[发明专利]一种缺失交通数据的填充设备、装置及方法

权利要求书

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；

其中，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。

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；

根据所述适应度数 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。

4.一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；

其中，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。

5.如权利要求 4 所述的缺失交通数据的填充装置，其特征在于，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。

6.一种缺失交通数据的填充方法，其特征在于，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；

其中，所述利用 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包括：

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。

7.一种可读存储介质，其特征在于，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；

其中，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。