买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种路网交通时序特征数据质量诊断与修复方法_银江股份有限公司_201911389852.3 

申请/专利权人:银江股份有限公司

申请日:2019-12-30

公开(公告)日:2021-02-26

公开(公告)号:CN111179591B

主分类号:G08G1/01(20060101)

分类号:G08G1/01(20060101);G06Q10/04(20120101);G06Q50/26(20120101);G06N3/04(20060101);G06N3/08(20060101)

优先权:

专利状态码:有效-授权

法律状态:2021.02.26#授权;2020.06.12#实质审查的生效;2020.05.19#公开

摘要:一种路网交通时序特征数据质量诊断与修复方法,其步骤如下:S1、获取区域路网拓扑结构,构建交通数据预测模型;S2、获取历史交通数据,训练模型并检验模型的预测精度;S3、针对交通检测器采集的数据融合生产后的交通数据,进行数据异常情况的实时检测和修补;S4、对预测模型进行增量训练,保证模型的预测精度。本发明的有益效果:基于历史数据预测当天数据及联合路网数据综合生产数据的模式以及对数据的质量进行综合判定,最终实现持续输出合理,关联性强的高质量数据。

主权项:1.一种路网交通时序特征数据质量诊断与修复方法,其步骤如下:S1、获取区域路网拓扑结构,构建交通数据预测模型;S2、获取历史交通数据,训练模型并检验模型的预测精度;S3、针对交通检测器采集的数据融合生产后的交通数据,进行数据异常情况的实时检测和修补;其中的数据异常情况包括:数据缺失、数据疑似噪点、数据关联性差;对于数据关联性差的情况,若邻近路口的数据分布特性存在较大差异,则应从数据层面对邻近路口交通数据变化趋势和交通数据在时间轴上的关联进行分析,判断邻近路口的数据变化是否为交通数据在时间轴上的正常传导,若否则采用最新的数据进行输入并重新训练预测模型,得到基于当前最新数据的预测模型;所述邻近路口的数据变化是否为交通数据在时间轴上的正常传导可以通过拥堵报警量判断,具体如下:选取单个路口周边M个邻近路口,通过对单个路口和邻近路口之间连续报警次数均达到预设阈值的时间差ΔT及报警相似度S,确定两个对象的实际时间延迟ΔT*,将其与预测模型预测的两个路口间数据变化趋势时间差ΔT'进行比较, ΔT*=ΔT*S 其中,为路口a报警起始时间,为路口b报警起始时间,n为拥堵报警数据选取时间区间个数;Ta,i为a路口报警持续时间,Tb,i为b路口报警持续时间,为a路口最大连续报警次数,为b路口最大连续报警次数;表示在时间轴上第T+f组预测数据中b号路口相应数据,为时间轴上第T组预测数据中a号路口相应数据,Tτ为数据更新时间粒度,Threshold为预测数据差值的设定阈值;若ΔT*与ΔT'在数值上相差小于相应的阈值,则可认定路口之间的数据特性变化为数据在时间轴上的正常传导;采用所述预测模型进行数据修补后,对当日生产的数据质量进行检验,对合格的数据予以通过,对不合格的数据采用重新生产或重新训练数据预测模型并再次检验的方式进行反馈,其中数据质量检验方法如下: 其中,ξ为每天该路口某个交通数据的采样次数;为第i次采样时数据预测模型预测的该数据的预测值;为第i次采样时数据生产所产生的该数据的实时值;Threshold为两者相差所能接受的阈值范围;M为基于路口数据采样频率与各个采样频率下生产的数据与数据预测模型预测数据的偏差,数值越小,则认为数据质量较好;反之,则认为数据质量较差;S4、对预测模型进行增量训练,保证模型的预测精度。

全文数据:

权利要求:

百度查询: 银江股份有限公司 一种路网交通时序特征数据质量诊断与修复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。