[发明专利]一种基于时空因果关系的城市感知数据处理方法

权利要求书

1.一种基于时空因果关系的城市传感数据处理方法，获取智能交通系统中传感器采集的数据，并从数据中获取车辆轨迹，然后执行：

利用skip-gram模型计算轨迹采集设备的空间相关性，得到轨迹采集设备的分布式向量表示，为将轨迹点转化为对应的分布式向量提供数据基础；

利用基于双向LSTM的序列标注模型，检测错误数据和潜在缺失数据，对采集的车辆轨迹点进行标注；所述的基于双向LSTM的序列标注模型，包含：分布式表示层，用于将轨迹点转换为分布式向量；Bi-LSTM层，用于编码输入的轨迹，捕获了各轨迹点的时空信息；推理层，根据Bi-LSTM层对轨迹点的编码值预测每个轨迹点的标签；

利用基于LSTM的序列预测模型计算缺失的轨迹点位置；

利用数据修复模块，结合错误数据和缺失数据，对时空错位数据进行修复；

所述的数据修复模块利用缺失的轨迹点来修复错误的轨迹点，包括：设第i个错误的轨迹点表示为tr_i^error＝(e_i，t_i，loc_i)，其中，e_i、t_i、loc_i分别表示第i个错误的轨迹点的车辆的牌照号码、轨迹点发生时的时间戳、采集设备的识别码；设第j个候选的缺失轨迹点表示为tr_j^mc＝(e_j，t_l，t_r，loc_j，c_j)，其中，e_j表示第j个候选的缺失轨迹点的车辆的牌照号码，loc_j表示第j个候选的缺失轨迹点的采集设备的识别码，t_l和t_r分别表示缺失的轨迹点的前后轨迹点的时间戳，c_j表示第j个候选的缺失轨迹点的置信度；利用缺失轨迹点tr_j^mc来修复tr_i^error，设得到一个修正的轨迹点tr_i^ec＝(e_j，t_i，loc_i)，loc_i＝loc_j；并利用匹配函数M(tr_i^error,tr_j^mc)来计算用tr_j^mc来修复tr_i^error的置信度；

M(tr_i^error,tr_j^mc)＝ReLU(c_j(t_i-t_l)(t_r-t_i)D(e_i,e_j))

其中，ReLU(·)表示直角线性单元，表示为：ReLU(x)＝max(0,x)；D(e_i,e_j)表示e_i到e_j的编辑距离。

2.根据权利要求1所述的方法，其特征在于，所述的利用skip-gram模型计算轨迹采集设备的空间相关性，是指：将轨迹类比于句子，将轨迹点类比于句子中的单词，将当前车辆轨迹点的位置作为skip-gram模型的输入，采用skip-gram模型来学习当前轨迹点前后一定范围内的轨迹点的位置，所得到的轨迹点位置的分布式向量表示表征了轨迹采集设备的空间关系。

3.根据权利要求1所述的方法，其特征在于，所述的基于双向LSTM的序列标注模型对轨迹点标注标签，设置：标签N代表正常轨迹点；标签M-B表示前丢失，即缺失的轨迹点是相应轨迹点的前驱轨迹点；标签M-A表示后丢失，即缺失的轨迹点是相应轨迹点的后继轨迹点；标签E代表错误的轨迹点；标签E-M代表错误和缺失，即相应的轨迹点是一个错误的轨迹点，并且在该轨迹点之前和之后的轨迹点之间有一个缺失的轨迹点。