基于车辆行程、驾驶行为和交通信息的行程预测模型的制作方法

本发明属于智能交通技术领域，尤其是涉及一种基于车辆行程、驾驶行为和交通信息的行程预测模型。

背景技术：

随着科学技术的不断进步，人工智能的发展也逐渐成熟，针对车辆的行程轨迹进行预测具有非常重要的意义，但是以目前的现有技术针对行程轨迹的预测准确性较低，有鉴于此，本专利申请提供了一种基于车辆行程、驾驶行为和交通信息的行程预测模型，可以较为准确的给出行程预测结果。

技术实现要素：

有鉴于此，为了克服上述缺陷，本发明旨在提出一种基于车辆行程、驾驶行为和交通信息的行程预测模型。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于车辆行程、驾驶行为和交通信息的行程预测模型，包括：

s1、数据采集和选择；

s2、进行数据清洗；

s3、数据脱单标准化处理；

s4、针对不同的行程进行对比，得出预选择；

进一步的，所述步骤s1的具体执行方法如下：

数据采集包括采集车辆行程数据、驾驶行为数据、交通信息数据；

所述车辆行程数据用于获取车辆的形式信息；

所述驾驶行为数据用于判断是否为车主驾驶；

所述交通信息数据用于判断最佳形式路径。

进一步的，所述车辆行程数据包括行驶速度、总行驶里程、本次驾驶的行驶里程、车辆剩余油量。

进一步的，所述驾驶行为为车主的驾驶习惯，包括驾驶速度、车辆与实线或者虚线的间距连续分布情况，主要用于判断是否为车主本人驾驶。

进一步的，所述交通信息数据包括该区域的道路分布、红路灯分布信息、服务机构的分布情况；

所述服务机构包括服务区、加油站。

进一步的，所述步骤s2中的数据清洗用于筛选出不准确的间断信息。

进一步的，所述步骤s3中，对数据的脱单保准化处理是将数据按照一定的比例进行缩放，然后标准化处理，用于去除数据之间的单位限制；结合步相似性运算，得到处理后的值。

进一步的，所述步骤s4中，针对每个可能进入的道路，给出预选择，预选择以百分数的形式呈现。

相对于现有技术，本发明所述的基于车辆行程、驾驶行为和交通信息的行程预测模型具有以下优势：

本发明所述的基于车辆行程、驾驶行为和交通信息的行程预测模型可以对行程轨迹进行准确的预测，为智能交通的发展提供了较为可靠的行程预测模型。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的基于车辆行程、驾驶行为和交通信息的行程预测模型流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，一种基于车辆行程、驾驶行为和交通信息的行程预测模型，包括：

s1、数据采集和选择；

s2、进行数据清洗；

s3、数据脱单标准化处理；

s4、针对不同的行程进行对比，得出预选择；

所述步骤s1的具体执行方法如下：

数据采集包括采集车辆行程数据、驾驶行为数据、交通信息数据；

所述车辆行程数据用于获取车辆的形式信息；

所述驾驶行为数据用于判断是否为车主驾驶；

所述交通信息数据用于判断最佳形式路径。

所述车辆行程数据包括行驶速度、总行驶里程、本次驾驶的行驶里程、车辆剩余油量。

所述驾驶行为为车主的驾驶习惯，包括驾驶速度、车辆与实线或者虚线的间距连续分布情况，主要用于判断是否为车主本人驾驶。

所述交通信息数据包括该区域的道路分布、红路灯分布信息、服务机构的分布情况；

所述服务机构包括服务区、加油站。

所述步骤s2中的数据清洗用于筛选出不准确的间断信息。

所述步骤s3中，对数据的脱单保准化处理是将数据按照一定的比例进行缩放，然后标准化处理，用于去除数据之间的单位限制；结合步相似性运算，得到处理后的值。

所述步骤s4中，针对每个可能进入的道路，给出预选择，预选择以百分数的形式呈现。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

1.基于车辆行程、驾驶行为和交通信息的行程预测模型，其特征在于，包括：

s1、数据采集和选择；

s2、进行数据清洗；

s3、数据脱单标准化处理；

s4、针对不同的行程进行对比，得出预选择。

2.根据权利要求1所述的基于车辆行程、驾驶行为和交通信息的行程预测模型，其特征在于，所述步骤s1的具体执行方法如下：

数据采集包括采集车辆行程数据、驾驶行为数据、交通信息数据；

所述车辆行程数据用于获取车辆的形式信息；

所述驾驶行为数据用于判断是否为车主驾驶；

所述交通信息数据用于判断最佳形式路径。

3.根据权利要求2所述的基于车辆行程、驾驶行为和交通信息的行程预测模型，其特征在于：所述车辆行程数据包括行驶速度、总行驶里程、本次驾驶的行驶里程、车辆剩余油量。

4.根据权利要求2所述的基于车辆行程、驾驶行为和交通信息的行程预测模型，其特征在于：所述驾驶行为为车主的驾驶习惯，包括驾驶速度、车辆与实线或者虚线的间距连续分布情况，主要用于判断是否为车主本人驾驶。

5.根据权利要求2所述的基于车辆行程、驾驶行为和交通信息的行程预测模型，其特征在于：所述交通信息数据包括该区域的道路分布、红路灯分布信息、服务机构的分布情况；

所述服务机构包括服务区、加油站。

6.根据权利要求1所述的基于车辆行程、驾驶行为和交通信息的行程预测模型，其特征在于：所述步骤s2中的数据清洗用于筛选出不准确的间断信息。

7.根据权利要求1所述的基于车辆行程、驾驶行为和交通信息的行程预测模型，其特征在于：所述步骤s3中，对数据的脱单保准化处理是将数据按照一定的比例进行缩放，然后标准化处理，用于去除数据之间的单位限制；结合步相似性运算，得到处理后的值。

8.根据权利要求1所述的基于车辆行程、驾驶行为和交通信息的行程预测模型，其特征在于：所述步骤s4中，针对每个可能进入的道路，给出预选择，预选择以百分数的形式呈现。

技术总结
本发明提供了一种基于车辆行程、驾驶行为和交通信息的行程预测模型，包括：S1、数据采集和选择；S2、进行数据清洗；S3、数据脱单标准化处理；S4、针对不同的行程进行对比，得出预选择；本发明所述的可以对行程轨迹进行准确的预测，为智能交通的发展提供了较为可靠的行程预测模型。

技术研发人员：王明君;朱祥朋;杜定义
受保护的技术使用者：四川万网鑫成信息科技有限公司
技术研发日：2020.05.20
技术公布日：2020.08.18