申请/专利权人：卓世科技(海南)有限公司

申请日：2023-12-13

公开（公告）日：2024-03-22

公开（公告）号：CN117407744B

主分类号：G06F18/23213

分类号：G06F18/23213;G06F18/10;G06F18/2433;G06F18/25;G08G1/01

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明涉及多源数据融合计算领域，具体涉及基于数字孪生的多源数据融合方法，该方法包括：获取城市交通系统中各周期各监测点处各维数据的数据序列；采用时间序列分解算法对数据序列进行分解得到数据变化趋势序列；将各维数据记为各目标数据，根据目标数据与各剩余数据的数据变化趋势序列的相关性得到多维趋势相关性；根据目标数据的数据序列及数据变化趋势序列之间的差异分布得到趋势跳变程度；根据趋势跳变程度以及多维趋势相关性得到目标数据的融合参与度；根据各维数据在各监测点的融合参与度、数据序列之间的差异得到任意两个监测点的相似性评价；基于相似性评价优化聚类算法得到各监测点的交通状况。本发明提高了数据融合的精度。

主权项：1.基于数字孪生的多源数据融合方法，其特征在于，该方法包括以下步骤：获取城市交通系统中各周期各监测点处各维度数据的数据序列；所述各维度数据包括：温度、湿度、车流量和平均车速；采用时间序列分解算法对数据序列进行分解得到数据变化趋势序列；将各维度数据分别记为各目标数据，对于各目标数据，将除目标数据外的其他维度数据记为各剩余数据；根据目标数据与各剩余数据的数据变化趋势序列之间的相关性得到目标数据的多维趋势相关性；根据目标数据的数据序列及数据变化趋势序列得到趋势偏移序列；采用LOF异常检测算法获取趋势偏移序列中各元素的LOF离群因子，将大于预设阈值的LOF离群因子的元素对应的时刻记为趋势异常时刻；根据目标数据的趋势异常时刻的分布得到趋势跳变程度；根据趋势跳变程度以及多维趋势相关性得到目标数据的融合参与度；根据目标数据与其他所有剩余数据的在所有监测点的融合参与度之间的差异得到目标数据的融合权重；对于任意两个监测点，根据各维度数据的数据序列之间的差异以及融合权重得到任意两个监测点的相似性评价；基于监测点之间的相似性评价优化聚类算法中的聚类距离得到各监测点的交通状况；所述根据目标数据与各剩余数据的数据变化趋势序列之间的相关性得到目标数据的多维趋势相关性，包括：计算所有任意两个维度数据的数据变化趋势序列之间的皮尔逊相关系数均值作为第一均值；计算目标数据与所有剩余数据之间的皮尔逊相关系数均值作为第二均值；将第二均值与第一均值的比值作为目标数据的多维趋势相关性；所述根据目标数据的趋势异常时刻的分布得到趋势跳变程度，包括：对于目标数据中的各趋势异常时刻，计算任意相邻趋势异常时刻之间的时刻距离，将目标数据中所有任意相邻的所述时刻距离按照时间顺序组成异常分布序列；获取异常分布序列中的最小值和最大值，按照最小值、最大值将异常分布序列划分成三个子区间；计算各子区间中出现的数据数量与异常分布序列中的数据总量的比值，获取所述比值中的最大值所在子区间的最大分布间隔；计算趋势异常时刻的数量与目标数据的数据序列的总时刻数量的比值作为第一比值，计算异常分布序列的变异系数与所述最大分布间隔的比值作为第二比值；将第一比值与第二比值的乘积作为目标数据的趋势跳变程度。

全文数据：

权利要求：

百度查询： 卓世科技(海南)有限公司 基于数字孪生的多源数据融合方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD