CN116824867B - 一种多源公路设施数据信号优化收集处理方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，提出了一种多源公路设施数据信号优化收集处理方法，包括：采集若干车流量数据及噪声数据与温度数据；根据实际采样时刻与理论采样时刻，获取每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度；根据相邻采样时刻的车流量数据及噪声数据，得到每个车流量数据的差异程度；根据差异程度、第一时间偏差度、第二时间偏差度及温度数据，获取每个车流量数据的异常程度；根据车流量数据的异常程度筛选发生异常的车流量数据并重新获取，实现多源公路设施数据信号的优化收集处理。本发明旨在解决公路车流量数据探测过程中受温度及噪声影响导致探测结果不准确的问题。

Description

一种多源公路设施数据信号优化收集处理方法

技术领域

本发明涉及数据处理技术领域，具体涉及一种多源公路设施数据信号优化收集处理方法。

背景技术

多源公路设施数据的收集处理场景中，收集车辆流量数据往往会使用车辆探测器来对车流量进行监测，现有的常见的车辆探测器包括感应线圈探测器、超声波探测器、微波雷达探测器、红外探测器以及声音探测器，而各种车辆探测器都是基于自身的检测原理直观地对车辆数据进行检测，因此通过车辆探测器进行车流量监测过程中，无法排除外在因素干扰对于探测及检测结果的影响。

现有方法中在采用超声波车辆探测器进行车流量数据监测的过程中，高温天气下的交通拥堵情况，可能由于高温影响导致探测器的测量距离受限，进而影响传感器的工作范围而无法准确地对车流量数据进行监测；同时环境中存在的噪声也会干扰超声波车辆探测器的精度，进而导致可能已经超标的车流量数据无法被准确监测，进而造成更为严重的交通拥堵，因此需要对多源公路设施数据信号的采集进行优化，避免外在因素对于数据采集的干扰。

发明内容

本发明提供一种多源公路设施数据信号优化收集处理方法，以解决现有的公路车流量数据探测过程中受温度及噪声影响导致探测结果不准确的问题，所采用的技术方案具体如下：

本发明一个实施例提供了一种多源公路设施数据信号优化收集处理方法，该方法包括以下步骤：

采集若干车流量数据及对应的噪声数据与温度数据；

根据实际采样时刻与理论采样时刻，获取每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度；

根据相邻采样时刻的车流量数据及噪声数据，得到每个车流量数据的差异程度；根据差异程度、第一时间偏差度、第二时间偏差度及温度数据，获取每个车流量数据的异常程度；

根据车流量数据的异常程度筛选发生异常的车流量数据并重新获取，实现多源公路设施数据信号的优化收集处理。

进一步的，所述采集若干车流量数据及对应的噪声数据与温度数据，包括的具体方法为：

通过超声波车辆探测器获取每分钟一个路段下的车辆通过数量，得到每分钟的车流量数据；在相同的数据采集的时间间隔下，通过噪声监测仪获取每个车流量数据对应的噪声数据，通过高精度温度计获取每个车流量数据对应的温度数据。

进一步的，所述每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度，具体的获取方法为：

以任意一个车流量数据为目标车流量数据，将目标车流量数据对应规定的采样时刻记为目标车流量数据的理论采样时刻，将目标车流量数据通过超声波车辆探测器实际获取的时刻记为目标车流量数据的实际采样时刻；获取每个车流量数据的理论采样时刻及实际采样时刻；

对噪声数据根据规定的采样时刻及噪声监测仪实际获取的时刻，得到每个噪声数据的理论采样时刻及实际采样时刻；

根据理论采样时刻及实际采样时刻，得到每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度。

进一步的，所述得到每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度，包括的具体方法为：

其中，表示第个车流量数据的实际采样时刻，表示第个车流量数据的理论采样时刻，表示第个车流量数据对应的采集的次序值，表示第个车流量数据的实际采样时刻，表示第个车流量数据的理论采样时刻，表示求绝对值；

