一种缺失交通数据的填充设备、装置及方法制造方法及图纸

本申请公开了一种缺失交通数据的填充设备、装置、方法及可读存储介质，能够获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；根据算法参数利用最大偏差相似性准则算法对缺失交通数据集进行聚类，得到聚类簇集合；最终利用KNN填充算法分别对聚类簇集合中聚类簇的缺失交通数据进行填充，得到完整交通数据集。可见，该方案针对KNN填充算法易产生最邻近噪点的问题，使用最大偏差相似性准则来针对缺失交通数据进行聚类，此外针对最大偏差相似性准则算法的参数选取困难的问题，利用骨干粒子群算法对其参数优化。实现了准确填充缺失交通数据的目的，保证了缺失交通数据的分析结果的可靠性。

A Filling Equipment, Device and Method for Missing Traffic Data

【技术实现步骤摘要】
一种缺失交通数据的填充设备、装置及方法
本申请涉及数据填充领域，特别涉及一种缺失交通数据的填充设备、装置、方法及可读存储介质。
技术介绍
由于高速路上检测仪器硬件的损坏或软件运作失误等原因，在观察高速公路交通数据的过程中发现，缺失数据是非常常见的。数据缺失会影响到后面的数据分析步骤，导致无法对高速公路上实际的交通状态进行合理分析处理，因而难以对该高速路的交通情况作出准确预测以及报警。可见，对高速公路的缺失交通数据进行处理是高速公路智能交通数据质量优化控制系统中至关重要的一步，然而现有的缺失数据填充方案的准确性较低，导致即使在填充缺失数据后也无法提升数据分析结果的可靠性。
技术实现思路
本申请的目的是提供一种缺失交通数据的填充设备、装置、方法及可读存储介质，用以解决现有的缺失数据填充方案的准确性较低，导致即使在填充缺失数据后也无法提升数据分析结果的可靠性的问题。具体方案如下：第一方面，本申请提供了一种缺失交通数据的填充设备，包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序，以实现以下步骤：获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；根据所述算法参数，利用最大偏差相似性准则算法对所述缺失交通数据集进行聚类，得到聚类簇集合；利用KNN填充算法分别对所述聚类簇集合中聚类簇的缺失交通数据进行填充，得到完整交通数据集。优选的，所述处理器还用于：获取预先设置的最大偏差相似性准则算法的算法参数的初始取值范围；将所述算法参数作为骨干粒子群算法中骨干粒子的位置向量，利用骨干粒子群算法对所述骨干粒子的位置向量进行优化，得到所述算法参数在所述初始取值范围上的最优取值。优选的，所述处理器具体用于：初始化骨干粒子群算法中骨干粒子的位置向量；对所述骨干粒子的位置向量进行更新；判断更新后的位置向量是否发生越界行为；若没有发生，则确定所述更新后的位置向量的适应度数值；根据所述适应度值，分别对所述骨干粒子的最优位置向量和整个骨干粒子群的最优位置向量进行更新；在达到预设终止条件时，确定最优位置向量。优选的，所述处理器具体用于：根据KNN填充算法，确定所述聚类簇中缺失交通数据与所述聚类簇中各个完整交通数据之间的欧氏距离；确定最小的预设数量的欧式距离所对应的目标完整交通数据；根据所述目标完整交通数据的加权平均值，对所述聚类簇中的缺失交通数据进行填充。第二方面，本申请还提供了一种缺失交通数据的填充装置，包括：数据获取模块：用于获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；聚类模块：用于根据所述算法参数，利用最大偏差相似性准则算法对所述缺失交通数据集进行聚类，得到聚类簇集合；数据填充模块：用于利用KNN填充算法分别对所述聚类簇集合中聚类簇的缺失交通数据进行填充，得到完整交通数据集。优选的，缺失交通数据的填充装置还包括：初始范围设置模块：用于设置最大偏差相似性准则算法的算法参数的初始取值范围；最优取值确定模块：用于将所述算法参数作为骨干粒子群算法中骨干粒子的位置向量，利用骨干粒子群算法对所述骨干粒子的位置向量进行优化，得到所述算法参数在所述初始取值范围上的最优取值。优选的，所述数据填充模块包括：欧式距离确定单元：用于根据KNN填充算法，确定所述聚类簇中缺失交通数据与所述聚类簇中各个完整交通数据之间的欧氏距离；目标完整交通数据确定单元：用于确定最小的预设数量的欧式距离所对应的目标完整交通数据；数据填充单元：用于根据所述目标完整交通数据的加权平均值，对所述聚类簇中的缺失交通数据进行填充。第三方面，本申请还提供了一种缺失交通数据的填充方法，包括：获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；根据所述算法参数，利用最大偏差相似性准则算法对所述缺失交通数据集进行聚类，得到聚类簇集合；利用KNN填充算法分别对所述聚类簇集合中聚类簇的缺失交通数据进行填充，得到完整交通数据集。第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时用于实现以下步骤：获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；根据所述算法参数，利用最大偏差相似性准则算法对所述缺失交通数据集进行聚类，得到聚类簇集合；利用KNN填充算法分别对所述聚类簇集合中聚类簇的缺失交通数据进行填充，得到完整交通数据集。本申请所提供的一种缺失交通数据的填充设备、装置、方法及可读存储介质，能够获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；根据算法参数，利用最大偏差相似性准则算法对缺失交通数据集进行聚类，得到聚类簇集合；最终利用KNN填充算法分别对聚类簇集合中聚类簇的缺失交通数据进行填充，得到完整交通数据集。可见，该方案考虑到交通数据特点，基于最大偏差相似性准则算法与KNN填充算法对缺失交通数据进行填充，一方面，针对KNN填充算法易产生最邻近噪点的问题，使用最大偏差相似性准则来针对缺失交通数据进行聚类，另一方面，针对最大偏差相似性准则算法的参数选取困难的问题，利用骨干粒子群算法对其参数优化。最终实现了准确填充缺失交通数据的目的，保证了填充后的交通数据的分析结果的可靠性。附图说明为了更清楚的说明本申请实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为一种缺失交通数据的填充设备实施例一的结构示意图；图2为一种缺失交通数据的填充设备实施例二的填充过程示意图；图3为本申请提供的对比实验的实验结果示意图；图4为一种缺失交通数据的填充设备装置实施例的功能框图；图5为一种缺失交通数据的填充方法的实现流程图。具体实施方式为了使本
的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。目前，采集到的交通数据往往存在缺失数据，缺失数据为后续数据分析过程带来诸多干扰，导致数据分析结果失真。然而，现有的数据填充方法无法准确填充缺失数据，无法提升缺失交通数据分析结果的可靠性。针对该问题，本申请提供一种缺失交通数据的填充设备、装置、方法及可读存储介质，利用基于骨干粒子群算法优化的最大偏差相似性准则算法对缺失交通数据进行聚类，并利用KNN填充算法分别对各个聚类簇中的缺失交通数据进行填充，实现了准确填充缺失交通数据的目的，提升了缺失交通数据的分析结果的可靠性。下面对本申请提供的一种缺失交通数据的填充设备实施例一进行介绍，参见图1，实施例一包括：存储器100：用于存储计算机程序；处理器200：用于执行所述计算机程序，以实现以下步骤：获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；根据所述本文档来自技高网...

