实时路况的预测方法和系统的制作方法
【技术领域】
[0001]本发明涉及交通技术领域，特别涉及一种实时路况的预测方法和系统。
【背景技术】
[0002]随着人们生活水平的提高，驾驶车辆出行已经成为人们主要的交通方式之一，如果驾驶员在驾驶车辆的过程中能够获取道路的路况信息，则有助于驾驶员规划行驶路径，如果进一步能够获取到即将到达道路在到达时的路况信息，驾驶员就可以根据预测结果更加合理的规划行驶路径，这样就能提高道路的利用率并有效的防治拥堵。
[0003]目前，路况预测主要有以下三种方式:
[0004]—、如中国专利号为201110438175.7公开了一种融合多种交通数据的交通状况预测系统及方法，其主要基于历史数据，流量数据及速度数据这三种类型的数据，并根据相应的权重建立模型，然后根据建立好的模型预测道路的路况情况。
[0005]二、如中国专利号为200910265617.5公开了基于时空关系的路况预测方法和系统，其主要基于历史数据、空间影响度、实时路况数据这三种类型的数据，并强调了道路的网络空间关系，根据以上三种数据类型，建立相应的权重模型，对路况进行预测。
[0006]三、如中国专利号为201310155684.8公开了一种基于群智网络的交通拥堵提示系统，该系统是由网页交通热点挖掘模块、微博交通热点挖掘模块及路况规律预测模块构成，面向群智感知网络，结合传统的交通信息来源，对城市交通热点进行基于数据活化技术的挖掘和预测。
[0007]经过研究发现，上述三种路况预测方式均存在各自的缺点:
[0008]第一种方式，需要大量人员参与，耗费大量财力物力；速度数据通过浮动车量技术来获取实时数据，流量数据可以通过线圈来采集实时的流量数据；需要的数据类型多，就需要大量的采集工作；第二点在于模型的建立偏复杂，对计算和模型的准确性有一定的影响。第二种方式同样存在着与第一种方式相同的问题，同时空间影响度考虑了某一范围内的影响，但是路况存在着蝴蝶效应，有可能影响的范围会波及到其他范围。第三种方式主要是挖掘网页上和微博上的交通热点数据，如果某一区域在网页或者微博上不属于热点区域，那么就不会产生路况，更不可能有路况预测。
【发明内容】
[0009]本发明的目的在于提供一种实时路况的预测方法和系统，以解决使用现有技术中实时路况的预测方法存在建模复制、精准度低的问题。
[0010]为解决上述技术问题，本发明提供一种实时路况的预测方法，所述实时路况的预测方法包括:
[0011]道路服务器调用道路拓扑结构信息并获取当前时刻当前道路的车辆行驶速度；
[0012]根据所述道路拓扑结构信息及当前时刻当前道路的车辆行驶速度计算当前时刻当前道路的通行率，所述当前时刻当前道路的通行率等于当前时刻当前道路的车辆行驶速度与当前道路的限速的比值；
[0013]根据道路拓扑结构信息获得当前道路的分流流向矩阵，所述分流流向矩阵中的每个元素表征两条不同道路之间是否存在连接；
[0014]根据所述分流流向矩阵计算当前道路的分流矩阵；
[0015]基于马尔科夫过程将当前时刻当前道路的通行率及当前道路的分流矩阵迭代，获得预定时刻预测道路的通行率。
[0016]可选的，在所述的实时路况的预测方法中，计算当前道路的分流矩阵采用如下公式:
[0017]A = qE+(l_q)P(n)，
[0018]其中，A表示当前道路的分流矩阵，E表示单位矩阵，P (η)表示当前道路的分流流向矩阵，q表示车辆会留在当前道路上的概率。
[0019]可选的，在所述的实时路况的预测方法中，获得预定时刻预测道路的通行率采用如下公式:
[0020]R (n+1) = AR (η),
[0021]其中，R(η)表示当前时刻当前道路的通行率，R(n+1)表示预定时刻为下一时刻时预测道路的通行率，A表示当前道路的分流矩阵。
[0022]可选的，在所述的实时路况的预测方法中，所述分流流向矩阵的元素为O或1，当两条不同道路之间存在连接时，所述分流流向矩阵的元素取I ;当两条不同道路之间不存在连接时，所述分流流向矩阵的元素取O。
[0023]可选的，在所述的实时路况的预测方法中，所述道路拓扑结构信息包括:所有道路的限速、道路的编号及道路的类型等级。
[0024]可选的，在所述的实时路况的预测方法中，所述当前时刻当前道路的车辆行驶速度等于当前时刻在当前道路上所有车辆行驶速度的平均值。
[0025]可选的，在所述的实时路况的预测方法中，当前时刻当前道路的通行率和预定时刻预测道路的通行率的取值范围均为[0，I]。
[0026]本发明还提供一种实时路况的预测系统，所述实时路况的预测系统包括:
[0027]道路服务器，用于调用道路拓扑结构信息并获取当前时刻当前道路的车辆行驶速度；