获取每个车流量数据的第一时间偏差度；

根据每个噪声数据的理论采样时刻及实际采样时刻，获取每个噪声数据的第二时间偏差度。

进一步的，所述每个噪声数据的第二时间偏差度，具体的获取方法为：

根据噪声数据的理论采样时刻及实际采样时刻，对噪声数据计算时间偏差度，得到的结果记为每个噪声数据的第二时间偏差度。

进一步的，所述得到每个车流量数据的差异程度，包括的具体方法为：

根据相邻采样时刻的车流量数据及噪声数据，获取每个车流量数据的变化程度；第

个车流量数据的差异程度

的计算方法为：

其中，表示第个车流量数据的变化程度，表示第个车流量数据对应的采集的次序值，表示第个车流量数据的变化程度，表示求绝对值；

获取每个车流量数据的差异程度，第一个车流量数据的差异程度设置为0。

进一步的，所述每个车流量数据的变化程度，具体的获取方法为：

其中，表示第个车流量数据的数据值，表示第个车流量数据的数据值，表示第个噪声数据的数据值，表示第个噪声数据的数据值，为避免分母为0的超参数；

获取除第一个车流量数据之外每个车流量数据的变化程度。

进一步的，所述每个车流量数据的异常程度，具体的获取方法为：

以任意一个车流量数据为目标车流量数据，将目标车流量数据的差异程度、第一时间偏差度、对应噪声数据的第二时间偏差度以及对应温度数据的数据值的乘积，记为目标车流量数据的异常系数；获取每个车流量数据的异常系数；

根据异常系数获取每个车流量数据的异常程度。

进一步的，所述根据异常系数获取每个车流量数据的异常程度，包括的具体方法为：

对所有车流量数据的异常系数进行线性归一化，得到的结果记为每个车流量数据的异常程度。

进一步的，所述根据车流量数据的异常程度筛选发生异常的车流量数据并重新获取，包括的具体方法为：

若任意一个车流量数据的异常程度大于异常阈值，该车流量数据采集过程发生异常，需要通过与发生车流量数据采集异常的车辆探测器处于同一路段的其他车辆探测器，来获取该车流量数据对应规定的采样时刻的车流量数据；若该车流量数据的异常程度小于等于异常阈值，该车流量数据采集过程正常，作为正常的车流量数据保留。

本发明的有益效果是：本发明通过对车流量数据获取过程中同时采集噪声数据及温度数据，通过计算时间偏差度来量化数据采集过程中由于传感器的故障所产生的提前性或滞后性，同时结合数据的缓慢变化特征来量化差异程度，结合时间偏差度及温度数据得到异常程度，通过对异常的车流量数据进行筛选并重新获取，实现多源公路设施数据信号的优化收集处理，通过消除传感器故障带来的时间偏差影响，同时考虑高温及高噪声的环境因素，提高车流量数据采集的准确性及有效性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的一种多源公路设施数据信号优化收集处理方法流程示意图；

图2为本发明一个实施例所采集的车流量数据示意图；

图3为本发明一个实施例计算所得的车流量数据的异常程度示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明一个实施例提供的一种多源公路设施数据信号优化收集处理方法流程图，该方法包括以下步骤：

步骤S001、采集若干车流量数据及对应的噪声数据与温度数据。

本实施例的目的是对多源公路设施的数据信号采集进行优化处理，从而实现优化收集处理的目的，保证数据信号的准确性；车流量数据通过超声波车辆探测器进行采集，超声波传感器由于受到环境中的温度及噪声干扰，会影响车流量数据的准确性，因此首先需要获取车流量数据、温度数据及噪声数据。

具体的，本实施例将每500分钟作为一次监测过程，数据采集的时间间隔为1分钟，对于噪声数据通过噪声监测仪进行获取，温度数据通过高精度温度计进行获取；对于车流量数据，通过超声波车辆探测器来监测获取每分钟一个路段下的车辆通过数量，进而得到每分钟的车流量数据，得到如图2所示的车流量数据，超声波车辆探测器获取车流量数据为公知技术，本实施例不再赘述；后续以任意一次监测过程中采集到的车流量数据、温度数据及噪声数据来进行处理叙述；需要说明的是，由于车流量数据与噪声数据在规定的采样时刻上相同，同时规定的采样时刻还对应温度数据，因此车流量数据、噪声数据及温度数据三者之间均是一一对应的关系。

至此，获取到了若干车流量数据、温度数据及噪声数据。

步骤S002、根据实际采样时刻与理论采样时刻，获取每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度。

需要说明的是，通过超声波车辆探测器来获取车流量数据的过程中，规定的采样时间间隔为1分钟，然而由于环境温度的影响，可能会导致探测器出现故障而产生卡顿现象，进而实际的采样时间间隔超过1分钟，而后续采样又继续以一分钟进行采样，则后续均存在车流量数据的滞后性，而下一次卡段出现则会增大这种滞后性的影响，因此需要获取每个车流量数据的第一时间偏差度，保证第一时间偏差度仅表现出该次卡顿带来的滞后性影响；存在卡顿现象的同时也出现提前测量的现象，进而导致车流量数据产生一种提前性，则第一时间偏差度需要排除滞后性及提前性的影响，仅反映对应采集过程下的滞后性或提前性；同理噪声数据的获取过程中，噪声监测仪也会发生这种卡顿现象或提前测量的现象，因此同时需要获取噪声数据的第二时间偏差度。

具体的，对于任意一个车流量数据，其按照规定的采样时间间隔对应的理论采样时刻已知，同时在车流量数据获取过程中，该车流量数据对应的实际采样时刻同样可以从超声波车辆探测器中获取，则第个车流量数据的第一时间偏差度的计算方法为：

