一种数据处理方法、装置及电子设备制造方法及图纸

技术编号:21605999 阅读:35 留言:0更新日期:2019-07-13 18:23
本申请提供了一种数据处理方法、装置及电子设备,其中,该方法包括:获取目标路段的车流量数据;基于初始状态数据和所述车流量数据,利用卡尔曼滤波算法确定目标状态数据;通过卡尔曼滤波算法对目标状态数据进行计算,得到校正后的车流量数据;利用所述校正后的车流量数据确定起讫点OD矩阵。本申请通过卡尔曼滤波算法,对目标路段的车流量数据进行校正,并根据校正后的车流量数据反推出OD矩阵,减小了数据采集的工作量,提高了OD矩阵的准确性及有效性,进而提升了OD进行全路段车流量数据推演的准确性。

A Data Processing Method, Device and Electronic Equipment

【技术实现步骤摘要】
一种数据处理方法、装置及电子设备
本申请涉及数据处理
,具体而言,涉及一种数据处理方法、装置及电子设备。
技术介绍
随着城市快速发展、机动车保有量逐年增加,交通拥堵导致的尾气排放问题日益严重,随之,交通量对于尾气排放影响相关研究也不断涌现,基于机动车比功率(VehicleSpecificPower,VSP)的尾气排放测算方法由于与污染物排放具有较好的一致性,且具有获得、计算相对便捷及物理可解释性等特点,广泛被学者研究使用。其中,基于VSP的尾气排放测算方法是以部分路段的交通量数据反推区域的交通起讫点(Origin-Destination,OD)需求矩阵,得到区域道路交通量数据与机动车工况来进行尾气测算的。现有技术中,调研人员选择代表性的道路采集在目标路段内机动车的车流量,根据该车流量确定OD矩阵,进而利用OD矩阵进行尾气测算。但是,通过调研或人工采集法只可获取静态车流量数据,工作量大,并且利用该采集的车流量数据,反推出的OD矩阵准确性及有效性均较差。
技术实现思路
有鉴于此,本申请实施例的目的在于提供一种数据处理方法、装置及电子设备,能够减小数据采集的工作量,并且提高OD矩阵的准确本文档来自技高网...

【技术保护点】
1.一种数据处理方法,其特征在于,包括:获取目标路段的车流量数据;基于初始状态数据和所述车流量数据,利用卡尔曼滤波算法确定目标状态数据;通过所述卡尔曼滤波算法对所述目标状态数据进行计算,得到校正后的车流量数据;利用所述校正后的车流量数据确定起讫点OD矩阵。

【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:获取目标路段的车流量数据;基于初始状态数据和所述车流量数据,利用卡尔曼滤波算法确定目标状态数据;通过所述卡尔曼滤波算法对所述目标状态数据进行计算,得到校正后的车流量数据;利用所述校正后的车流量数据确定起讫点OD矩阵。2.根据权利要求1所述的方法,其特征在于,还包括:利用预先训练好的校正模型,对所述OD矩阵进行校正,得到校正后的OD矩阵;其中,所述校正模型包括卡尔曼滤波算法。3.根据权利要求2所述的方法,其特征在于,还包括:将所述校正后的OD矩阵进行网络交通分配后与预先标定的交通排放模型中,得到尾气预测排放量。4.根据权利要求1所述的方法,其特征在于,在基于初始状态数据和所述车流量数据,利用卡尔曼滤波算法确定目标状态数据之前,包括:根据所述车流量数据对应的采集时间长度确定计算的预定计算次数;所述基于初始状态数据和所述车流量数据,利用卡尔曼滤波算法确定目标状态数据,包括:基于所述初始状态数据和所述车流量数据,利用所述卡尔曼滤波算法计算得到循环状态数据,并记录基于所述初始状态数据和所述车流量数据,利用所述卡尔曼滤波算法进行计算的当前计算次数;判断所述当前计算次数与所述预定计算次数是否相等;在所述当前计算次数与所述预定计算次数相等时,将所述循环状态数据作为所述目标状态数据。5.根据权利要求4所述的方法,其特征在于,在所述当前计算次数与所述预定计算次数不相等时,还包括:将下一次计算次数对应的初始状态数据更新为所述当前计算次数对应的循环状态数据;基于...

【专利技术属性】
技术研发人员:林建新
申请(专利权)人:北京建筑大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1