[发明专利]基于特征非负矩阵分解的交通数据恢复和异常值检测方法

权利要求书

1.一种基于特征非负矩阵分解的交通数据恢复和异常值检测方法，其特征在于，包括：

获取道路交通状态及对应的交通时间段，根据所述道路交通状态及所述交通时间段生成交通矩阵；

对所述交通矩阵的秩进行求解，得到矩阵秩；

根据所述矩阵秩对所述交通矩阵进行矩阵约束，得到约束矩阵；

基于所述约束矩阵及所述交通矩阵对预构建的交通数据处理模型中的模型参数进行求解，得到优化矩阵；

获取待分析交通数据，利用所述优化矩阵对所述待分析交通数据进行性能评估，得到数据空间分布及模式规律。

2.如权利要求1所述的基于特征非负矩阵分解的交通数据恢复和异常值检测方法，其特征在于，所述根据所述道路交通状态及所述交通时间段生成交通矩阵，包括：

获取所述道路交通状态对应的道路标识信息，根据所述交通时间段生成时间序列；

根据所述道路交通状态、所述道路标识信息、所述时间序列及所述交通时间段生成初始交通矩阵；

所述初始交通矩阵表示为：

其中，表示所述初始交通矩阵，表示第个交通时间段内的道路交通状态，表示第个道路标识信息对应的时间序列，表示所述交通时间段的总数，表示所述道路标识信息的总数，表示预设的基础矩阵；

利用预设的第一公式根据预设的位置矩阵对所述初始交通矩阵进行更新，得到交通矩阵；

所述第一公式表示为：

其中，表示所述位置矩阵对应的交通矩阵，表示所述初始交通矩阵，表示所述位置矩阵，表示Hadamard乘积。

3.如权利要求2所述的基于特征非负矩阵分解的交通数据恢复和异常值检测方法，其特征在于，所述对所述交通矩阵的秩进行求解，得到矩阵秩，包括：

利用预设的高斯核函数根据所述交通矩阵构造所述交通矩阵的相似度矩阵，并利用预设的第二公式根据所述相似度矩阵计算度矩阵；

所述高斯核函数表示为：

其中，表示第个道路标识信息及第个道路标识信息对应的相似度矩阵，表示第个道路标识信息对应的交通矩阵，表示第个道路标识信息对应的交通矩阵，表示第个道路标识信息对应的时间序列，表示第个道路标识信息对应的时间序列，表示第个道路标识信息在所述交通矩阵中位置矩阵所对应的行，表示第个道路标识信息在所述交通矩阵中位置矩阵所对应的行，表示预设的高斯核的带宽；

所述第二公式表示为：

其中，表示所述相似度矩阵对应的度矩阵，表示第个道路标识信息及第个道路标识信息的相似度矩阵，表示所述道路标识信息的总数；

利用预设的第三公式根据所述相似度矩阵及所述度矩阵计算拉普拉斯矩阵，对所述拉普拉斯矩阵进行谱分解，得到特征值；

所述第三公式表示为：

其中，表示所述相似度矩阵对应的拉普拉斯矩阵，表示所述相似度矩阵对应的度矩阵，表示所述相似度矩阵，表示预设的单位矩阵；

根据所述特征值计算差值序列，并利用预设的第四公式根据所述差值序列确定矩阵秩；

所述第四公式表示为：

其中，表示所述矩阵秩，表示第个特征差值，表示第个特征差值，表示第个特征差值。

4.如权利要求3所述的基于特征非负矩阵分解的交通数据恢复和异常值检测方法，其特征在于，所述根据所述特征值计算差值序列，包括：

利用预设的第五公式根据所述特征值计算特征差值，并利用预设的第六公式根据所述特征差值生成差值序列；

所述第五公式表示为：

其中，表示第个特征差值，表示第个特征值，表示第个特征值，表示所述特征差值的总数；

所述第六公式表示为：

其中，表示所述差值序列，表示第个特征差值，表示第个特征差值，表示第个特征差值。