基于人工智能的汽车流量数据分析管理系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及基于人工智能的汽车流量数据分析管理系统，包括：根据每个路口的交通流量数据和交通事故数据计算每个路口的效率程度和安全程度，进而获得数据点集合；根据数据点集合的整体密集程度获得局部密集区域和局部稀疏区域的调整后初始k距离；通过LOF算法获得局部密集区域和局部稀疏区域在不同种k距离下的异常点集合，计算局部密集区域和局部稀疏区域的每种k距离下的所有异常点是真正异常点的可能性，根据可能性获得真正异常点；对真正异常点对应的路口采取安全措施。本发明专利技术通过改进的LOF算法进行分析，更加准确地检测出汽车流量数据中的异常数据点，提高交通流动性与车辆行驶的安全性。提高交通流动性与车辆行驶的安全性。提高交通流动性与车辆行驶的安全性。

【技术实现步骤摘要】
基于人工智能的汽车流量数据分析管理系统


[0001]本专利技术涉及数据处理
，具体涉及基于人工智能的汽车流量数据分析管理系统。

技术介绍

[0002]基于人工智能的汽车流量数据分析管理系统在汽车行业逐渐得到广泛应用，皆在利用人工智能技术来收集、分析和管理汽车流量数据，帮助企业和机构更好地了解和优化交通流量，提升交通效率和安全性。随着技术的进步，车辆和交通设施所搭载的传感器数量与种类不断增加。这些传感器可以收集大量的车辆行驶数据，包括车流量、车速、交通拥堵情况等。同时，人工智能技术可以帮助处理和分析这些数据，从中提取有用的信息。
[0003]对数据集进行异常分析时常采用LOF算法，该算法是一种基于密度的离群点检测算法。在传统LOF算法中，计算局部可达密度通常采用固定的k距离，但是固定的k距离没有考虑数据集某些局部区域的特点，有可能会受到数据集的敏感性与不同局部区域的密度不均衡的影响，导致对异常点的检测有误。

