一種動(dòng)態(tài)交通異常數(shù)據(jù)檢測(cè)與修復(fù)方法
【專利摘要】本發(fā)明公開了一種動(dòng)態(tài)交通異常數(shù)據(jù)檢測(cè)與修復(fù)方法，包括異常數(shù)據(jù)檢測(cè)和修復(fù)兩部分，異常數(shù)據(jù)檢測(cè)采用一種基于密度的局部異常孤立點(diǎn)發(fā)現(xiàn)的方法，異常數(shù)據(jù)修復(fù)采用一種基于灰色系統(tǒng)理論的修復(fù)方法。本發(fā)明實(shí)時(shí)有效地對(duì)動(dòng)態(tài)交通中車輛運(yùn)行數(shù)據(jù)中的異常數(shù)據(jù)進(jìn)行了檢測(cè)和修復(fù)，提高了數(shù)據(jù)質(zhì)量，從而最終保障交通安全。
【專利說明】一種動(dòng)態(tài)交通異常數(shù)據(jù)檢測(cè)與修復(fù)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種數(shù)據(jù)檢測(cè)與修復(fù)方法，具體是一種動(dòng)態(tài)交通異常數(shù)據(jù)檢測(cè)與修復(fù) 方法，屬于動(dòng)態(tài)交通中異常數(shù)據(jù)的檢測(cè)與修復(fù)【技術(shù)領(lǐng)域】，

【背景技術(shù)】
[0002] 動(dòng)態(tài)交通車輛在運(yùn)營(yíng)過程中，由于受到道路環(huán)境、天氣、車輛自身設(shè)備故障、甚至 一些人為因素的影響，其車載系統(tǒng)采集到的車輛運(yùn)營(yíng)和運(yùn)行狀況等數(shù)據(jù)可能會(huì)出現(xiàn)丟失、 錯(cuò)誤、冗余等異常狀況。異常數(shù)據(jù)的出現(xiàn)可能會(huì)給客運(yùn)車輛的動(dòng)態(tài)監(jiān)管帶來困難，并可能威 脅到交通安全。
[0003] 傳統(tǒng)的處理方法是：首先采用基于統(tǒng)計(jì)、基于距離和基于偏差等傳統(tǒng)的方法來對(duì) 異常數(shù)據(jù)進(jìn)行檢測(cè)，或者采用聚類、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等基于學(xué)習(xí)的算法來對(duì)異常數(shù) 據(jù)進(jìn)行檢測(cè)，并在此基礎(chǔ)上，采用相應(yīng)的修復(fù)方法來對(duì)異常數(shù)據(jù)進(jìn)行修復(fù)。然而，這些方法 需要大量的統(tǒng)計(jì)數(shù)據(jù)或者需要大量的高質(zhì)量的數(shù)據(jù)來對(duì)模型進(jìn)行訓(xùn)練，實(shí)際操作中難以推 廣。
[0004] 因此，需要設(shè)計(jì)一種局部異常孤立點(diǎn)發(fā)現(xiàn)方法來對(duì)異常數(shù)據(jù)進(jìn)行檢測(cè)，并采用實(shí) 時(shí)修復(fù)方法來對(duì)異常數(shù)據(jù)進(jìn)行實(shí)時(shí)修復(fù)，以保證運(yùn)營(yíng)企業(yè)和政府相關(guān)部門對(duì)車輛進(jìn)行準(zhǔn) 確、有效地監(jiān)控，提高車輛運(yùn)營(yíng)的效率和保障交通安全。


【發(fā)明內(nèi)容】

[0005] 為解決上述技術(shù)問題，本發(fā)明提供一種動(dòng)態(tài)交通異常數(shù)據(jù)檢測(cè)與修復(fù)方法，利用 采集的車輛數(shù)據(jù)的密度信息與局部異常因子之間的關(guān)系對(duì)異常數(shù)據(jù)進(jìn)行檢測(cè)，并利用異常 數(shù)據(jù)的偶然性和模糊性與灰色系統(tǒng)理論的相關(guān)性來實(shí)現(xiàn)對(duì)檢測(cè)出的異常數(shù)據(jù)進(jìn)行修復(fù)，能 夠有效保證運(yùn)營(yíng)企業(yè)和政府相關(guān)部門對(duì)車輛進(jìn)行準(zhǔn)確、有效地監(jiān)控，提高車輛運(yùn)營(yíng)的效率 和保障交通安全。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明一種動(dòng)態(tài)交通異常數(shù)據(jù)檢測(cè)與修復(fù)方法，包括以下步 驟：
[0007] (S1)將動(dòng)態(tài)交通中實(shí)時(shí)采集的數(shù)據(jù)按照時(shí)間順序通過長(zhǎng)度為N的滑動(dòng)窗 (Sliding Window)模型；
[0008] (S2)滑動(dòng)窗中接收到新采集的交通數(shù)據(jù)后，立即開始計(jì)算滑動(dòng)窗中所有數(shù)據(jù)對(duì)象 的MinPts-距離鄰域NminPts，并計(jì)算其到領(lǐng)域中每個(gè)對(duì)象的距離，其中，MinPts-距離鄰域 的計(jì)算式為：
[0009] NMinPts(p) = {q e D\p|d(p, q) ^ k-di stance (p)} (1)
[0010] (S3)計(jì)算滑動(dòng)窗中所有數(shù)據(jù)點(diǎn)的可達(dá)密度lrdMinPts，其計(jì)算式為：
[0011]

