申请/专利权人：北京交通大学

申请日：2021-12-23

公开（公告）日：2024-04-19

公开（公告）号：CN114330526B

主分类号：G06F18/23213

分类号：G06F18/23213;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明提供了基于TGO‑SSA‑FCM算法的交通流量缺失数据修复方法。该方法包括：获取交通流量的输入数据矩阵，并输入到TGO算法中，确定TGO算法中的聚类数K的取值范围，确定聚类数K对应的初始聚类中心；将FCM算法中的参数m和K带入SSA算法中，对SSA算法中每个麻雀的位置进行初始化；将输入数据矩阵、初始聚类中心C、m和K输入到FCM算法中，FCM计算出各麻雀对应的FCM预测值和每个麻雀的适应度值；当判断满足SSA算法的终止条件后，将取得最佳适应度值的麻雀作为全局最优麻雀，将该全局最优麻雀对应的FCM预测值作为输入数据矩阵中的缺失数据的预测值。本发明方法弥补了传统FCM算法参数m和K随机选取、初始聚类中心随机选取，可以实现有效地修复交通流量数据中的缺失数据。

主权项：1.一种基于TGO-SSA-FCM算法的交通流量缺失数据修复方法，其特征在于，包括：获取交通流量的输入数据矩阵；将所述输入数据矩阵输入到TGO算法中，确定TGO算法中的聚类数K的取值范围，确定聚类数K对应的初始聚类中心；将FCM算法中的参数m和K带入SSA算法中，对SSA算法中每个麻雀的位置进行初始化；将输入数据矩阵、初始聚类中心C、m和K输入到FCM算法中，FCM计算出各麻雀对应的FCM预测值和每个麻雀的适应度值；当判断满足SSA算法的终止条件后，将取得最佳适应度值的麻雀作为全局最优麻雀，将该全局最优麻雀对应的FCM预测值作为所述输入数据矩阵中的缺失数据的预测值；所述的获取交通流量的输入数据矩阵包括：通过道路检测器采集指定路段的设定时间段内的交通流量数据，根据所述交通流量数据的时间相关性或属性值相关性组合成输入数据矩阵，所述输入数据矩阵包括人工缺失数据和自然缺失数据；所述的将所述输入数据矩阵输入到TGO算法中，确定TGO算法中的聚类数K的取值范围，确定聚类数K对应的初始聚类中心，包括：将所述输入数据矩阵输入到TGO算法中，确定TGO算法中的聚类数K的取值范围，将不同K依次带入TGO算法中，TGO算法将输入数据矩阵划分为大小相同的网格，进行两次优化，根据输入数据矩阵中的数据自身分布情况筛选出不同聚类数K对应的矩阵形式的初始聚类中心，所述初始聚类中心的矩阵的行数为K，列数为所述输入数据矩阵的维度；所述的将FCM算法中的参数m和K带入SSA算法中，对SSA算法中每个麻雀的位置进行初始化，包括：确定FCM算法中参数m的取值范围，将m和K的范围带入SSA算法中，将每个麻雀的位置进行初始化，将SSA算法中麻雀的位置标记为FCM算法中的参数m和K，利用参数m和K组成二维数组；每个麻雀的初始位置是二维数组x,y，其中x为m在合理范围内的随机值，y为K在合理范围内的随机值，每次更新位置时也会确保x和y不会超出范围；所述的将输入数据矩阵、初始聚类中心C、m和K输入到FCM算法中，FCM计算出各麻雀对应的FCM预测值和每个麻雀的适应度值，包括：将输入数据矩阵、初始聚类中心C、m和K输入到FCM中，FCM计算出各麻雀对应的FCM预测值和每个麻雀的适应度值，将各麻雀对应的FCM预测值作为缺失数据的预测值，所述适应度值指FCM对人工缺失数据的预测值和人工缺失数据的均方根误差RMSE；所述的当判断满足SSA算法的终止条件后，将取得最佳适应度值的麻雀作为全局最优麻雀，将该全局最优麻雀对应的FCM预测值作为所述输入数据矩阵中的缺失数据的预测值，包括：根据计算出的全部麻雀的适应度值，判断是否满足SSA算法的终止条件，如果不满足，则按照SSA算法的公式，根据适应度值更新每一类、每一只麻雀的位置，并重新根据麻雀的位置更新各麻雀的适应度值，直到满足终止条件；将满足终止条件时取得最佳适应度值的麻雀作为全局最优麻雀，将该全局最优麻雀对应的FCM预测值作为自然缺失数据的预测值，根据该预测值修复输入数据矩阵中的自然缺失数据。

全文数据：

权利要求：

百度查询： 北京交通大学 基于TGO-SSA-FCM算法的交通流量缺失数据修复方法

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。

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