1.一種基于時空學(xué)習(xí)的馬爾科夫鏈微行程間隔時長預(yù)測方法，其特征在于：
包括有工況數(shù)據(jù)采集模塊、怠速時長預(yù)測模塊和有效速度時間序列確定模塊；
所述的工況數(shù)據(jù)采集模塊采集大量速度工況數(shù)據(jù)作為訓(xùn)練樣本和實(shí)時地采集車輛的速度工況數(shù)據(jù)，有效速度時間序列確定，對采集的工況數(shù)據(jù)進(jìn)行分析判斷數(shù)據(jù)的有效性和可靠性，去除噪音數(shù)據(jù)；
所述的怠速時長預(yù)測模塊根據(jù)時間信息和空間信息確定與實(shí)時采集數(shù)據(jù)相關(guān)度更高的訓(xùn)練數(shù)據(jù)子集，并使用該子集合學(xué)習(xí)并轉(zhuǎn)移矩陣，并使用該轉(zhuǎn)移矩陣預(yù)測怠速時長類別；
所述的有效速度時間序列確定模塊通過中值濾波方法去除采集的速度數(shù)據(jù)和經(jīng)緯度數(shù)據(jù)中由于設(shè)備波動等原因出現(xiàn)的數(shù)據(jù)噪音，并根據(jù)速度數(shù)據(jù)的相關(guān)性確定最適合的有效速度時間序列的長度。
2.根據(jù)權(quán)利要求1所述的一種基于時空學(xué)習(xí)的馬爾科夫鏈微行程間隔時長預(yù)測方法，其特征在于：所述的工況數(shù)據(jù)采集模塊在車輛行駛的過程中實(shí)時采集車輛速度時間序列和經(jīng)緯度信息作為訓(xùn)練數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種基于時空學(xué)習(xí)的馬爾科夫鏈微行程間隔時長預(yù)測方法，其特征在于：所述的怠速時長預(yù)測模塊首先根據(jù)時間和空間信息確定當(dāng)前實(shí)時采集數(shù)據(jù)在訓(xùn)練數(shù)據(jù)集合中的相關(guān)數(shù)據(jù)子集，根據(jù)數(shù)據(jù)子集合中子集的數(shù)據(jù)確定狀態(tài)空間并計(jì)算一步轉(zhuǎn)移概率矩陣，并根據(jù)該概率矩陣預(yù)測未來N步的狀態(tài)，并根據(jù)預(yù)測得到的未來N步的狀態(tài)判斷下一次怠速工況可能的持續(xù)時間。所述的空間信息包括經(jīng)緯度信息。