-
公开(公告)号：CN107978147B
公开(公告)日：2021-05-11
申请号：CN201711044911.4
申请日：2017-10-31
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于KNN算法的交通流异常数据双向检测修复方法，包括以下步骤：1)获取正常的交通流历史数据，将连续的每5个数据划分为一组，并建立历史数据状态向量库；2)获取待修复的交通流数据中的异常值，并将此异常值标记为v(w)；3)根据异常值构建异常数据状态向量X；4)计算异常数据状态向量X与所有历史数据状态向量Xn之间的欧氏距离d，并进行优选，获取k组优选后的历史数据状态向量以及对应的欧氏距离di(i＝1,2...k)；5)根据k组优选后的历史数据状态向量以及对应的欧氏距离di计算修复值v(w)′；6)对异常值进行删除填补修复。与现有技术相比，本发明具有修复精度高、适用性广、提高修复精度、提高交通数据质量等优点。
-
公开(公告)号：CN110299009A
公开(公告)日：2019-10-01
申请号：CN201910662239.8
申请日：2019-07-22
Applicant: 上海工程技术大学
Abstract: 本发明公开了一种基于KNN算法的预测短时交通流的方法和电子设备，方法步骤：根据历史交通流数据构建多组历史数据状态向量；基于采集的交通流数据构建预测状态向量；计算欧氏距离后，选取数值最小的k个欧氏距离并赋予每个选取的欧氏距离权重系数；根据权重系数及与其对应的欧氏距离匹配的历史数据状态向量中的交通流数据求得预测目标值；赋予每个选取的欧氏距离是指按如下公式对欧氏距离di计算权重系数αi：其中di为第i个欧氏距离。电子设备包括处理器、存储器以及程序；程序被存储在存储器中，当程序被处理器执行时，使得电子设备执行预测短时交通流的方法。本发明预测精度高，适用于非线性的交通流数据，应用前景好。
-
公开(公告)号：CN107978147A
公开(公告)日：2018-05-01
申请号：CN201711044911.4
申请日：2017-10-31
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于KNN算法的交通流异常数据双向检测修复方法，包括以下步骤：1)获取正常的交通流历史数据，将连续的每5个数据划分为一组，并建立历史数据状态向量库；2)获取待修复的交通流数据中的异常值，并将此异常值标记为v(w)；3)根据异常值构建异常数据状态向量X；4)计算异常数据状态向量X与所有历史数据状态向量Xn之间的欧氏距离d，并进行优选，获取k组优选后的历史数据状态向量以及对应的欧氏距离di(i＝1,2...k)；5)根据k组优选后的历史数据状态向量以及对应的欧氏距离di计算修复值v(w)′；6)对异常值进行删除填补修复。与现有技术相比，本发明具有修复精度高、适用性广、提高修复精度、提高交通数据质量等优点。
-
-
Search Results
3
records
(took 0.023 seconds)
