【技术实现步骤摘要】
本申请涉及多源数据融合计算领域，具体涉及基于数字孪生的多源数据融合方法。
技术介绍
1、基于数字孪生的多源数据融合是指将来自不同数据源的多种数据整合到一个与物理世界相对应的虚拟的数字孪生模型中，以实现对物理世界的实时监测和分析。在智能交通领域中，融合来自不同数据源的信息，可以获取更全面和准确的实时状态和动态信息，以实现对交通状况的实时监测，帮助交通管理部门和驾驶者了解道路状况并做出相应调整。
2、传统的数据融合方法是通过对不同数据源的数据分别进行处理后直接进行加权融合等技术手段获得最终的融合结果。对于交通状况的实时监测来说，气象因素、道路条件等也可能对交通状况产生重要影响，而传统的数据融合方法没有考虑到不同数据源之间的相关性，导致数据融合的准确性不高。
技术实现思路
1、为了解决上述技术问题，本专利技术提供基于数字孪生的多源数据融合方法，以解决现有的问题。
2、本专利技术的基于数字孪生的多源数据融合方法采用如下技术方案：
3、本专利技术一个实施例提供了基于数字孪生的多源数据融合方法，该方法包括以下步骤：
4、获取城市交通系统中各周期各监测点处各维数据的数据序列；
5、采用时间序列分解算法对数据序列进行分解得到数据变化趋势序列；将各维数据记为各目标数据，将除目标数据外的其他数据记为各剩余数据；根据目标数据与各剩余数据的数据变化趋势序列之间的相关性得到目标数据的多维趋势相关性；根据目标数据的数据序列及数据变化趋势序列得到趋势偏
6、根据目标数据的趋势异常时刻的分布得到趋势跳变程度；根据趋势跳变程度以及多维趋势相关性得到目标数据的融合参与度；根据目标数据在所有监测点的融合参与度与其他所有剩余数据之间的差异得到目标数据的融合权重；对于任意两个监测点，根据各维数据的数据序列之间的差异以及融合权重得到任意两个监测点的相似性评价；
7、基于监测点之间的相似性评价优化聚类算法中的聚类距离得到各监测点的交通状况。
8、优选的，所述获取城市交通系统中各周期各监测点处各维数据的数据序列，包括：
9、所述各维数据包括但不限于：温度、湿度、车流量和平均车速。
10、优选的，所述根据目标数据与各剩余数据的数据变化趋势序列之间的相关性得到目标数据的多维趋势相关性，包括：
11、计算所有任意两个维度数据的数据变化趋势序列之间的皮尔逊相关系数均值作为第一均值；
12、计算目标数据与所有剩余数据之间的皮尔逊相关系数均值作为第二均值；
13、将第二均值与第一均值的比值作为目标数据的多维趋势相关性。
14、优选的，所述根据目标数据的数据序列及数据变化趋势序列得到趋势偏移序列，包括：
15、计算目标数据的数据序列和数据变化趋势序列对应各时刻数据的差值绝对值，将所有时刻的所述差值绝对值按照时间顺序组成目标数据的趋势偏移序列。
16、优选的，所述根据目标数据的趋势异常时刻的分布得到趋势跳变程度，包括：
17、对于目标数据中的各趋势异常时刻，计算任意相邻趋势异常时刻之间的时刻距离，将目标数据中所有任意相邻的所述时刻距离按照时间顺序组成异常分布序列；
18、获取异常分布序列中的最小值和最大值，按照最小值、最大值将异常分布序列划分成三个子区间；
19、计算各子区间中出现的数据数量与异常分布序列中的数据总量的比值，获取所述比值中的最大值所在子区间的最大分布间隔；
20、计算趋势异常时刻的数量与目标数据的数据序列的总时刻数量的比值作为第一比值，计算异常分布序列的变异系数与所述最大分布间隔的比值作为第二比值；
21、将第一比值与第二比值的乘积作为目标数据的趋势跳变程度。
22、优选的，所述获取所述比值中的最大值所在子区间的最大分布间隔，包括：
23、所述子区间的最大分布间隔为子区间的左右边界时刻的均值。
24、优选的，所述根据趋势跳变程度以及多维趋势相关性得到目标数据的融合参与度，包括：
25、将多维趋势相关性与趋势跳变程度的比值作为目标数据的融合参与度。
26、优选的，所述根据目标数据在所有监测点的融合参与度与其他所有剩余数据之间的差异得到目标数据的融合权重，包括：
27、获取目标数据在所有监测点的融合参与度的均值；获取所有维度数据在所有监测点的融合参与度均值的和值；
28、将所述均值与所述和值的比值作为目标数据的融合权重。
