[发明专利]一种公路基础设施多源异质数据的数据修复方法及系统

说明书

本发明公开了一种公路基础设施多源异质数据的数据修复方法及系统，涉及数据处理领域，包括步骤：构建多源数据关联计算模型；获取该待修复传感器的不完整数据以及其他传感器的完整数据，对应生成所有传感器的数据序列；将其他传感器的数据序列输入到所述多源数据关联计算模型中，得到待修复传感器缺失数据对应时间点的关联预测数值序列；使用样条插值的方法对待修复传感器的数据序列进行插值计算，得到待修复传感器缺失数据对应时间点的时间预测数值序列；根据待修复传感器连续缺失数据的个数以及对应预设的关联权重系数和时间权重系数，得到待修复数据。本发明提供的公路基础设施多源异质数据的数据修复方法，数据修复更加准确。

技术领域

本发明涉及数据处理领域，具体涉及一种公路基础设施多源异质数据的数据修复方法及系统。

背景技术

目前高速公路基础设施的管养依赖多种先进的传感器设备来实时获取高速公路基础设施状态数据，以实现对构造物状态的实时监测，完成对路段、桥梁、隧道、边坡等构造物的数据检测。获取到的高速公路基础设施状态数据主要包括固定检测器数据、视频检测数据、浮动车数据等。

然而，高速公路上及服务区监测点上采用的固定检测器和传感器在采集过程中会有大量的数据丢失，一部分原因来自于设备长时间遭受恶劣气候环境的影响，另一部分原因源于设备维护工作较为困难。数据的缺失对高速公路的管理与运营产生了一定的影响。

现有的数据修复技术通常采用的是基于时间序列的修复方法，该方法主要是通过缺失数据自身前后时间段内的已知数据信息，通过基于插值、偏微分方程和总变分等补值、拟合方法来预测缺失数据。

上述基于时间序列的修复在连续数据缺失率较小时，可以通过基于时间序列的预测算法得到较好的数据预测准确度，但当数据出现连续时间段内缺失较多时，单个来源的数据的自身信息很难准确的恢复缺失的数据。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种公路基础设施多源异质数据的数据修复方法，数据修复更加准确。

为达到以上目的，本发明采取的技术方案是：

一种公路基础设施多源异质数据的数据修复方法，其特征在于，包括步骤：

S1：构建多源数据关联计算模型，预先使用所有传感器获取到的完整的多源异构数据对该多源数据关联计算模型进行学习训练；

S2：将缺失数据的传感器作为待修复传感器，获取该待修复传感器的不完整数据以及其他传感器的完整数据，结合传感器采集数据的时间点，对应生成所有传感器的数据序列；

S3：将其他传感器的数据序列输入到所述多源数据关联计算模型中，得到待修复传感器缺失数据对应时间点的关联预测数值序列Y_r；

S4：使用样条插值的方法对待修复传感器的数据序列进行插值计算，得到待修复传感器缺失数据对应时间点的时间预测数值序列Y_p；

S5：根据待修复传感器连续缺失数据的个数i以及对应预设的关联权重系数α_i和时间权重系数β_i，结合计算公式Y_Result＝α_iY_r+β_iY_p，得到待修复数据Y_Result。

在上述技术方案的基础上，所述预先使用所有传感器获取到的多源异构数据对该多源数据关联计算模型进行学习训练的具体过程包括：

将其中一个传感器作为目标传感器，将目标传感器获取到的完整的多源异构数据作为所述多源数据关联计算模型的目标，其他传感器获取到的完整的多源异构数据作为多源数据关联计算模型的输入，对该多源数据关联计算模型进行学习训练。