【技术保护点】
1.一种缺失交通数据的填充设备，其特征在于，包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序，以实现以下步骤：获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；根据所述算法参数，利用最大偏差相似性准则算法对所述缺失交通数据集进行聚类，得到聚类簇集合；利用KNN填充算法分别对所述聚类簇集合中聚类簇的缺失交通数据进行填充，得到完整交通数据集。

【技术特征摘要】
1.一种缺失交通数据的填充设备，其特征在于，包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序，以实现以下步骤：获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；根据所述算法参数，利用最大偏差相似性准则算法对所述缺失交通数据集进行聚类，得到聚类簇集合；利用KNN填充算法分别对所述聚类簇集合中聚类簇的缺失交通数据进行填充，得到完整交通数据集。2.如权利要求1所述的缺失交通数据的填充设备，其特征在于，所述处理器还用于：获取预先设置的最大偏差相似性准则算法的算法参数的初始取值范围；将所述算法参数作为骨干粒子群算法中骨干粒子的位置向量，利用骨干粒子群算法对所述骨干粒子的位置向量进行优化，得到所述算法参数在所述初始取值范围上的最优取值。3.如权利要求2所述的缺失交通数据的填充设备，其特征在于，所述处理器具体用于：初始化骨干粒子群算法中骨干粒子的位置向量；对所述骨干粒子的位置向量进行更新；判断更新后的位置向量是否发生越界行为；若没有发生，则确定所述更新后的位置向量的适应度数值；根据所述适应度值，分别对所述骨干粒子的最优位置向量和整个骨干粒子群的最优位置向量进行更新；在达到预设终止条件时，确定最优位置向量。4.如权利要求1所述的缺失交通数据的填充设备，其特征在于，所述处理器具体用于：根据KNN填充算法，确定所述聚类簇中缺失交通数据与所述聚类簇中各个完整交通数据之间的欧氏距离；确定最小的预设数量的欧式距离所对应的目标完整交通数据；根据所述目标完整交通数据的加权平均值，对所述聚类簇中的缺失交通数据进行填充。5.一种缺失交通数据的填充装置，其特征在于，包括：数据获取模块：用于获取待填充的缺失交通数据集，并获取利用骨干粒子群算法优化得到的最大偏差相似性准则算法的算法参数；聚类模块：用于根据所述算法参数，利用最大偏...

【专利技术属性】
技术研发人员：蔡延光，阮嘉琨，蔡颢，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44