[发明专利]一种动态交通异常数据检测与修复方法

权利要求书

1.一种动态交通异常数据检测与修复方法，其特征在于，包括以下步骤：

(S1)将动态交通中实时采集的数据按照时间顺序通过长度为N的滑动窗(Sliding Window)模型；

(S2)滑动窗中接收到新采集的交通数据后，立即开始计算滑动窗中所有数据对象的MinPts-距离邻域NminPts，并计算其到领域中每个对象的距离，其中，MinPts-距离邻域的计算式为：

N_MinPts(p)＝{q∈D/p|d(p,q)≤k-distance(p)}   (1)

(S3)计算滑动窗中所有数据点的可达密度lrd_MinPts，其计算式为：

lrdMinPts(p)=1/(Σo∈NMinPts(p)reach-distMinPts(p,o)|NMinPts(p)|)---(2)]]>

(S4)计算滑动窗中所有数据点的局部异常因子LOF_MinPts，其计算式为：

LOFMinPts(p)=Σo∈NMinPts(p)lrdMinPts(o)lrdMinPts(p)|NMinPts(p)|---(3)]]>

(S5)计算局部异常因子的标准差σ_LOF其计算式为：

σLOF(T)=Σoo`Y(LOF(o)-Σi=1NLOF(i)N)2N---(4)]]>

(S6)计算数据更新前后局部异常因子标准差的比值R，其计算式为：

R=σLOF(T+1)σLOF(T)---(5)]]>

(S7)当R的值小于阈值时，新更新的交通数据不是异常数据，不需要对数据进行修复，返回步骤(S1)，直接等待新的交通数据的到来；当R的值等于或大于阈值时，新更新的交通数据是异常数据，需要对其进行修复，进入异常数据修复。

(S8)提取滑动窗中除去新更新的数据，构成一个原始数据序列X⁽⁰⁾，数据序列形式为：

X⁽⁰⁾＝(X⁽⁰⁾(1),X⁽⁰⁾(2),...,X⁽⁰⁾(n))   (6)

(S9)计算原始序列的邻均值等权生成序列Z⁽¹⁾，其计算式为：

Z(1)(k)=12(X(1)(k)+X(1)(k-1)),k=2,3,...,n---(7)]]>

(S10)计算原始序列的一次累加X⁽¹⁾，其计算式为：

X⁽¹⁾＝(X⁽¹⁾(1),X⁽¹⁾(2),...,X⁽¹⁾(n))   (8)

(S11)建立灰色模型GM(1,1)的矩阵形式Y：

Y=Bα^---(9)]]>

(S12)求解在式(9)中的最小化问题，灰色模型GM(1,1)参数的估计值为：

α^=[a,u]T=(BTB)-1BTY---(10)]]>

(S13)计算出异常数据的修复值X⁽⁰⁾，异常数据得到修复：

X(0)(k+1)=X^(1)(k+1)-X^(1)(k)=(1-ea)[X(0)(1)-ua]e-ak,k=1,2,...,n---(11)]]>

(S14)若车辆继续行驶，则返回步骤(S1)，若车辆停止，则结束；

所述步骤(S1)中的滑动窗模型中的数据包括已处理的数据和待辨识的数据；

所述步骤(S2)中的MinPts-距离定义为：任意的自然数k，定义对象p的k-距离(k-distance(p))为p和集合中D中某个对象o之间的距离；所述对象o至少存在k个对象使得并且至多存在k-1个对象使得

步骤(S5)中局部异常因子的标准差σ_LOF的初始值取0。

2.根据权利要求1所述的一种动态交通异常数据检测与修复方法，其特征在于，所述步骤（S7）中数据更新前后局部异常因子标准差的比值R的阈值的实验取值为2.5。