[0028]通行率获取模块，用于根据所述道路拓扑结构信息及当前时刻当前道路的车辆行驶速度计算当前时刻当前道路的通行率，所述当前时刻当前道路的通行率等于当前时刻当前道路的车辆行驶速度与当前道路的限速的比值；
[0029]分流矩阵获取模块，根据所述道路拓扑结构信息获得当前道路的分流流向矩阵，所述分流流向矩阵中的每个元素表征两条不同道路之间是否存在连接；
[0030]分流矩阵计算模块，根据所述分流矩阵获取模块计算当前道路的分流矩阵；
[0031]预测模块，基于马尔科夫过程将当前时刻当前道路的通行率及当前道路的分流矩阵迭代，获得预定时刻预测道路的通行率。
[0032]可选的，在所述的实时路况的预测系统中，所述分流矩阵计算模块计算当前道路的分流矩阵采用如下公式:
[0033]A = qE+(l_q) P (η)，
[0034]其中，A表示当前道路的分流矩阵，E表示单位矩阵，P (η)表示当前道路的分流流向矩阵，q表示车辆会留在当前道路上的概率。
[0035]可选的，在所述的实时路况的预测系统中，所述预测模块获得预定时刻预测道路的通行率采用如下公式:
[0036]R (n+1) = AR (η),
[0037]其中，R(η)表示当前时刻当前道路的通行率，R(n+1)表示预定时刻为下一时刻时预测道路的通行率，A表示当前道路的分流矩阵。
[0038]在本发明所提供的实时路况的预测方法和系统中，先通过道路服务器调用道路拓扑结构信息并获取当前时刻当前道路的车辆行驶速度，依次获得当前道路的通行率、分流流向矩阵及分流矩阵，之后基于马尔科夫过程将当前时刻当前道路的通行率及当前道路的分流矩阵迭代，获得预定时刻预测道路的通行率。由于当前时刻当前道路的通行率等于当前时刻当前道路的车辆行驶速度与当前道路的限速的比值，而每条道路的限速可通过道路拓扑结构信息直接获得，因此仅需获得预定时刻预测道路的通行率即可反推预定时刻预测道路上车辆行驶速度，较为直观的获得预测道路的实时路况，提高了预测的精准度，具有普适性。
【附图说明】
[0039]图1是本发明一实施例中实时路况的预测方法的流程图；
[0040]图2是本发明一实施例中实时路况的预测系统的示意图。
[0041]图2中，道路服务器10;通行率获取模块11 ;分流矩阵获取模块12 ;分流矩阵计算模块13 ;预测模块14。
【具体实施方式】
[0042]以下结合附图和具体实施例对本发明提出的实时路况的预测方法和系统作进一步详细说明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
[0043]请参考图1，其为本发明一实施例中实时路况的预测方法的流程图。如图1所示，所述的实时路况的预测方法包括如下步骤:
[0044]首先，执行步骤SI，道路服务器调用道路拓扑结构信息并获取当前时刻当前道路的车辆行驶速度；其中，所述道路拓扑结构信息包括:道路的限速、道路的编号及道路的类型等级等信息，对于拓扑结构信息可以存储于道路服务器中，以便用户在进行路况预测时实施调用相关信息。对于道路的限速，如果拓扑结构信息当中没有记载道路的限速数据，则根据道路的不同类型等级确定道路的不同的限速数据。
[0045]接着，执行步骤S2，根据所述道路拓扑结构信息及当前时刻当前道路的车辆行驶速度计算当前时刻当前道路的通行率，所述当前时刻当前道路的通行率等于当前时刻当前道路的车辆行驶速度与当前道路的限速的比值；其中，所述当前时刻当前道路的车辆行驶速度等于当前时刻在当前道路上所有车辆行驶速度的平均值；
[0046]这里需要说明的是当前道路的车辆行驶速度的数值是会时刻发生改变的数据，而当前道路的限速是根据道路的类型级别有所规定的，因此，道路的限速与时间没有关系。
[0047]具体的，道路的车辆行驶速度获取方式如下:
[0048]道路服务器获取行驶车辆的相关数据，主要包括:行驶车辆的卫星定位数据、车辆的速度数据以及行驶车辆方向角数据；道路服务器根据行驶车辆的卫星定位数据以及行驶车辆的方向角数据定位行驶车辆所在的道路；道路服务器获取同一条道路的所有行驶车辆的行驶速度，根据在同一条道路的所有行驶车辆的速度的平均速度作为该道路的车辆行驶速度。
[0049]进一步地，当前时刻当前道路的通行率和预定时刻预测道路的通行率取值范围均为[0，I]。通行率值越接近于1，说明当前时刻当前道路的车辆行驶速度越接近当前道路的限速，也就是说该条道路越畅通。通行率值越接近于0，说明当前时刻当前道路的车辆行驶速度越低于当前道路的限速，也就是该条道路通行率越不好，该条道路越拥堵。当然，实际上，车辆行驶的速度极有可能超过道路的限速，但毕竟是小概率事件，此时将通行率值取为
1
[0050]接着，执行步骤S3，根据道路拓扑结构信息获得当前道路的分流流向矩阵P (η)，所述分流流向矩阵中的每个元素表