基于AI权重等效法的城市实时路况计算与存储系统及方法

技术领域

本发明涉及城市路况处理技术领域，具体为基于AI权重等效法的城市实时路况计算与存储系统及方法。

背景技术

城市实时路况计算需要结合多源车辆数据获取客观、综合的实时路况，即需要综合考虑公交、出租车、网约车等车辆的行驶速度表现来评估路况。但是，对于同一时空，不同类型的交通工具运行状态具有一定的差别，例如，在相同的时空下，公交车的运行速度往往比出租车、私家车慢很多；并且，对于相同的交通工具，在不同的营运状态下，其行驶的速度也不一致，比如，通过对以往的数据分析可知，在相同的时空下，出租车空载状态的行驶速度一般比载客速度快。传统的方法大多采用规则法，赋予一个固定的权重等价两两交通工具类型的速度，这样容易造成等价过程中存在较大的误差。

并且，城市路况的实时展示对实时性要求较高，需要有一套实时流计算框架实现低延时的路况计算，现有实时计算框架主要有storm、spark streaming、flink等。传统采用规则对不同类型车辆速度归一化方法存在一定的问题，如规则方法系数无法根据环境变化而变化，比如，在当下疫情环境，场景变化很快，不同类型车辆速度关系在不同疫情程度环境下可能不尽相同。并且，采用规则方法，加入了人为主观判断，对于不同路段存在较大误差。对于交通领域，针对行业的特点，罕见有提出一套完整的高实时、低耦合并且结合AI技术实现更为客观的城市路况计算框架。

发明内容

本发明的目的在于提供基于AI权重等效法的城市实时路况计算与存储系统及方法，针对交通领域的特点，提出了一套完整的高实时、低耦合并且结合AI技术实现更为客观的城市路况计算框架，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于AI权重等效法的城市实时路况计算与存储系统，包括地图匹配模块、速度计算模块、实时速度与路况计算模块；所述地图匹配模块用于实现卫星定位数据地图轨迹纠偏，在匹配结果基础上采用速度计算模块对路段速度进行实时计算，并将计算结果分别存入内存数据库和分布式数据库；所述实时速度与路况计算模块用于制定单一交通工具路况、综合路况计算标准，并从内存数据库中获取对应交通工具类型的实时速度，求解各个路段的实时路况，提供给前端展示。

更进一步地，对路段速度进行实时计算的结果采用实时数据同步工具将KAFKA速度流存入分布式数据库中。

更进一步地，所述速度计算模块对于路段速度计算，采用空间平均速度，即：

其中，D表示路段的里程距离，_t表示所有车辆经过该路段的平均用时，u

其中，第i辆车经过该路段的平均速度

其中，ΔD

更进一步地，所述实时速度与路况计算模块采用实时流计算框架计算实时速度：采用on-yarn模式对实时流计算框架进行部署，利用分布式存储集群与YARN资源调度系统，从KAFKA获取浮动车辆卫星定位数据，实现分布式实时处理，求得各个路段实时5分钟粒度路段速度，并将实时处理的各个路段速度存入KAFKA，做下一步的业务流程处理。

更进一步地，还包括在线速度修复模块，所述在线速度修复模块用于填充实时5分钟粒度速度计算中产生的缺失值，并平滑实时计算过程中的异常值。

本发明提供另一种技术方案：基于AI权重等效法的城市实时路况计算与存储方法，包括以下步骤：

S1：制定道路拥堵指数标准，对道路分级，不同级别的道路速度对应的拥堵指数不同；

S2：基于权重等价法，采用机器学习方法构建模型对不同交通工具类型车辆速度进行拟合转换为出租车速度，具体为：以出租车速度为标签，路段ID、小时段、车辆类型、该类型车辆的小时段速度均值作为特征，训练权重等价模型，利用训练好的模型将某一具体路段非出租车的速度拟合为出租车速度；

S3：对5分钟粒度每个路段拟合得到的各类交通工具求均值，即为道路拥堵指数标准参考速度；

S4：根据S3中的速度均值，查S1中道路拥堵指数标准表，即可得到路况。

更进一步地，S2中具体包括特征提取与训练集构造，其方法如下：

S201：获取目标区域标、各个目标类型车辆、各个路段速度的历史数据；

S202：剔除速度异常值、缺失值；

S203：从S202得到的结果数据集中提取非出租车数据集D，以及出租车数据集T，对于数据集D每一条历史记录，提取车辆类型、路段ID、日期、小时段、该类型车辆在该小时段速度均值，得到数据集D1；对于数据集T每一条记录，提取路段ID、日期、小时段、出租车在该小时段速度均值，得到数据集T1；

S204：合并D1、T1，构造训练数据集，具体为：从数据集T1中找出相同日期相同小时段出租车速度均值作为训练集的标签列合并到D1数据集中，得到训练集TRAIN_DATA。

