[发明专利]一种基于KNN算法的交通流异常数据双向检测修复方法

权利要求书

1.一种基于KNN算法的交通流异常数据双向检测修复方法，其特征在于，该方法包括以下步骤：

1)获取正常的交通流历史数据，按照时间序列，将连续的每5个数据划分为一组，并建立历史数据状态向量库{X_n}，历史数据状态向量X_n的表现形式为：

X_n＝{v_h1，v_h2，v_h3，v_h4，v_h5}；

2)获取待修复的交通流数据中的异常值，并将此异常值标记为v(w)；

3)根据异常值构建异常数据状态向量X，构建异常数据状态向量X的具体方法为：

31)将异常值v(w)放入异常数据状态向量X中；

32)在待修复的交通流数据中，以异常值v(w)所在位置为起点，分别向前后两个方向，按照先前再后的顺序进行检测，舍弃在此过程中检测出的异常值，并将非异常值按顺序放入异常数据状态向量X，直到异常数据状态向量X中仅有一个异常值v(w)；

4)计算异常数据状态向量X与所有历史数据状态向量X_n之间的欧氏距离d，并进行优选，获取k组优选后的历史数据状态向量以及对应的欧氏距离d_i(i＝1，2...k)，由异常数据状态向量X中除异常值以外的4个数据与历史数据状态向量X_n中对应位置的4个数据计算欧氏距离d，具体包括以下步骤：

将异常数据状态向量X与所有历史数据状态向量X_n之间的欧氏距离d按照从小到大的顺序排列，选取前k个欧氏距离作为优选的欧氏距离d_i；

5)根据k组优选后的历史数据状态向量以及对应的欧氏距离d_i计算修复值v(w)′，修复值v(w)′的计算式为：

其中，α_i为优选后第i组历史数据状态向量的权重，v_hi(w)为优选后第i组历史数据状态向量中与异常值对应的历史数据，所述的k取值为25，所述的权重α_i的选择计算式为：

6)对异常值进行删除填补修复。