当前位置: 首页> 交通专利数据库 >详情
原文传递 基于高阶马尔科夫模型的道路拥塞发现方法
专利名称: 基于高阶马尔科夫模型的道路拥塞发现方法
摘要: 本发明公开了一种基于高阶马尔科夫模型的道路拥塞发现方法,分为两步:概率转移矩阵计算和拥塞状态预测,在概率转移矩阵计算时,利用近邻传播聚类得到合适路段状态分类,然后计算出不同时间间隔的路段状态的转移概率矩阵;在拥塞状态预测时,根据移动对象所在路段状态和邻近路段结合转移概率矩阵,预测拥塞状态。本发明通过近邻传播聚类算法预先求出转移概率矩阵,然后存储到数据库中,当需要使用模型预测的时候直接从数据库中读取概率矩阵,将转移概率的矩阵预先求出并存储,预测时候直接查询即可,大大提高了实时预测的速度,使用近邻传播聚类可以提高分类准确性,进而提高概率转移矩阵的正确性。
专利类型: 发明专利
国家地区组织代码: 江苏;32
申请人: 南京邮电大学
发明人: 张斌;韩京宇
专利状态: 有效
发布日期: 2019-01-01T00:00:00+0800
申请号: CN201810521398.1
公开号: CN108765940A
代理机构: 南京苏高专利商标事务所(普通合伙) 32204
代理人: 向文
分类号: G08G1/01(2006.01)I;G08G1/052(2006.01)I;G08G1/065(2006.01)I;G06K9/62(2006.01)I;G06Q10/04(2012.01)I;G06Q50/26(2012.01)I;G;G08;G06;G08G;G06K;G06Q;G08G1;G06K9;G06Q10;G06Q50;G08G1/01;G08G1/052;G08G1/065;G06K9/62;G06Q10/04;G06Q50/26
申请人地址: 210003 江苏省南京市亚东新城区文苑路9号
主权项: 1.基于高阶马尔科夫模型的道路拥塞发现方法,其特征在于:包括如下步骤:1)对概率转移矩阵的计算:为获得转移概率矩阵,通过近邻传播聚类找到路段最佳状态分类,然后根据数据的时序性计算出状态随时间转变的概率矩阵并且存储到数据库中;2)对道路拥塞状态进行预测:在预测模块时,通过混合马尔科夫模型对移动对象所在路段上的行驶时间进行预测,预测道路拥塞状态。
所属类别: 发明专利
检索历史
应用推荐