其中，表示第个车流量数据的实际采样时刻，表示第个车流量数据的理论采样时刻，表示第个车流量数据的实际采样时刻，表示第个车流量数据对应的采集的次序值，表示第个车流量数据的理论采样时刻，表示求绝对值；通过实际采样时刻减去理论采样时刻得到的时间差值，同时去除该车流量数据之前所有的时间差值，最终得到时间偏差度，而提前性或滞后性在后续异常程度的影响下是相同的，因此通过绝对值获取第一时间偏差度；按照上述方法获取每个车流量数据的第一时间偏差度，特别说明的是，第一个车流量数据的第一时间偏差度为其实际采样时刻与理论采样时刻的差值绝对值。

进一步的，获取每个噪声数据的理论采样时刻及实际采样时刻，根据理论采样时刻及实际采样时刻按照上述方法对噪声数据计算时间偏差度，得到的结果记为每个噪声数据的第二时间偏差度，特别说明的是，第一个噪声数据的第二时间偏差度为其实际采样时刻与理论采样时刻的差值绝对值。

至此，获取到了每个车流量数据的第一时间偏差度，以及每个噪声数据的第二时间偏差度，两个时间偏差度的单位均为秒。

步骤S003、根据相邻采样时刻的车流量数据及噪声数据，得到每个车流量数据的差异程度；根据差异程度、第一时间偏差度、第二时间偏差度及温度数据，获取每个车流量数据的异常程度。

需要说明的是，相邻采样时刻下的车流量数据变化较为缓慢，若车流量数据之间差异过大，较大可能出现了异常情况导致车流量数据突然增大或减小，因此可以根据车流量数据的差异来量化变化程度，进而通过变化程度得到异常程度；同时噪声数据的变化对于车流量数据存在影响，噪声变化与车流量变化有关，车流量增大同时噪声也会增大，车流量减小同时噪声也会减小，因此当车流量变化较大，而噪声变化较小的时候，则有可能发生异常；同时对变化程度与之前变化程度的均值进行比较，同一段时间内的变化程度应当相近，而比较结果的差异越大，发生异常的可能性越大，则差异程度越大。

具体的，对于第个车流量数据，该车流量数据的差异程度的计算方法为：

其中，表示第个车流量数据的数据值，表示第个车流量数据的数据值，表示第个噪声数据，即第个车流量数据对应的噪声数据的数据值，表示第个噪声数据的数据值，表示第个车流量数据对应的采集的次序值；表示第个车流量数据的数据值，表示第个车流量数据的数据值，表示第个噪声数据的数据值，表示第个噪声数据的数据值，为避免分母为0的超参数，本实施例c采用进行叙述，表示求绝对值；表示第个车流量数据的变化程度，通过该变化程度与之前变化程度的均值之间的差异来量化差异程度，变化程度与变化程度的均值的差异越大，则差异程度越大；按照上述方法获取每个车流量数据的差异程度，其中第一个车流量数据的差异程度设置为0。

进一步的，对于任意一个车流量数据，将该车流量数据的差异程度、第一时间偏差度、对应噪声数据的第二时间偏差度以及对应温度数据的数据值的乘积，记为该车流量数据的异常系数；差异程度以及两个时间偏差度，均是越大越能反映车流量数据发生异常，同时温度越高，发生异常的可能性越大，因此通过乘积来表现异常系数；按照上述方法获取每个车流量数据的异常系数，对所有异常系数进行线性归一化，得到的结果记为每个车流量数据的异常程度。

至此，获取到了每个车流量数据的异常程度，如图3所示。

步骤S004、根据车流量数据的异常程度对异常的车流量数据进行筛选，实现多源公路设施数据信号的优化收集处理。

获取到每个车流量数据的异常程度后，预设一个异常阈值，本实施例异常阈值采用0.8进行叙述，若车流量数据的异常程度大于异常阈值，表明该车流量数据采集过程发生异常，需要通过该路段其他车辆探测器获取该次车流量数据对应规定的采样时刻的车流量数据；通过对该次监测过程中所有发生异常的车流量数据进行重新获取，实现通过多源公路设施对于车流量数据的优化收集处理；若车流量数据的异常程度小于等于异常阈值，则该车流量数据采集过程正常，作为正常的车流量数据保留。

进一步的，若一次监测过程中若没有发生异常的车流量数据，则对应的车辆探测器工作正常；若一次监测过程中存在发生异常的车流量数据，则需要对车辆探测器进行及时检修，该路段的车流量数据在后续监测过程中通过其他车辆探测器获取，需要说明的是，同一路段通常有多个车辆探测器，一个停止工作进行检修本实施例认为不会影响车流量数据的获取。

