[发明专利]一种缺失交通数据的填充设备、装置及方法

说明书

本申请公开了一种缺失交通数据的填充设备、装置、方法及可读存储介质，能够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；根据算法参数利用最大偏差相似性准则算法对缺失交通数据集进行聚类，得到聚类簇集合；最终利用KNN填充算法分别对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。可见，该方案针对KNN填充算法易产生最邻近噪点的问题，使用最大偏差相似性准则来针对缺失交通数据进行聚类，此外针对最大偏差相似性准则算法的参数选取困难的问题，利用骨干粒子群算法对其参数优化。实现了准确填充缺失交通数据的目的，保证了缺失交通数据的分析结果的可靠性。

技术领域

本申请涉及数据填充领域，特别涉及一种缺失交通数据的填充设备、装置、方法及可读存储介质。

背景技术

由于高速路上检测仪器硬件的损坏或软件运作失误等原因，在观察高速公路交通数据的过程中发现，缺失数据是非常常见的。数据缺失会影响到后面的数据分析步骤，导致无法对高速公路上实际的交通状态进行合理分析处理，因而难以对该高速路的交通情况作出准确预测以及报警。

可见，对高速公路的缺失交通数据进行处理是高速公路智能交通数据质量优化控制系统中至关重要的一步，然而现有的缺失数据填充方案的准确性较低，导致即使在填充缺失数据后也无法提升数据分析结果的可靠性。

发明内容

本申请的目的是提供一种缺失交通数据的填充设备、装置、方法及可读存储介质，用以解决现有的缺失数据填充方案的准确性较低，导致即使在填充缺失数据后也无法提升数据分析结果的可靠性的问题。具体方案如下：

第一方面，本申请提供了一种缺失交通数据的填充设备，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。

优选的，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。

优选的，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。

优选的，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。

第二方面，本申请还提供了一种缺失交通数据的填充装置，包括：