【權(quán)利要求】
1. 一種動(dòng)態(tài)交通異常數(shù)據(jù)檢測(cè)與修復(fù)方法，其特征在于，包括以下步驟： (51) 將動(dòng)態(tài)交通中實(shí)時(shí)采集的數(shù)據(jù)按照時(shí)間順序通過長(zhǎng)度為N的滑動(dòng)窗（Sliding Window)模型； (52) 滑動(dòng)窗中接收到新采集的交通數(shù)據(jù)后，立即開始計(jì)算滑動(dòng)窗中所有數(shù)據(jù)對(duì)象的 MinPts-距離鄰域NminPts，并計(jì)算其到領(lǐng)域中每個(gè)對(duì)象的距離，其中，MinPts-距離鄰域的 計(jì)算式為： NiinPts(p) = {q e D\p|d(p, q) ^ k-distance(p)} (1) (53) 計(jì)算滑動(dòng)窗中所有數(shù)據(jù)點(diǎn)的可達(dá)密度lrdMinPts，其計(jì)算式為：
⑵ (54) 計(jì)算滑動(dòng)窗中所有數(shù)據(jù)點(diǎn)的局部異常因子L0FMinPts，其計(jì)算式為：
(3) (55) 計(jì)算局部異常因子的標(biāo)準(zhǔn)差〇U)F其計(jì)算式為：
(4) (56) 計(jì)算數(shù)據(jù)更新前后局部異常因子標(biāo)準(zhǔn)差的比值R，其計(jì)算式為：
(5) (57) 當(dāng)R的值小于閾值時(shí)，新更新的交通數(shù)據(jù)不是異常數(shù)據(jù)，不需要對(duì)數(shù)據(jù)進(jìn)行修復(fù)， 返回步驟（S1)，直接等待新的交通數(shù)據(jù)的到來；當(dāng)R的值等于或大于閾值時(shí)，新更新的交通 數(shù)據(jù)是異常數(shù)據(jù)，需要對(duì)其進(jìn)行修復(fù)，進(jìn)入異常數(shù)據(jù)修復(fù)。 (58) 提取滑動(dòng)窗中除去新更新的數(shù)據(jù)，構(gòu)成一個(gè)原始數(shù)據(jù)序列X?，數(shù)據(jù)序列形式為： X(0) = (X(0) (1)，X(0) (2)，· · ·，X(0) (n)) (6) (59) 計(jì)算原始序列的鄰均值等權(quán)生成序列Z(1)，其計(jì)算式為：
(7) (510) 計(jì)算原始序列的一次累加X(1)，其計(jì)算式為： Χ(1) = (Χω(1),Χω (2),..., X(1) (η)) (8) (511) 建立灰色模型GM(1，1)的矩陣形式Υ: (9) Υ = Β? (512) 求解在式（9)中的最小化問題，灰色模型GM(1，1)參數(shù)4:的估計(jì)值為： (10) α = [α,Μ]τ=(Β'Β) !Β'Υ (513) 計(jì)算出異常數(shù)據(jù)的修復(fù)值Χω，異常數(shù)據(jù)得到修復(fù)：
(11) (514) 若車輛繼續(xù)行駛，則返回步驟（S1)，若車輛停止，則結(jié)束； 所述步驟（S1)中的滑動(dòng)窗模型中的數(shù)據(jù)包括已處理的數(shù)據(jù)和待辨識(shí)的數(shù)據(jù)； 所述步驟（S2)中的MinPts-距離定義為：任意的自然數(shù)k，定義對(duì)象ρ的k-距 離（k-distance (p))為p和集合中D中某個(gè)對(duì)象〇之間的距離；所述對(duì)象〇至少存 在k個(gè)對(duì)象，使得成ρ，?)5：β?(ρ，ο)，并且至多存在k-Ι個(gè)對(duì)象，使得 --(ρ,?)<?Ι(μ,ο), ? 步驟（S5)中局部異常因子的標(biāo)準(zhǔn)差〇U)F的初始值取0。
2.根據(jù)權(quán)利要求1所述的一種動(dòng)態(tài)交通異常數(shù)據(jù)檢測(cè)與修復(fù)方法，其特征在于，所述 步驟（S7)中數(shù)據(jù)更新前后局部異常因子標(biāo)準(zhǔn)差的比值R的閾值的實(shí)驗(yàn)取值為2. 5。
【文檔編號(hào)】G08G1/01GK104156579SQ201410375544
【公開日】2014年11月19日 申請(qǐng)日期:2014年7月31日 優(yōu)先權(quán)日:2014年7月31日
【發(fā)明者】陳志勇, 黃 俊, 楊樂, 彭力, 莫子興, 蔡崗 申請(qǐng)人:江南大學(xué)