[發(fā)明專利]一種多源數(shù)據(jù)融合的綜合交通數(shù)據(jù)挖掘方法

有效

• 申請?zhí)枺?/td>: 202110358218.4
• 申請日: 2021-04-01
• 公開（公告）號: CN113096398B
• 公開（公告）日: 2022-09-23
• 發(fā)明（設(shè)計(jì)）人: 付鑫;王建偉;黃澤濱;武建慧
• 申請（專利權(quán)）人: 付鑫
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/08;G06F16/26;G06K9/62
• 代理公司: 北京沃知思真知識產(chǎn)權(quán)代理有限公司 11942
• 代理人: 王妮

1.一種多源數(shù)據(jù)融合的綜合交通數(shù)據(jù)挖掘方法，其特征在于，該數(shù)據(jù)挖掘方法具體步驟如下：

(1)交通信息采集：在需要進(jìn)行交通擁堵情況預(yù)測的交通十字路口部署多源數(shù)據(jù)傳感器，并利用其實(shí)時(shí)對交通十字路口進(jìn)行實(shí)時(shí)監(jiān)測，得到車流量信息一、車流量信息二、…和車流量信息N，同時(shí)獲取其對應(yīng)采集時(shí)間，得到車流量信息采集時(shí)間一、車流量信息采集時(shí)間二、…和車流量信息采集時(shí)間N；

(2)數(shù)據(jù)預(yù)處理：利用數(shù)據(jù)清洗、去噪、規(guī)約和變換處理方法對步驟(1)所述車流量信息一、車流量信息二、…和車流量信息N進(jìn)行數(shù)據(jù)預(yù)處理；

(3)特征提取：對步驟(1)形成的車流量信息一、車流量信息二、…和車流量信息N進(jìn)行特征提取，得到車流量信息一、車流量信息二、…和車流量信息N，同時(shí)將其作為訓(xùn)練樣本；

(4)構(gòu)建初始預(yù)測模型：構(gòu)建多個(gè)單一分類器，將車流量信息一、車流量信息二、…和車流量信息N以及車流量信息采集時(shí)間一、車流量信息采集時(shí)間二、…和車流量信息采集時(shí)間N輸入其中進(jìn)行訓(xùn)練，得到初始預(yù)測一、初始預(yù)測模型二、…和初始預(yù)測模型N；

(5)決策級數(shù)據(jù)融合：針對需要進(jìn)行交通擁堵情況預(yù)測的交通十字路口，利用初始預(yù)測一、初始預(yù)測模型二、…和初始預(yù)測模型N分別進(jìn)行預(yù)測，得到對應(yīng)時(shí)間段車流量預(yù)測結(jié)果一、對應(yīng)時(shí)間段車流量預(yù)測結(jié)果二、…和對應(yīng)時(shí)間段車流量預(yù)測結(jié)果N，同時(shí)利用加權(quán)平均算法對對應(yīng)時(shí)間段車流量預(yù)測結(jié)果一、對應(yīng)時(shí)間段車流量預(yù)測結(jié)果二、…和對應(yīng)時(shí)間段車流量預(yù)測結(jié)果N進(jìn)行決策級數(shù)據(jù)融合，得到融合數(shù)據(jù)集；

(6)構(gòu)建融合交通預(yù)測模型：對融合數(shù)據(jù)集進(jìn)行特征提取，得到融合特征樣本，并將其分為70％的訓(xùn)練集和30％的驗(yàn)證集；構(gòu)建融合特征分類器，并將70％的訓(xùn)練集輸入其中進(jìn)行訓(xùn)練，得到融合交通預(yù)測模型；

(7)模型評估：將30％的驗(yàn)證集輸入融合交通預(yù)測模型進(jìn)行驗(yàn)證，若預(yù)測效果符合期望，則訓(xùn)練結(jié)束，否則返回步驟(3)，重新進(jìn)行特征提取；

(8)模型應(yīng)用：將符合期望的交通流預(yù)測模型投入實(shí)際使用中，同時(shí)結(jié)合交通信息發(fā)布平臺實(shí)時(shí)為該一交通十字路口的交通擁堵情況進(jìn)行自動(dòng)智能交通預(yù)測。

2.根據(jù)權(quán)利要求1所述的一種多源數(shù)據(jù)融合的綜合交通數(shù)據(jù)挖掘方法，其特征在于，所述多源數(shù)據(jù)傳感器為同質(zhì)傳感器，其具體為若干個(gè)微波檢測器。

3.根據(jù)權(quán)利要求1所述的一種多源數(shù)據(jù)融合的綜合交通數(shù)據(jù)挖掘方法，其特征在于，所述數(shù)據(jù)預(yù)處理具體過程如下：

S1：獲取車流量信息一、車流量信息二、…和車流量信息N，并根據(jù)聚類法分別對其進(jìn)行清洗；

S2：利用濾波器對清洗后的車流量信息一、車流量信息二、…和車流量信息N分別進(jìn)行去噪處理；

S3：利用小波變換對去噪處理后的車流量信息一、車流量信息二、…和車流量信息N分別進(jìn)行數(shù)據(jù)規(guī)約；

S4：根據(jù)最大最小標(biāo)準(zhǔn)化方法對數(shù)據(jù)規(guī)約后的車流量信息一、車流量信息二、…和車流量信息N分別進(jìn)行數(shù)據(jù)變換；

所述濾波器包括高通濾波器和低通濾波器。

4.根據(jù)權(quán)利要求1所述的一種多源數(shù)據(jù)融合的綜合交通數(shù)據(jù)挖掘方法，其特征在于，所述加權(quán)平均算法具體公式如下：

其中：

n＝f₁+f₂+…+f_k (2)

式中：n為預(yù)測結(jié)果總個(gè)數(shù)，x為預(yù)測結(jié)果，f為權(quán)重。

5.根據(jù)權(quán)利要求1所述的一種多源數(shù)據(jù)融合的綜合交通數(shù)據(jù)挖掘方法，其特征在于，所述單一分類器和融合特征分類器均為神經(jīng)網(wǎng)絡(luò)。