[发明专利]基于智能网联的车辆队列控制数据处理方法

权利要求书

1.基于智能网联的车辆队列控制数据处理方法，其特征在于，该方法包括以下步骤：

获取多维历史前车行驶数据和实时新增数据，所述实时新增数据中包含实时新增数据点；

预设实时新增数据中实时新增数据点的距离邻域，根据实时新增数据中实时新增数据点的距离邻域，得到实时新增数据中实时新增数据在距离邻域中的链接距离，根据实时新增数据中实时新增数据在距离邻域中的链接距离，得到实时新增数据中实时新增数据点的实时性优化因子；

获取实时新增数据中实时新增数据点在距离邻域的离群因子，根据实时新增数据中实时新增数据点的实时性优化因子以及实时新增数据中实时新增数据点在距离邻域的离群因子，得到实时新增数据中实时新增数据点的准确性异常程度；

根据实时新增数据中实时新增数据点的准确性异常程度对车辆行驶调控；

所述根据实时新增数据中实时新增数据点的距离邻域，得到实时新增数据中实时新增数据在距离邻域中的链接距离，具体获取方法如下：

其中，表示第个实时新增数据点的距离邻域中的路径数量，表示第个实时新增数据点的距离邻域中的第个路径的路径距离，表示第个路径的索引值，表示实时新增数据中第个实时新增数据在距离邻域中的链接距离；

所述根据实时新增数据中实时新增数据在距离邻域中的链接距离，得到实时新增数据中实时新增数据点的实时性优化因子，包括的具体步骤如下：

其中，表示实时新增数据中第个实时新增数据点的实时性优化因子，表示实时新增数据中第个实时新增数据点的距离邻域，表示实时新增数据中第个实时新增数据在距离邻域中的链接距离，表示实时新增数据中第个实时新增数据在距离邻域中的链接距离，表示实时新增数据中实时新增数据点的总个数，表示对实时新增数据在距离邻域中的所有链接距离量化得到的值进行线性归一化处理；

所述根据实时新增数据中实时新增数据点的实时性优化因子以及实时新增数据中实时新增数据点在距离邻域的离群因子，得到实时新增数据中实时新增数据点的准确性异常程度，包括的具体步骤如下：

其中，表示实时新增数据中第个实时新增数据点的准确性异常程度，表示实时新增数据中第个实时新增数据点的实时性优化因子，表示实时新增数据中第个实时新增数据点的距离邻域形成的序列，表示任意一个多维历史前车行驶数据中第个数据点的距离邻域形成的序列，表示实时新增数据中第个实时新增数据点的距离邻域形成的序列与任意一个多维历史前车行驶数据中第个数据点的距离邻域形成的序列之间的距离；

表示对所有实时新增数据点的距离邻域形成的序列分别与所有多维历史前车行驶数据中每个数据点的距离邻域形成的序列之间的距离进行线性归一化处理，表示选取线性归一化处理后的最小距离值，表示实时新增数据中第个实时新增数据点在距离邻域的离群因子，表示对实时新增数据中所有实时新增数据点在距离邻域的离群因子进行线性归一化。

2.根据权利要求1所述基于智能网联的车辆队列控制数据处理方法，其特征在于，所述实时新增数据点的距离邻域中的第个路径的路径距离，具体获取方法如下：

第个路径的路径距离为实时新增数据点的距离邻域中第一个数据点到第个数据点之间的欧式距离。

3.根据权利要求1所述基于智能网联的车辆队列控制数据处理方法，其特征在于，所述根据实时新增数据中实时新增数据点的准确性异常程度对车辆行驶调控，包括的具体步骤如下：

预设实时数据准确程度阈值，获取实时新增数据中所有实时新增数据点的准确性异常程度，将所有实时新增数据点的准确性异常程度均值作为实时新增数据的准确性异常程度，当实时新增数据的准确性异常程度小于实时数据准确程度阈值时，将实时新增数据作为准确数据进行车辆行驶调控，当实时新增数据的准确性异常程度大于等于实时数据准确程度阈值时，则向前车进行新的实时新增数据请求，重新获取新的实时新增数据的准确性异常程度，当新的实时新增数据的准确性异常程度小于实时数据准确程度阈值时，通过新的实时新增数据进行车辆行驶的调控。