[发明专利]基于地图的城市交通数据与随手拍数据的关联处理方法

说明书

技术领域

本发明涉及交通数据处理技术领域，特别是一种基于地图的城市交通数据与随手拍数据的关联处理方法。

背景技术

数据关联技术是指利用计算机对按时序获得的若干观测信息，在一定准则下加以自动分析、综合以完成所需的决策和评估任务而进行的信息处理技术。数据关联中心对来自多类传感器的信息进行关联，提取特征，在推理机作用下，将特征与知识库中的知识进行匹配，做出信度权重判断并提供给用户。在数据关联模型方法中通常会加入自学习模块，关联结果经过自学习模块反馈给知识库，并对相应的置信度因子进行修改，更新知识库；同时，自学习模块能根据知识库中的知识和用户对系统提问的动态应答进行推理，以获得新知识，总结新经验，不断扩充知识库，实现专家系统的自学习功能。目前，数据关联技术已经过近二十年的发展，迫切需要在城市异构数据的基础上进行技术上的创新。

有很多的难题使得数据关联成为具有挑战性的任务，这些难题来源于被关联的数据、传感器技术的缺陷和多样性以及自然条件下的应用环境多变，图中列出了数据关联需要解决的问题，下面对主要问题进行详细的介绍。

发明内容

本发明需要解决的技术问题是查询速度快且效率高的基于地图的城市交通数据与随手拍数据的关联处理方法。

为解决上述的技术问题，本发明基于地图的城市交通数据与随手拍数据的关联处理方法，其特征在于，包括以下步骤，

S101：进行多源数据评估，在时间和空间上将海量数据分块，添加时间，空间，样本置信度，数据源间相互支持度度量。分块后的所述交通数据具有对应度量标识；

S102：选取最优数据源；

S103：基于最优数据源的置信区间剔除异常值；

S104：权重分配；

S105：存储关联结果。

进一步的，步骤S101中多源数据评估过程是数据在不同层次上进行的数据归一化，建立数据间关联的过程。

进一步的，步骤S102选取最优数据源中首先利用数据源评估对多源数据归一化后的结果，计算得到具有误差范围最小的数据源，并将此作为最优数据源。

进一步的，所述步骤S104包括如下步骤：

S401：通过度量标准值对检测器个体观测结果的支持程度得到一个反馈给每个检测器个体的不确定性度量；

S402：根据不确定性建立权重；

S403：通过加权方法得到关联结果。

采用上述方法后，本发明利用数据源评估对多源数据归一化后的结果，计算得到具有误差范围最小的数据源，并将此作为最优数据源；通过度量标准值对检测器个体观测结果的支持程度得到一个反馈给每个检测器个体的不确定性度量，进一步根据此不确定性建立权重，通过加权方法得到关联结果。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明基于地图的城市交通数据与随手拍数据的关联处理方法的流程示意图。

图2为本发明权重分配的流程示意图。

具体实施方式

如图1所示，本发明基于地图的城市交通数据与随手拍数据的关联处理方法，其特征在于，包括以下步骤，

S101：进行多源数据评估，在时间和空间上将海量数据分块，添加时间，空间，样本置信度，数据源间相互支持度度量。分块后的所述交通数据具有对应度量标识；

S102：选取最优数据源；

S103：基于最优数据源的置信区间剔除异常值；

S104：权重分配；

S105：存储关联结果。

进一步的，步骤S101中多源数据评估过程是数据在不同层次上进行的数据归一化，建立数据间关联的过程。

进一步的，步骤S102选取最优数据源中首先利用数据源评估对多源数据归一化后的结果，计算得到具有误差范围最小的数据源，并将此作为最优数据源。

进一步的，如图2所示，所述步骤S104包括如下步骤：

S401：通过度量标准值对检测器个体观测结果的支持程度得到一个反馈给每个检测器个体的不确定性度量；

S402：根据不确定性建立权重；

S403：通过加权方法得到关联结果。

虽然以上描述了本发明的具体实施方式，但是本领域熟练技术人员应当理解，这些仅是举例说明，可以对本实施方式作出多种变更或修改，而不背离本发明的原理和实质，本发明的保护范围仅由所附权利要求书限定。