通数据。进一步地，所述根据K组历史交通数据与该当前时间段及该当前时间段之前的每个时间段监测的交通数据的距离的倒数，确定每组历史交通数据对应的权重系数包括：根据确定每组历史交通数据对应的权重系数，其中，βi为第i组历史交通数据对应的权重系数，di为第i组历史交通数据与该当前时间段及该当前时间段之前的每个时间段监测的交通数据的距离，K为大于1的整数。进一步地，所述交通数据包括：交通流量数据，或交通违法车辆的数据。本专利技术实施例提供了一种交通数据短时预测装置，用于预测监测地点的交通数据，所述装置包括：第一确定模块，用于根据设定时间长度内时间段的划分规则，确定当前时间段、当前时间段之前的每个时间段对应的维度；查找模块，用于采用K近邻KNN算法在历史数据库中，查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据，其中所述历史数据库中基于K维K-d树保存有多个该设定时间长度内每个维度对应监测到的历史交通数据，K为大于零的整数；第二确定模块，用于根据当前时间段的维度，确定该当前时间段的下一时间段的第一维度；预测模块，用于根据K组历史交通数据中该第一维度对应的监测到的历史交通数据，及所述K组历史交通数据对应的权重系数，预测该当前时间段的下一时间段的交通数据。进一步地，所述装置还包括：生成模块，用于针对每个维度，根据该维度对应的每个历史交通数据，确定该维度的中位数，其中每个时间段监测的历史交通数据作为该K-d树的一个维度保存；针对每个维度，根据每组历史交通数据中该维度对应的历史交通数据与该维度的中位数的大小，将每组历史交通数据的该维度对应的历史交通数据保存在所述中位数的左子树或右子树中，并分别记录每个历史交通数据所在组的标识信息，其中每个设定时间长度的每个时间段监测的交通数据作为一组历史交通数据。进一步地，所述查找模块，具体用于根据针对该K-d树记录的每个维度的区分度，该当前时间段及该当前时间段之前的时间段对应的维度，查找该当前时间段及该当前段之前的时间段对应的维度的区分度最大的至少一个维度；根据该至少一个维度，将该维度对应的交通数据与历史数据库中对应维度的中位数进行比较，确定该交通数据在该维度的中位数的左子树或右子树中，并确定该中位数的左子树或右子树中记录的每个历史交通数据对应组的标识信息；确定该至少一个维度对应组的标识信息的交集，根据该交集中每个组的标识信息，在每个组对应的历史交通数据中查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据。进一步地，所述生成模块，还用于针对每个维度，确定所述K-d树中该维度的历史交通数据的方差；根据所述方差的大小，确定每个维度的区分度。进一步地，所述装置还包括：更新模块，用于按照设定的时间间隔，对所述历史数据库中以K-d树保存的多个该设定时间长度内每个维度对应监测到的历史交通数据进行更新。进一步地，所述预测模块，具体用于根据K组历史交通数据与该当前时间段及该当前时间段之前的每个时间段监测的交通数据的本文档来自技高网...

【技术保护点】
一种交通数据短时预测方法，其特征在于，用于预测监测地点的交通数据，所述方法包括：根据设定时间长度内时间段的划分规则，确定当前时间段、当前时间段之前的每个时间段对应的维度；采用K近邻KNN算法在历史数据库中，查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据，其中所述历史数据库中基于K维K‑d树保存有多个该设定时间长度内每个维度对应监测到的历史交通数据，K为大于零的整数；根据当前时间段的维度，确定该当前时间段的下一时间段的第一维度；根据K组历史交通数据中该第一维度对应监测到的历史交通数据，及所述K组历史交通数据对应的权重系数，预测该当前时间段的下一时间段的交通数据。

【技术特征摘要】
1.一种交通数据短时预测方法，其特征在于，用于预测监测地点的交通数据，所述方法包括：根据设定时间长度内时间段的划分规则，确定当前时间段、当前时间段之前的每个时间段对应的维度；采用K近邻KNN算法在历史数据库中，查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据，其中所述历史数据库中基于K维K-d树保存有多个该设定时间长度内每个维度对应监测到的历史交通数据，K为大于零的整数；根据当前时间段的维度，确定该当前时间段的下一时间段的第一维度；根据K组历史交通数据中该第一维度对应监测到的历史交通数据，及所述K组历史交通数据对应的权重系数，预测该当前时间段的下一时间段的交通数据。2.如权利要求1所述的方法，其特征在于，生成基于K-d树保存的多个该设定时间长度内每个维度对应监测到的历史交通数据包括：针对每个维度，根据该维度对应的每个历史交通数据，确定该维度的中位数，其中每个时间段监测的历史交通数据作为该K-d树的一个维度保存；针对每个维度，根据每组历史交通数据中该维度对应的历史交通数据与该维度的中位数的大小，将每组历史交通数据的该维度对应的交通数据保存在所述中位数的左子树或右子树中，并分别记录每个历史交通数据所在组的标识信息，其中每个设定时间长度的每个时间段监测的历史交通数据作为一组历史交通数据。3.如权利要求2所述的方法，其特征在于，所述查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据包括：根据针对该K-d树记录的每个维度的区分度，该当前时间段及该当前时间段之前的时间段对应的维度，查找该当前时间段及该当前段之前的时间段对应的维度的区分度最大的至少一个维度；根据该至少一个维度，将该维度对应的交通数据与历史数据库中对应维度的中位数进行比较，确定该交通数据在该维度的中位数的左子树或右子树中，并确定该中位数的左子树或右子树中记录的每个历史交通数据对应组的标识信息；确定该至少一个维度对应的组的标识信息的交集，根据该交集中每个组的标识信息，在每个组对应的历史交通数据中查找与该当前时间段及该当前时间段之前的每个时间段监测的交通数据距离临近的K组历史交通数据。4.如权利要求3所述的方法，其特征在于，确定所述K-d树中每个维度的区分度包括：针对每个维度，确定所述K-d树中该维度的历史交通数据的方差；根据所述方差的大小，确定每个维度的区分度。5.如权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：按照设定的时间间隔，对所述历史数据库中以K-d树保存的多个该设定时间长度内每个维度对应监测到的历史交通数据进行更新。6.如权利要求1-4任一项所述的方法，其特征在于，所述根据K组历史交通数据中该第一维度对应监测到的交通数据，及所述K组历史交通数据对应的权重系数，预测该当前时间段的下一时间段的交通数据包括：根据该K组历史交通数据与该当前时间段及该当前时间段之前的每个时间段监测的交通数据的距离的倒数，确定每组历史交通数据对应的权重系数；根据确定的每组历史交通数据对应的权重系数，及每组历史交通数据中该第一维度对应监测到的历史交通数据，预测该当前时间段的下一时间段的交通数据。7.如权利要求6所述的方法，其特征在于，所述根据K组历史交通数据与该当前时间段及该当前时间段之前的每个时间段监测的交通数据的距离的倒数，确定每组历史交通数据对应的权重系数包括：根据确定每组历史交通数据对应的权重系数，其中，βi为第i组历史交通数据对应的权重系数，di为第i组历史交通数...

【专利技术属性】
技术研发人员：徐宇垚，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33