29、优选的，所述根据各维数据的数据序列之间的差异以及融合权重得到任意两个监测点的相似性评价，包括：
30、对于各维数据的数据序列，计算任意两个监测点的数据序列均值的差值，计算所述差值的平方与融合权重的乘积；
31、将所有维度数据的所述乘积的和值的开根号值作为任意两个监测点的相似性评价。
32、优选的，所述基于监测点之间的相似性评价优化聚类算法中的聚类距离得到各监测点的交通状况，包括：
33、将监测点之间的相似性评价作为聚类算法中的聚类距离得到各聚类簇；
34、将各聚类簇的簇心的交通状况作为簇心所在聚类簇内各监测点的交通状况，其中，所述簇心的交通状况为簇心对应监测点的多维数据。
35、本专利技术至少具有如下有益效果：
36、本专利技术通过分析城市交通系统的多源数据的变化趋势之间的相关性，根据每个维度数据的数据序列获得多维趋势相关性，多维趋势相关性对监测点的每个维度数据与其他维度数据的变化趋势的相关情况进行评价，反映了每个维度对聚类结果的影响程度；
37、通过分析每个维度数据的数据序列偏离趋势序列的程度对数据融合准确度的影响，结合多维趋势相关性获得每个维度数据的融合参与度，进而根据融合参与度在聚类过程的相似性评价中对不同维度的数据设置不同的权重，提高了数据融合的精度。
本文档来自技高网...【技术保护点】
1.基于数字孪生的多源数据融合方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述获取城市交通系统中各周期各监测点处各维数据的数据序列，包括：
3.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述根据目标数据与各剩余数据的数据变化趋势序列之间的相关性得到目标数据的多维趋势相关性，包括：
4.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述根据目标数据的数据序列及数据变化趋势序列得到趋势偏移序列，包括：
5.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述根据目标数据的趋势异常时刻的分布得到趋势跳变程度，包括：
6.如权利要求5所述的基于数字孪生的多源数据融合方法，其特征在于，所述获取所述比值中的最大值所在子区间的最大分布间隔，包括：
7.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述根据趋势跳变程度以及多维趋势相关性得到目标数据的融合参与度，包括：
8.如权利要求7所
9.如权利要求8所述的基于数字孪生的多源数据融合方法，其特征在于，所述根据各维数据的数据序列之间的差异以及融合权重得到任意两个监测点的相似性评价，包括：
10.如权利要求9所述的基于数字孪生的多源数据融合方法，其特征在于，所述基于监测点之间的相似性评价优化聚类算法中的聚类距离得到各监测点的交通状况，包括：
...【技术特征摘要】
1.基于数字孪生的多源数据融合方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述获取城市交通系统中各周期各监测点处各维数据的数据序列，包括：
3.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述根据目标数据与各剩余数据的数据变化趋势序列之间的相关性得到目标数据的多维趋势相关性，包括：
4.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述根据目标数据的数据序列及数据变化趋势序列得到趋势偏移序列，包括：
5.如权利要求1所述的基于数字孪生的多源数据融合方法，其特征在于，所述根据目标数据的趋势异常时刻的分布得到趋势跳变程度，包括：
6.如权利要求5所述的基于数字孪生的多源数据融合...
【专利技术属性】
技术研发人员：王亚，苏岳，万晶晶，李伟伟，颉彬，周勤民，
申请(专利权)人：卓世科技海南有限公司，
类型：发明
国别省市：
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。