[发明专利]基于时间序列数据自增特征的数据清洗方法及装置

权利要求书

1.一种基于时间序列数据自增特征的数据清洗方法，其特征在于，包括：

获取车辆在预设时间范围内产生的与原始里程时间一一对应的原始里程数据；

根据与原始里程时间一一对应的原始里程数据，逐个判断每个原始里程数据是否为异常跳变数据，若是，则对异常跳变数据进行更新，当判断和更新完所有的原始里程数据后，计算所述预设时间范围内的相对里程或任意两个原始里程时间点之间的相对里程,具体包括：

S1、初始化原始里程时间T0，T1，…，Tn-2，Tn-1以及和原始里程时间T0，T1，…，Tn-2，Tn-1一一对应的原始里程数据为V0，V1，...，Vn-2，Vn-1；其中，TiTi+1，原始里程时间的最小单位为1s，原始里程数据的最小单位是0.01km；

S2、定义累积里程增量inc＝0.00km，preValue＝V0，preTime＝T0；

S3、由1...n-1依次遍历原始里程数据V0，V1，...，Vn-2，Vn-1和原始里程时间T0，T1，...，Tn-2，Tn-1；

获取当前第i个元素，读取原始里程数据为Vi，原始里程时间为Ti；

计算div＝Vi-preValue，如果divG₁km或者divG₂km，则inc+＝div，如果G₃kmdivG₁km，则进一步计算：speed＝div/(Ti-preTime)，如果speeda₀km/s，则判定原始里程数据Vi发生异常跳变，此时更新累积里程增量inc+＝div；其中，a₀km/s为每秒最高车速系数，G₁为判断里程数据发生剧烈跳变的临界阈值，G₂为判断里程数据发生下降变化的临界阈值，[G₃，G₁]为判断里程数据发生可疑跳变的约束范围，G₁、G₃均大于零，G₂小于零，G₁＞G₃＞G₂；

S4、更新preValue＝Vi，preTime＝Ti；

S5、如果inc！＝0.00km，则更新Vi＝Vi-inc；

S6、如果in-1，则循环进入步骤S3；

S7、计算T0至Tn-1预设时间范围内的相对里程为Vn-1-V0，或者，计算任意两个原始里程时间点之间的相对里程Tk和Tj之间的相对里程为Vj-Vk。