更进一步地，S2中还包括建模：将训练集TRAIN_DATA作为模型输入，采用随机森林回归算法训练模型，得到权重等价模型M。

更进一步地，利用训练好的权重等价模型M对路段非出租车的速度实时等价为出租车速度，并融合该路段包含出租车速度的综合速度；实现公式如下：

其中，v表示该路段实时融合速度，C表示该路段经过的车辆类型数量，v

与现有技术相比，本发明的有益效果是：

本发明提供的基于AI权重等效法的城市实时路况计算与存储系统及方法，采用基于AI权重等效法的不同类型车辆速度归一化方法通过大数据与人工智能技术更合理、真实表达不同类型车辆在同一时空下的速度转换关系，更准确地表达城市实时路况。并且，本发明采用针对交通领域的特点，提出了一套完整的高实时、低耦合并且结合AI技术实现更为客观的城市路况计算框架。

附图说明

图1为本发明系统的实时速度、路况计算、存储与应用流程图；

图2为本发明的基于卫星定位数据数据的路段空间平均速度计算示意图；

图3为本发明方法的AI权重等价法求解路况流程图；

图4为本发明的特征提取与训练集构造流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例中提供的基于AI权重等效法的城市实时路况计算与存储系统，包括地图匹配模块、速度计算模块、实时速度与路况计算模块；所述地图匹配模块用于实现卫星定位数据地图轨迹纠偏，在匹配结果基础上采用速度计算模块对路段速度进行实时计算，并将计算结果分别存入内存数据库和分布式数据库(供指标体系建设实施使用)，其中，采用(实时数据同步工具)工具将KAFKA速度流存入分布式数据库；所述实时速度与路况计算模块用于制定单一交通工具路况(公交、出租车)、综合路况计算标准，并从内存数据库中获取对应交通工具类型的实时速度，求解各个路段的实时路况，提供给前端展示。

在上述实施例中，速度计算模块对于路段速度计算，采用空间平均速度，即：

其中，D表示路段的里程距离，_t表示所有车辆经过该路段的平均用时，u

其中，第i辆车经过该路段的平均速度

其中，ΔD

请参阅图2，例如：在某一指定时间窗口中，一共有3辆车分别以20km/h、40km/h、60km/h的速度通过路程为D的道路。由式(2)可知，该路段的空间平均速度为：

本发明实施例中的实时速度与路况计算模块采用实时流计算框架计算实时速度：采用on-yarn模式对实时流计算框架进行部署，利用分布式存储集群与YARN资源调度系统，从KAFKA获取浮动车辆卫星定位数据，实现分布式实时处理，求得各个路段实时5分钟粒度路段速度，并将实时处理的各个路段速度存入KAFKA，做下一步的业务流程处理。

本发明实施例中还包括在线速度修复模块，由于实时5分钟粒度速度计算中，并不是所有的路段都有车辆计算，会存在部分路段实时速度缺失的情况。线速度修复模块为了填充上述原因产生的缺失值，并平滑实时计算过程中的异常值。

请参阅图3，本发明实施例提供另一种技术方案：基于AI权重等效法的城市实时路况计算与存储方法，包括以下步骤：

S1：制定道路拥堵指数标准，对道路分级，不同级别的道路速度对应的拥堵指数不同(以出租车行驶速度为参考)；

S2：基于权重等价法，采用机器学习方法构建模型对不同交通工具类型车辆速度进行拟合转换为出租车速度，具体为：以出租车速度为标签，路段ID、小时段、车辆类型、该类型车辆的小时段速度均值作为特征，训练权重等价模型，利用训练好的模型将某一具体路段非出租车的速度拟合为出租车速度；其方法如下：

S201：获取目标区域标、各个目标类型车辆、各个路段速度的历史数据；

S202：剔除速度异常值、缺失值；

S203：从S202得到的结果数据集中提取非出租车数据集D，以及出租车数据集T，对于数据集D每一条历史记录，提取车辆类型、路段ID、日期、小时段、该类型车辆在该小时段速度均值，得到数据集D1；对于数据集T每一条记录，提取路段ID、日期、小时段、出租车在该小时段速度均值，得到数据集T1；

S204：合并D1、T1，构造训练数据集，具体为：从数据集T1中找出相同日期相同小时段出租车速度均值作为训练集的标签列合并到D1数据集中，得到训练集TRAIN_DATA。

本发明实施例的S2中还包括建模：将训练集TRAIN_DATA作为模型输入，采用随机森林回归算法训练模型，得到权重等价模型M。

本发明实施例中利用训练好的权重等价模型M对路段非出租车的速度实时等价为出租车速度，并融合该路段包含出租车速度的综合速度；实现公式如下：

其中，v表示该路段实时融合速度，C表示该路段经过的车辆类型数量，v

S3：对5分钟粒度每个路段拟合得到的各类交通工具求均值，即为道路拥堵指数标准参考速度；

S4：根据S3中的速度均值，查S1中道路拥堵指数标准表，即可得到路况。训练集TRAIN_DATA数据样例如下表所示：

综上所述：本发明提供的基于AI权重等效法的城市实时路况计算与存储系统及方法，其速度、路况计算、存储的目的是为实时速度前端展示提供路况数据源，并为宏、中、微观指标体系建设实施以及其他相关数据分析、AI建模提供数据支撑；本发明采用基于AI权重等效法的不同类型车辆速度归一化方法通过大数据与人工智能技术更合理、真实表达不同类型车辆在同一时空下的速度转换关系，更准确地表达城市实时路况。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。