技术实现思路

[0004]本专利技术提供基于人工智能的汽车流量数据分析管理系统，以解决现有的问题。
[0005]本专利技术的基于人工智能的汽车流量数据分析管理系统采用如下技术方案：本专利技术提供了基于人工智能的汽车流量数据分析管理系统，所述系统包括：数据采集模块，采集每个路口的交通流量数据和交通事故数据；数据转换模块，根据每个路口的交通流量数据和交通事故数据计算每个路口的效率程度和安全程度；根据每个路口的效率程度和安全程度获得数据点集合；初始参数获取模块，计算数据点集合的整体密集程度，将数据点集合的最大外接正方形划分为局部密集区域和局部稀疏区域，根据数据点集合的整体密集程度获得局部密集区域和局部稀疏区域的调整后初始k距离；异常点获取模块，根据调整后初始k距离通过LOF算法获得局部密集区域和局部稀疏区域在不同种k距离下的异常点集合，根据异常点集合计算局部密集区域和局部稀疏区域的每种k距离下的所有异常点是真正异常点的可能性，根据可能性获得真正异常点；措施改进模块，对真正异常点对应的路口采取安全措施。
[0006]进一步地，所述计算每个路口的效率程度和安全程度，包括的具体步骤如下：根据每个路口的速度稳定程度、峰值流量和通过率计算每个路口的效率程度，根据每个路口的违章情况和事故情况计算每个路口的安全程度。
[0007]进一步地，所述计算每个路口的效率程度，包括的具体步骤如下：
式中，表示路口的效率程度，表示路口的通过车辆数量，Y表示路口的超速阈值，表示路口的第p个通过车辆的速度，A表示路口在早晚高峰的平均峰值流量，表示路口的等待车辆数量；表示路口的所有等待车辆的等待时间的均值，表示路口的所有通过车辆的速度的标准差，表示路口的速度稳定程度，表示路口的通过率。
[0008]进一步地，所述计算每个路口的安全程度，包括的具体步骤如下：式中，表示路口的安全程度，表示路口的红灯闯行率，表示路口的黄灯闯行率，表示路口的超速通过率，表示路口发生的事故的次数，表示路口发生的所有事故的处理时间的均值，表示路口发生的所有事故的处理时间间隔的均值，表示以自然常数e为底的指数函数，表示路口的违章情况，表示路口的事故情况。
[0009]进一步地，所述获得数据点集合，包括的具体步骤如下：获得所有路口的效率程度和安全程度；分别将效率程度和安全程度作为横轴和纵轴，构建直角坐标系，根据每个路口的效率程度和安全程度，获得每个路口在直角坐标系中对应的数据点；将所有路口在直角坐标系中对应的数据点组成的集合记为数据点集合。
[0010]进一步地，所述计算数据点集合的整体密集程度，包括的具体步骤如下：式中，M表示数据点集合的整体密集程度；表示数据点集合中所有数据点的效率程度的标准差；表示数据点集合中所有数据点的安全程度的标准差，表示以自然常数e为底的指数函数。
[0011]进一步地，所述局部密集区域和局部稀疏区域的获取方法如下：获取数据点集合中所有数据点的最大的横坐标和最大的纵坐标，获取其中的最大值b；将直角坐标系的原点作为最大外接正方形，在直角坐标系的第一象限中获得边长等于b的正方形，作为数据点集合的最大外接正方形；将数据点集合的最大外接正方形划分为预设划分预设数量K
×
K个小正方形，将每个小正方形作为一个区域；将数据点的数量最多的个区域记为局部密集区域，将相邻的局部密度区域进行合并，后续操作中的局部密度区域均为合并后的局部密度区域，获得若干个局部密度区域，将最大外接正方形中剩余的区域记为一个局部稀疏区域。
[0012]进一步地，所述获得局部密集区域和局部稀疏区域的调整后初始k距离，包括的具体步骤如下：
式中，和分别表示局部密集区域的调整后初始k距离和局部稀疏区域的调整后初始k距离，和表示预设初始k距离，M表示数据点集合的整体密集程度，y表示预设密集性阈值，s表示预设密度变化程度，d表示预设增长幅度，表示向下取整。
[0013]进一步地，所述获得局部密集区域和局部稀疏区域在不同种k距离下的异常点集合，包括的具体步骤如下：对局部密集区域的调整后初始k距离和局部稀疏区域的调整后初始k距离确定后，分别根据调整后初始k距离和增幅获得局部密集区域的5种k距离和局部稀疏区域的5种k距离，局部密集区域和局部稀疏区域的增幅分别为和，局部密集区域和局部稀疏区域的第i种k距离分别为和；根据局部密集区域的每种k距离通过LOF算法，计算局部密集区域的局部可达密度，获得每个局部密集区域中每个数据点的局部异常因子；将局部异常因子大于1的数据点记为异常点；将每种k距离下所有局部密集区域的所有异常点组成的集合记为局部密集区域的每种k距离下的异常点集合；同理，获得局部稀疏区域的每种k距离下的异常点集合。
