基于多维度轨迹的出行时间预测方法、系统及电子设备 .pdfVIP

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN109376906A

(43)申请公布日2019.02.22

(21)申请号CN201811106870.1

(22)申请日2018.09.21

(71)申请人中国科学院深圳先进技术研究院;中国科学院大学

地址518055广东省深圳市南山区深圳大学城学苑大道1068号

(72)发明人刘睿晗孔少宏朱雪莹张帆张瑞

(74)专利代理机构深圳市科进知识产权代理事务所(普通合伙)

代理人曹卫良

(51)Int.CI

权利要求说明书说明书幅图

(54)发明名称

基于多维度轨迹的出行时间预测方

法、系统及电子设备

(57)摘要

本申请涉及一种基于多维度轨迹的

出行时间预测方法、系统及电子设备。该

方法包括：步骤a：采集用户的出行轨迹

数据；步骤b：采用K‑means聚类算法对

所述出行轨迹数据中的时间进行聚类；步

骤c：根据所述K‑means聚类后的出行轨

迹数据为用户建立随机森林，通过所述随

机森林对用户下一次出行的出发时间进行

预测。本申请以海量私家车出行的轨迹数

据为数据源，建立基于多维度轨迹的用户

出行时间预测模型，可同时实现长时预测

和短时预测，解决了短时出行时间预测精

度较差以及长时出行时间预测存在较大局

限性的问题，并取得了较好的效果。

法律状态

法律状态公告日法律状态信息法律状态

2021-11-19授权授权

2019-03-19实质审查的生效实质审查的生效

2019-02-22公开公开

权利要求说明书

1.一种基于多维度轨迹的出行时间预测方法,其特征在于,包括以下步骤:

步骤a:采集用户的出行轨迹数据;

步骤b:采用K-means聚类算法对所述出行轨迹数据中的时间进行聚类;

步骤c:根据所述K-means聚类后的出行轨迹数据为用户建立随机森林,通过所述随

机森林对用户下一次出行的出发时间进行预测。

2.根据权利要求1所述的基于多维度轨迹的出行时间预测方法,其特征在于,所述步

骤a还包括:对采集的出行轨迹数据进行预处理,清洗掉所述出行轨迹数据中的重复

记录、非当日记录和不完整记录。

3.根据权利要求2所述的基于多维度轨迹的出行时间预测方法,其特征在于,在所述

步骤b中,所述采用K-means聚类算法对所述出行轨迹数据中的时间进行聚类具体

为:根据预处理后的出行轨迹数据提取用户每次出行的OD数据,并采用K-means聚

类算法对所述OD数据中的时间进行聚类;所述OD数据具体包括用户ID、车辆ID、

日期、是否周末、出发时间、出发经度、出发纬度、到达时间、到达经度、到达纬

度、速度、行程时间、行程距离。

4.根据权利要求3所述的基于多维度轨迹的出行时间预测方法,其特征在于,在所述

步骤b中,所述采用K-means聚类算法对所述出行轨迹数据中的时间进行聚类具体

为:

步骤b1:检测并删除时间变量中的离群点;

步骤b2:设置平均绝对误差阈值,根据满足所述平均绝对误差阈值要求的k值构成k

值候选集合;

步骤b3:应用自动肘部法则从所述k值候选集合中选择符合条件的k值;

步骤b4:返回满足要求的最优k值;

步骤b5:根据所述最优k值对时间进行K-means聚类,并将原始时间替换为所属的时

间聚类,将聚类后的时间类作为随机森林的响应变量。

5.根据权利要求4所述的基于多维度轨迹的出行时间预测方法,其特征在于,在所述

步骤c中,所述通过随机森林对用户下一次