[發(fā)明專利]基于平均偏移量平移的數(shù)據(jù)噪音點(diǎn)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711077817.9
• 申請(qǐng)日: 2017-11-06
• 公開(kāi)（公告）號(hào): CN107862866B
• 公開(kāi)（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 楊柏林;田彥;林賢煊;孫書(shū)林;張凱麗
• 申請(qǐng)（專利權(quán)）人: 浙江工商大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G08G1/065
• 代理公司: 杭州奧創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 33272
• 代理人: 王佳健

本發(fā)明公開(kāi)了一種基于平均偏移量平移的交通流量數(shù)據(jù)噪聲點(diǎn)檢測(cè)方法。本發(fā)明主要結(jié)合歷史數(shù)據(jù)與鄰近數(shù)據(jù)進(jìn)行噪聲判斷以便后續(xù)進(jìn)行相應(yīng)處理。歷史數(shù)據(jù)指在某一時(shí)刻，前幾個(gè)周期該時(shí)刻車流量數(shù)據(jù)的平均值，鄰近數(shù)據(jù)指待被判定點(diǎn)周圍的車流量數(shù)據(jù)。結(jié)合歷史數(shù)據(jù)與鄰近數(shù)據(jù)解算出偏移量，再用周期內(nèi)的數(shù)據(jù)與偏移量去擬合歷史數(shù)據(jù)，最后根據(jù)擬合的數(shù)據(jù)與歷史數(shù)據(jù)的偏差來(lái)判斷數(shù)據(jù)是否為噪聲數(shù)據(jù)。本發(fā)明能夠更加準(zhǔn)確的定位交通車流量數(shù)據(jù)中存在的噪聲，促進(jìn)智能交通更精準(zhǔn)處理。

技術(shù)領(lǐng)域

本發(fā)明屬于交通流量數(shù)據(jù)噪聲處理技術(shù)領(lǐng)域，具體涉及一種基于平均偏移量平移的交通數(shù)據(jù)噪聲點(diǎn)檢測(cè)方法。

背景技術(shù)

隨著計(jì)算機(jī)硬件和軟件的成熟化，人工智能技術(shù)逐漸引起社會(huì)關(guān)注。人工智能在交通領(lǐng)域的應(yīng)用，即智能交通，對(duì)人們生活有著至關(guān)重要的影響。交通智能化解決了人們出行的許多難題，如交通流量的預(yù)測(cè)能有效的規(guī)避交通擁堵的現(xiàn)象。通過(guò)深度學(xué)習(xí)的方法對(duì)歷史的交通流量變化規(guī)律進(jìn)行學(xué)習(xí)，利用所學(xué)的權(quán)重值對(duì)未來(lái)某一時(shí)刻的交通流量情況進(jìn)行預(yù)測(cè)，便于提前決策來(lái)避免交通擁堵的情況。

深度學(xué)習(xí)對(duì)于基于時(shí)間序列預(yù)測(cè)的交通流量數(shù)據(jù)預(yù)測(cè)問(wèn)題有著良好的性能。但是可能因?yàn)槭占臄?shù)據(jù)存在較多的噪聲從而降低模型的預(yù)測(cè)性能。在交通流量數(shù)據(jù)中，噪聲數(shù)據(jù)指在實(shí)現(xiàn)交通智能的過(guò)程中難以被機(jī)器正確理解和翻譯的數(shù)據(jù)。少量的噪聲數(shù)據(jù)對(duì)模型的性能幾乎沒(méi)有影響，而噪聲數(shù)據(jù)量達(dá)到一定的程度的時(shí)候，對(duì)模型的影響就比較大。引起噪聲數(shù)據(jù)的原因有交通流量數(shù)據(jù)本身具有高突變型、外部條件突發(fā)改變等。

當(dāng)前對(duì)噪音數(shù)據(jù)判斷的常用的方法有聚類、低階多項(xiàng)式滑動(dòng)擬合、人工檢測(cè)于計(jì)算機(jī)的結(jié)合等。聚類：適用于數(shù)據(jù)差異不大，但是交通流量數(shù)據(jù)差異較大，聚類分析效果較差。低階多項(xiàng)式滑動(dòng)擬合法：該方法應(yīng)用統(tǒng)計(jì)方法判斷異常值，但交通流具有高突變性，對(duì)于突變的噪聲此方法并不能很好的檢測(cè)。然而這些解決噪聲的方法針對(duì)交通流量數(shù)據(jù)中的噪聲不能有良好的性能，從而影響機(jī)器學(xué)習(xí)算法對(duì)交通流量的預(yù)測(cè)性能。

針對(duì)交通流量數(shù)據(jù)的分析，發(fā)現(xiàn)交通流量數(shù)據(jù)易受外部環(huán)境影響，交通管制、惡劣天氣、節(jié)假日等均很容易造成交通流量數(shù)據(jù)突變。而且很多研究表明，交通流量具有周期性，時(shí)間周期為星期，如星期一某時(shí)刻的車流量數(shù)據(jù)與上周星期一對(duì)應(yīng)時(shí)刻的車流量數(shù)據(jù)相差不大。并且交通數(shù)據(jù)中相鄰數(shù)據(jù)有較大的關(guān)聯(lián)，在不發(fā)生突變的情況下，相鄰數(shù)據(jù)數(shù)值差異并不會(huì)很大。

發(fā)明內(nèi)容

本發(fā)明針對(duì)傳統(tǒng)的噪聲判斷方法無(wú)法處理高突變性、周期性、時(shí)序性的交通流量數(shù)據(jù)，提出了一種創(chuàng)新型的基于平均偏移量平移的數(shù)據(jù)噪聲點(diǎn)檢測(cè)方法。

本發(fā)明檢測(cè)噪聲主要結(jié)合歷史數(shù)據(jù)與鄰近數(shù)據(jù)進(jìn)行噪聲判斷以便后續(xù)進(jìn)行相應(yīng)處理。歷史數(shù)據(jù)指在某一時(shí)刻，前幾個(gè)周期該時(shí)刻車流量數(shù)據(jù)的平均值，鄰近數(shù)據(jù)指待被判定點(diǎn)周圍的車流量數(shù)據(jù)。結(jié)合歷史數(shù)據(jù)與鄰近數(shù)據(jù)解算出偏移量，再用周期內(nèi)的數(shù)據(jù)與偏移量去擬合歷史數(shù)據(jù)，最后根據(jù)擬合的數(shù)據(jù)與歷史數(shù)據(jù)的偏差來(lái)判斷數(shù)據(jù)是否為噪聲數(shù)據(jù)。

本發(fā)明的有益效果：本發(fā)明能夠解決高突變性、周期性、時(shí)序性數(shù)據(jù)的噪檢測(cè)問(wèn)題。結(jié)合了交通車流量的某時(shí)刻的歷史平均值與該時(shí)刻鄰近數(shù)據(jù)，更加準(zhǔn)確的定位交通車流量數(shù)據(jù)中存在的噪聲，促進(jìn)智能交通更精準(zhǔn)處理。

附圖說(shuō)明

圖1.噪聲檢測(cè)示意圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明

如圖1所示，本發(fā)明包括以下步驟：