基于特征聚类的交通时间序列低成本存储与数据重建方法技术

本发明专利技术提供了一种基于特征聚类的交通时间序列低成本存储与数据重建方法包括：通过对分段交通时间序列作时频分解得到n<subgt;1</subgt;维频率序列，并结合道路拓扑有向图输入至已构建的交通序列压缩及重建深度模型中，以执行训练过程，并在训练过程中首先提取输入对象的特征再作有监督聚类得到n<subgt;2</subgt;维特征类集合；设计损失函数重复调整有监督聚类的分类参数直至达到训练截止条件，得到交通时间序列特征数据库；根据重建需求中的时间序列时间戳和所属路网，从交通时间序列特征数据库中提取出序列初始值、n<subgt;2</subgt;维特征类集合及所属路网对应的道路拓扑有向图进行重建得到重建后的交通流时间序列。本发明专利技术降低了大规模交通流数据存储所需的空间，从而减少了存储成本。

【技术实现步骤摘要】

本专利技术属于智能交通、人工智能，具体涉及一种基于特征聚类的交通时间序列低成本存储与数据重建方法。

技术介绍

1、智慧交通管理系统依托于海量的交通时间序列数据，为交通管理、道路规划、出行服务以及相关的研究和开发工作提供了丰富而重要的基础数据。通过深入分析和应用这些数据，智慧交通管理系统不仅能够实现道路资源的高效调度，提升道路通行效率，还能够增强道路的安全性，优化人们的出行体验，并最终推动整个智慧交通领域的持续发展。然而，随着智慧交通系统的日趋完善，交通时间序列数据的规模也呈现出爆发式的增长，传统的数据存储方式已经无法满足大数据存储需求，且带来高昂的存储成本。例如，dair-v2x车路协同轨迹预测数据集提供了超过20万个交通片段，每个片段10秒，总时长约为556个小时的交通数据，其数据集大小超过30g；高速路网pems交通数据集实时收集约40000个高速公路上的传感器的数据，每天约处理2gb的时间序列数据，总共存储了超过10年的数据。因此，有必要研究一种低成本的数据存储方式，并在有需要时实现原始数据重建，从而更高效和经济地存储和管理交通时间序列数据。

本文档来自技高网...

【技术保护点】

1.一种基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，包括：

2.根据权利要求1所述的基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，S100包括：

3.根据权利要求2所述的基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，S110包括：

4.根据权利要求1所述的基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，S200包括：执行对交通序列压缩及重建深度模型的训练过程，所述训练过程包括以下步骤：

5.根据权利要求4所述的基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在...

【技术特征摘要】

1.一种基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，包括：

2.根据权利要求1所述的基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，s100包括：

3.根据权利要求2所述的基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，s110包括：

4.根据权利要求1所述的基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，s200包括：执行对交通序列压缩及重建深度模型的训练过程，所述训练过程包括以下步骤：

5.根据权利要求4所述的基于特征聚类的交通时间序列低成本存储与数据重建方法，其特征在于，所述交通序列压缩及重建深度模型包括：交通序列特征提取编码模块、道路拓扑结构有向图特征提取模块、特征有监督聚类模块、序列重建解码模块；

6.根据权利要求5所述的基于特征聚类的交通时间序列低成本存储与数据重建方...

【专利技术属性】
技术研发人员：盛凯，欧阳楠，敖磊，万文康，任效江，何鑫，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：