[发明专利]一种基于机器学习算法改进地图匹配异常点的方法

摘要

一种基于机器学习方法改进地图匹配异常点的方法，获取一辆或多辆出租车匹配后的投影坐标点数据作为样本数据，然后从中筛选出匹配正常与异常的投影点；对于每个匹配异常的投影坐标点，从匹配正确的数据集中筛选出异常点的候选数据集；计算每个异常点与异常点的候选数据集中的投影点之间的时间相似度和空间相似度，得到时空相似度集合，进而根据时间相似度和空间相似度计算时空相似度的均值；比较时空相似度与时空相似度的均值的大小，获取时空相似度大于时空相似度均值的个数，并将满足条件的数据作为最终的候选数据集；在最终的候选数据集中，利用knn算法计算得到改进后的投影坐标点。本发明具有计算量较低，准确率更高的优点。

主权项

1.一种基于机器学习方法改进地图匹配异常点的方法，其特征在于，包括如下步骤：步骤1：获取一辆或多辆出租车匹配后的投影坐标点数据作为样本数据，然后从中筛选出匹配正常与异常的投影坐标点；步骤2：对于每个匹配异常的投影坐标点，从匹配正确的数据集中筛选出异常的投影坐标点的候选数据集；步骤3：计算每个异常的投影坐标点与异常的投影坐标点的候选数据集中的投影坐标点之间的时间相似度和空间相似度，得到时空相似度集合，进而根据时间相似度和空间相似度计算时空相似度的均值；步骤4：比较时空相似度与时空相似度的均值的大小，获取时空相似度大于时空相似度均值的个数，即所要求的动态k值，并将满足条件的数据作为最终的候选数据集；步骤5：在最终的候选数据集中，利用knn算法计算得到改进后的投影坐标点；将异常的投影坐标点与异常的投影坐标点的候选数据集作为一个集合，时间相似度的公式如下：              (1)其中，为合理的时间段，o₁为异常的投影坐标点的候选集中的点，o₂为异常的投影坐标点，t为投影坐标点所对应的时间戳；空间相似度的公式如下：其中，为异常的投影坐标点与异常的投影坐标点的候选数据集中任意一点的欧氏距离，将异常的投影坐标点与其候选数据集作为一个集合，d_min 为该集合中任意两点的最小距离，d_max 为集合中任意两点之间的最大距离，o₁为异常的投影坐标点的候选集中的点，o₂为异常的投影坐标点，x为投影坐标点的横坐标，y为投影坐标点的纵坐标。