[发明专利]一种多源数据融合的综合交通数据挖掘方法

权利要求书

1.一种多源数据融合的综合交通数据挖掘方法，其特征在于，该数据挖掘方法具体步骤如下：

(1)交通信息采集：在需要进行交通拥堵情况预测的交通十字路口部署多源数据传感器，并利用其实时对交通十字路口进行实时监测，得到车流量信息一、车流量信息二、…和车流量信息N，同时获取其对应采集时间，得到车流量信息采集时间一、车流量信息采集时间二、…和车流量信息采集时间N；

(2)数据预处理：利用数据清洗、去噪、规约和变换处理方法对步骤(1)所述车流量信息一、车流量信息二、…和车流量信息N进行数据预处理；

(3)特征提取：对步骤(1)形成的车流量信息一、车流量信息二、…和车流量信息N进行特征提取，得到车流量信息一、车流量信息二、…和车流量信息N，同时将其作为训练样本；

(4)构建初始预测模型：构建多个单一分类器，将车流量信息一、车流量信息二、…和车流量信息N以及车流量信息采集时间一、车流量信息采集时间二、…和车流量信息采集时间N输入其中进行训练，得到初始预测一、初始预测模型二、…和初始预测模型N；

(5)决策级数据融合：针对需要进行交通拥堵情况预测的交通十字路口，利用初始预测一、初始预测模型二、…和初始预测模型N分别进行预测，得到对应时间段车流量预测结果一、对应时间段车流量预测结果二、…和对应时间段车流量预测结果N，同时利用加权平均算法对对应时间段车流量预测结果一、对应时间段车流量预测结果二、…和对应时间段车流量预测结果N进行决策级数据融合，得到融合数据集；

(6)构建融合交通预测模型：对融合数据集进行特征提取，得到融合特征样本，并将其分为70％的训练集和30％的验证集；构建融合特征分类器，并将70％的训练集输入其中进行训练，得到融合交通预测模型；

(7)模型评估：将30％的验证集输入融合交通预测模型进行验证，若预测效果符合期望，则训练结束，否则返回步骤(3)，重新进行特征提取；

(8)模型应用：将符合期望的交通流预测模型投入实际使用中，同时结合交通信息发布平台实时为该一交通十字路口的交通拥堵情况进行自动智能交通预测。

2.根据权利要求1所述的一种多源数据融合的综合交通数据挖掘方法，其特征在于，所述多源数据传感器为同质传感器，其具体为若干个微波检测器。

3.根据权利要求1所述的一种多源数据融合的综合交通数据挖掘方法，其特征在于，所述数据预处理具体过程如下：

S1：获取车流量信息一、车流量信息二、…和车流量信息N，并根据聚类法分别对其进行清洗；

S2：利用滤波器对清洗后的车流量信息一、车流量信息二、…和车流量信息N分别进行去噪处理；

S3：利用小波变换对去噪处理后的车流量信息一、车流量信息二、…和车流量信息N分别进行数据规约；

S4：根据最大最小标准化方法对数据规约后的车流量信息一、车流量信息二、…和车流量信息N分别进行数据变换；

所述滤波器包括高通滤波器和低通滤波器。

4.根据权利要求1所述的一种多源数据融合的综合交通数据挖掘方法，其特征在于，所述加权平均算法具体公式如下：

其中：

n＝f₁+f₂+…+f_k (2)

式中：n为预测结果总个数，x为预测结果，f为权重。

5.根据权利要求1所述的一种多源数据融合的综合交通数据挖掘方法，其特征在于，所述单一分类器和融合特征分类器均为神经网络。