至此，完成了通过多源公路设施对于车流量数据的优化收集处理，使得用于监测的车流量数据更加准确可靠。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种多源公路设施数据信号优化收集处理方法，其特征在于，该方法包括以下步骤：

采集若干车流量数据及对应的噪声数据与温度数据；

根据实际采样时刻与理论采样时刻，获取每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度；

根据相邻采样时刻的车流量数据及噪声数据，得到每个车流量数据的差异程度；根据差异程度、第一时间偏差度、第二时间偏差度及温度数据，获取每个车流量数据的异常程度；

根据车流量数据的异常程度筛选发生异常的车流量数据并重新获取，实现多源公路设施数据信号的优化收集处理；

所述每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度，具体的获取方法为：

以任意一个车流量数据为目标车流量数据，将目标车流量数据对应规定的采样时刻记为目标车流量数据的理论采样时刻，将目标车流量数据通过超声波车辆探测器实际获取的时刻记为目标车流量数据的实际采样时刻；获取每个车流量数据的理论采样时刻及实际采样时刻；

对噪声数据根据规定的采样时刻及噪声监测仪实际获取的时刻，得到每个噪声数据的理论采样时刻及实际采样时刻；

根据理论采样时刻及实际采样时刻，得到每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度；

所述得到每个车流量数据的第一时间偏差度及每个噪声数据的第二时间偏差度，包括的具体方法为：其中，表示第个车流量数据的实际采样时刻，表示第个车流量数据的理论采样时刻，表示第个车流量数据对应的采集的次序值，表示第个车流量数据的实际采样时刻，表示第个车流量数据的理论采样时刻，表示求绝对值；

获取每个车流量数据的第一时间偏差度；

根据每个噪声数据的理论采样时刻及实际采样时刻，获取每个噪声数据的第二时间偏差度；

所述得到每个车流量数据的差异程度，包括的具体方法为：

根据相邻采样时刻的车流量数据及噪声数据，获取每个车流量数据的变化程度；第个车流量数据的差异程度的计算方法为：

其中，表示第个车流量数据的变化程度，表示第个车流量数据对应的采集的次序值，表示第个车流量数据的变化程度，表示求绝对值；

获取每个车流量数据的差异程度，第一个车流量数据的差异程度设置为0；

所述每个车流量数据的变化程度，具体的获取方法为：

其中，表示第个车流量数据的数据值，表示第个车流量数据的数据值，表示第个噪声数据的数据值，表示第个噪声数据的数据值，为避免分母为0的超参数；

获取除第一个车流量数据之外每个车流量数据的变化程度。

2.根据权利要求1所述的一种多源公路设施数据信号优化收集处理方法，其特征在于，所述采集若干车流量数据及对应的噪声数据与温度数据，包括的具体方法为：

通过超声波车辆探测器获取每分钟一个路段下的车辆通过数量，得到每分钟的车流量数据；在相同的数据采集的时间间隔下，通过噪声监测仪获取每个车流量数据对应的噪声数据，通过高精度温度计获取每个车流量数据对应的温度数据。

3.根据权利要求1所述的一种多源公路设施数据信号优化收集处理方法，其特征在于，所述每个噪声数据的第二时间偏差度，具体的获取方法为：

根据噪声数据的理论采样时刻及实际采样时刻，对噪声数据计算时间偏差度，得到的结果记为每个噪声数据的第二时间偏差度。

4.根据权利要求1所述的一种多源公路设施数据信号优化收集处理方法，其特征在于，所述每个车流量数据的异常程度，具体的获取方法为：

以任意一个车流量数据为目标车流量数据，将目标车流量数据的差异程度、第一时间偏差度、对应噪声数据的第二时间偏差度以及对应温度数据的数据值的乘积，记为目标车流量数据的异常系数；获取每个车流量数据的异常系数；

根据异常系数获取每个车流量数据的异常程度。

5.根据权利要求4所述的一种多源公路设施数据信号优化收集处理方法，其特征在于，所述根据异常系数获取每个车流量数据的异常程度，包括的具体方法为：

对所有车流量数据的异常系数进行线性归一化，得到的结果记为每个车流量数据的异常程度。

6.根据权利要求1所述的一种多源公路设施数据信号优化收集处理方法，其特征在于，所述根据车流量数据的异常程度筛选发生异常的车流量数据并重新获取，包括的具体方法为：

若任意一个车流量数据的异常程度大于异常阈值，该车流量数据采集过程发生异常，需要通过与发生车流量数据采集异常的车辆探测器处于同一路段的其他车辆探测器，来获取该车流量数据对应规定的采样时刻的车流量数据；若该车流量数据的异常程度小于等于异常阈值，该车流量数据采集过程正常，作为正常的车流量数据保留。