[发明专利]一种动态交通异常数据检测与修复方法

说明书

技术领域

本发明涉及一种数据检测与修复方法，具体是一种动态交通异常数据检测与修复方法，属于动态交通中异常数据的检测与修复技术领域，

背景技术

动态交通车辆在运营过程中，由于受到道路环境、天气、车辆自身设备故障、甚至一些人为因素的影响，其车载系统采集到的车辆运营和运行状况等数据可能会出现丢失、错误、冗余等异常状况。异常数据的出现可能会给客运车辆的动态监管带来困难，并可能威胁到交通安全。

传统的处理方法是：首先采用基于统计、基于距离和基于偏差等传统的方法来对异常数据进行检测，或者采用聚类、支持向量机和神经网络等基于学习的算法来对异常数据进行检测，并在此基础上，采用相应的修复方法来对异常数据进行修复。然而，这些方法需要大量的统计数据或者需要大量的高质量的数据来对模型进行训练，实际操作中难以推广。

因此，需要设计一种局部异常孤立点发现方法来对异常数据进行检测，并采用实时修复方法来对异常数据进行实时修复，以保证运营企业和政府相关部门对车辆进行准确、有效地监控，提高车辆运营的效率和保障交通安全。

发明内容

为解决上述技术问题，本发明提供一种动态交通异常数据检测与修复方法，利用采集的车辆数据的密度信息与局部异常因子之间的关系对异常数据进行检测，并利用异常数据的偶然性和模糊性与灰色系统理论的相关性来实现对检测出的异常数据进行修复，能够有效保证运营企业和政府相关部门对车辆进行准确、有效地监控，提高车辆运营的效率和保障交通安全。

为了实现上述目的，本发明一种动态交通异常数据检测与修复方法，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：