[0014]进一步地，所述根据异常点集合计算局部密集区域和局部稀疏区域的每种k距离下的所有异常点是真正异常点的可能性，包括的具体步骤如下：式中，表示局部密集区域的第i种k距离下的异常点集合中第j个异常点是真正异常点的可能性，表示异常点在局部密集区域的所有种k距离下的异常点集合中为异常点的频数，表示异常点在局部密集区域的所有种k距离下的异常点集合中为异常点的最大连续次数，表示异常点在局部密集区域的所有种k距离下的异常点集合中为异常点时的局部异常因子的均值，表示异常点在局部密集区域的所有种k距离下的异常点集合中为异常点时的异常点集合中异常点的数量的均值；同理，计算局部密集区域的所有种k距离下的异常点集合中所有异常点是真正异常点的可能性和局部稀疏区域的所有种k距离下的异常点集合中所有异常点是真正异常点的可能性。
[0015]本专利技术的技术方案的有益效果是：针对常规的LOF算法采用固定的k距离，没有考虑局部区域的特点，受到数据集的敏感性以及不同局部区域的密度不均衡性的影响，导致对异常点的检测有误的问题，本专利技术根据每个路口的效率程度和安全程度，将每个路口转换为数据点，根据数据点集合的整体密集程度，获得局部密集区域和局部稀疏区域的调整后初始k距离，根据调整后初始k距离通过LOF算法获得局部密集区域和局部稀疏区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的汽车流量数据分析管理系统，其特征在于，所述系统包括：数据采集模块，采集每个路口的交通流量数据和交通事故数据；数据转换模块，根据每个路口的交通流量数据和交通事故数据计算每个路口的效率程度和安全程度；根据每个路口的效率程度和安全程度获得数据点集合；初始参数获取模块，计算数据点集合的整体密集程度，将数据点集合的最大外接正方形划分为局部密集区域和局部稀疏区域，根据数据点集合的整体密集程度获得局部密集区域和局部稀疏区域的调整后初始k距离；异常点获取模块，根据调整后初始k距离通过LOF算法获得局部密集区域和局部稀疏区域在不同种k距离下的异常点集合，根据异常点集合计算局部密集区域和局部稀疏区域的每种k距离下的所有异常点是真正异常点的可能性，根据可能性获得真正异常点；措施改进模块，对真正异常点对应的路口采取安全措施。2.根据权利要求1所述的基于人工智能的汽车流量数据分析管理系统，其特征在于，所述计算每个路口的效率程度和安全程度，包括的具体步骤如下：根据每个路口的速度稳定程度、峰值流量和通过率计算每个路口的效率程度，根据每个路口的违章情况和事故情况计算每个路口的安全程度。3.根据权利要求2所述的基于人工智能的汽车流量数据分析管理系统，其特征在于，所述计算每个路口的效率程度，包括的具体步骤如下：式中，表示路口的效率程度，表示路口的通过车辆数量，Y表示路口的超速阈值，表示路口的第p个通过车辆的速度，A表示路口在早晚高峰的平均峰值流量，表示路口的等待车辆数量；表示路口的所有等待车辆的等待时间的均值，表示路口的所有通过车辆的速度的标准差，表示路口的速度稳定程度，表示路口的通过率。4.根据权利要求2所述的基于人工智能的汽车流量数据分析管理系统，其特征在于，所述计算每个路口的安全程度，包括的具体步骤如下：式中，表示路口的安全程度，表示路口的红灯闯行率，表示路口的黄灯闯行率，表示路口的超速通过率，表示路口发生的事故的次数，表示路口发生的所有事故的处理时间的均值，表示路口发生的所有事故的处理时间间隔的均值，表示以自然常数e为底的指数函数，表示路口的违章情况，表示路口的事故情况。5.根据权利要求1所述的基于人工智能的汽车流量数据分析管理系统，其特征在于，所述获得数据点集合，包括的具体步骤如下：获得所有路口的效率程度和安全程度；分别将效率程度和安全程度作为横轴和纵轴，
构建直角坐标系，根据每个路口的效率程度和安全程度，获得每个路口在直角坐标系中对应的数据点；将所有路口在直角坐标系中对应的数据点组成的集合记为数据点集合。6.根据权利要求1所述的基于人工智能的汽车流量数据分析管理系统，其特征在于，所述计算数据点集合的整体密集程度，包括的具体步骤如下：式中，M表示数据点集合的整体密集程度；表示数据点集合中所有数据点的效率程度的标准差；表示数据点集合中所有数据点的安全程度的标准差，表示以自然常数e为底的指数函数。7.根据权利要求1所述的基于人工智能的汽车流量数据...

【专利技术属性】
技术研发人员：杨梅，
申请(专利权)人：广东小途汽车科技有限公司，
类型：发明
国别省市：