[发明专利]面向网联货车超载识别的数据质量控制方法及装置

说明书

本发明公开了一种面向网联货车超载识别的数据质量控制方法及装置，本发明基于大量的历史货车逐秒数据，分析了不同道路类型、货车类型及平均速度区间下的货车加速度分布特征，从而建立了各道路类型、货车类型及平均速度区间下的货车加速度分布模型，最终得到了货车的加速度分布模型库，是考虑了不同类型货车在实际道路运行时在不同道路类型及平均速度下的加速度随机性特征，从而建立的货车加速度分布模型库能够体现货车的加速度随机性特征；从而，将该货车加速度分布模型库应用于货车运行数据重构方法，能够实现网联货车不连续数据或速度精度不满足需求的数据的快速修正，使得重构的数据能够符合货车的加速度随机性特征。

技术领域

本发明涉及数据重构技术领域，具体涉及一种面向网联货车超载识别的数据质量控制方法及装置。

背景技术

目前重型货车作为公路运输的载运工具，承担了繁重的货物运输任务。在追求利益的市场经济环境下，超载超限现象十分普遍，严重危害公共交通安全，同时对国家的道路、桥梁安全也形成了较大的威胁。对于重型货车的载重识别这一问题，目前基于功率分布与自学习的货车超载识别方法能够实现路网实时运行的重型货车载重的快速有效识别，其中，货车功率需基于逐秒货车运行数据中的速度和加速度进行计算，且速度精度至少需要保留一位小数。而网联车设备在采集货车的逐秒运行数据时，网联车设备经常出现1秒甚至几秒的数据时间缺口或采集的速度数据为整数，这些数据质量问题直接导致货车功率计算不准确，进一步导致货车超载识别不准确。因此，对网联实时采集的不连续货车运行数据或精度不满足要求的货车速度数据进行重构是尤为必要的。

目前，对于采集的货车速度数据不满足精度要求的情况，现有研究未建立方法对小数部分补齐。对于采集的货车运行数据不连续的情况，目前主要采用非线性插值方法进行数据重构。非线性插值方法主要包括三次Hermite插值、三次样条插值和拉格朗日插值。非线性插值法对缺失的数据重构原理为根据数据采集的缺失点前后速度值和时间值进行拟合建立非线性插值等数学函数，根据建立的数学函数对缺失点的速度进行重构。由于实际道路交通状态的复杂性和驾驶行为的不确定性，货车的加速度具备随机性特征，但是运用非线性插值方法得到的重构轨迹与实际采集的轨迹相比过于平滑，不能刻画货车在实际道路运行时的加减速随机性特征，进而也导致货车功率计算不准确，也进一步导致货车超载识别不准确。

发明内容

有鉴于此，本发明实施例提供了一种面向网联货车超载识别的数据质量控制方法及装置，以解决现有的不连续数据重构方法不能刻画货车的加速度随机性特征的问题。

根据第一方面，本发明实施例提供了一种面向网联货车超载识别的数据质量控制方法，包括：获取货车运行数据，货车运行数据包括第二地理信息数据、第二货车类型及第二货车速度数据；对第二货车速度数据进行检测，识别需重构的数据的位置；根据第二地理信息数据确定货车运行的第二道路类型；根据第二道路类型预设的第一时间周期将第二货车速度数据进行划分，并计算各第一时间周期内货车的平均速度；根据预设第一预设聚类模型将平均速度进行聚类，得到多个平均速度区间；根据需重构的数据的位置及各平均速度区间确定需重构的数据对应的平均速度区间；根据第二货车类型、第二道路类型、需重构的数据对应的平均速度区间及预设货车加速度分布模型库，得到需重构的数据对应的加速度随机数；根据需重构的数据紧邻的上一个数据及加速度随机数计算得到需重构的数据的补足数据；根据补足数据对货车运行数据进行重构。

可选地，对第二货车速度数据进行检测，识别需重构的数据的位置，包括：根据第二货车速度数据计算第二货车速度数据的小数位数；判断第二货车速度数据的小数位数是否大于或等于第一预设阈值；如果小数位数大于或等于第一预设阈值，计算各相邻第二货车速度数据之间的时间差；判断时间差是否满足第二预设阈值；如果时间差满足第二预设阈值，确定时间差满足第二预设阈值的两个第二货车速度数据为非连续数据，时间差满足第二预设阈值的两个第二货车速度数据之间的位置为需重构的数据的位置。