基于平均偏移量平移的数据噪音点检测方法技术
A method of data noise detection based on average offset translation
The invention discloses a traffic flow data noise point detection method based on average offset translation. The invention mainly combines the historical data and the adjacent data to judge the noise for subsequent processing. Historical data refers to the average value of the traffic data at a given time in the first few cycles, and the adjacent data refers to the traffic data around the determined point. The offset is calculated from the historical data and the neighboring data, and then the historical data are fitted with the data and offset in the cycle. Finally, according to the deviation between the fitted data and historical data, we can determine whether the data is noisy. The invention can more accurately locate the noise existing in the traffic traffic data, and promote the more accurate processing of intelligent traffic.
【技术实现步骤摘要】
基于平均偏移量平移的数据噪音点检测方法
本专利技术属于交通流量数据噪声处理
，具体涉及一种基于平均偏移量平移的交通数据噪声点检测方法。
技术介绍
随着计算机硬件和软件的成熟化，人工智能技术逐渐引起社会关注。人工智能在交通领域的应用，即智能交通，对人们生活有着至关重要的影响。交通智能化解决了人们出行的许多难题，如交通流量的预测能有效的规避交通拥堵的现象。通过深度学习的方法对历史的交通流量变化规律进行学习，利用所学的权重值对未来某一时刻的交通流量情况进行预测，便于提前决策来避免交通拥堵的情况。深度学习对于基于时间序列预测的交通流量数据预测问题有着良好的性能。但是可能因为收集的数据存在较多的噪声从而降低模型的预测性能。在交通流量数据中，噪声数据指在实现交通智能的过程中难以被机器正确理解和翻译的数据。少量的噪声数据对模型的性能几乎没有影响，而噪声数据量达到一定的程度的时候，对模型的影响就比较大。引起噪声数据的原因有交通流量数据本身具有高突变型、外部条件突发改变等。当前对噪音数据判断的常用的方法有聚类、低阶多项式滑动拟合、人工检测于计算机的结合等。聚类：适用于数据差异...
【技术保护点】
基于平均偏移量平移的交通流量数据噪声点检测方法，其特征在于该方法包括以下步骤：步骤一：假设车流量的真实数据为T，周期为N，Ti表示某周期内第i个时刻对应的交通流量数据，i＝1,…N；假设共有M个周期,则此时刻的车流量的历史值为H＝{Ti1,Ti2,…,Tij},j＝1,…M；Tij表示第j个周期第i条车流量数据；先计算出周期内某时刻平均值，再计算出该时刻的偏移量Di如下：
【技术特征摘要】
1.基于平均偏移量平移的交通流量数据噪声点检测方法，其特征在于该方法包括以下步骤：步骤一：假设车流量的真实数据为T，周期为N，Ti表示某周期内第i个时刻对应的交通流量数据，i＝1,…N；假设共有M个周期,则此时刻的车流量的历史值为H＝{Ti1,Ti2,…,Tij},j＝1,…M；Tij表示第j个周期第i条车流量数据；先计算出周期内某时刻平均值，再计算出该时刻的偏移量Di如下：
【专利技术属性】
技术研发人员：杨柏林，田彦，林贤煊，孙书林，张凯丽，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。