基于大数据的绿色生态城市信息化管理系统的制作方法

本发明涉及城市信息管理，具体涉及基于大数据的绿色生态城市信息化管理系统。

背景技术：

1、在绿色生态城市信息化管理中，交通方面的管理一直都是重点，随着城市的发展，城市中的汽车数量越来越多，车辆拥堵情况也越来越严重，因此如何通过大数据技术对城市交通数据进行分析以达到较好的交通管理效果，提高出行效率，降低能源消耗和污染物排放是至关重要的。

2、现有的对于城市交通数据的分析是通过stl时间序列算法提取数据中的趋势信息和周期信息，辅助相关人员对容易出现堵车的时间点以及路段等进行分析，进而采取对应的管理措施。但是由于交通状况与天气、路段等因素之间并不是简单的线性关系，因此采用stl时间序列算法拟合时，会出现过拟合或欠拟合的情况，拟合结果不准确，使得城市交通数据的分析结果较差，进而导致城市交通管理的效果较差。

技术实现思路

1、为了解决现有方法存在的城市交通数据的拟合结果不准确的问题，本发明的目的在于提供一种基于大数据的绿色生态城市信息化管理系统，所采用的技术方案具体如下：

2、本发明提供了一种基于大数据的绿色生态城市信息化管理系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

3、获取待分析路段在预设时间段内各采集时刻的通车速度和气象指标，基于所述气象指标获得各采集时刻的天气干扰度；

4、根据预设时间段内所有采集时刻的通车速度之间的差异，得到预设时间段对应的路况评估值；基于预设时间段内各采集时刻的天气干扰度与其他天气干扰度之间的差异，确定各采集时刻的天气干扰度的相关数据；根据预设时间段内各采集时刻的天气干扰度对应的通车速度与其他通车速度之间的差异以及对应的相关数据的数量，得到各天气干扰度的基础权重值；

5、基于所述路况评估值和所述基础权重值获得对应的通车速度的权重系数；基于所述权重系数对预设时间段内所有采集时刻的通车速度进行拟合，获得对应的趋势数据和周期数据。

6、优选的，所述基于预设时间段内各采集时刻的天气干扰度与其他天气干扰度之间的差异，确定各采集时刻的天气干扰度的相关数据，包括：

7、基于预设时间段内所有采集时刻的通车速度，按照时间先后顺序构建通车速度序列；

8、对于所述通车速度序列中的任一天气干扰度：

9、以该天气干扰度为中心数据，选取预设数量个天气干扰度，将中心数据和选取的所有天气干扰度构成的序列作为子序列，获得子序列对应的波动指标，当子序列对应的波动指标满足预设判定条件时，将子序列中除中心数据外的其他所有天气干扰度作为该天气干扰度的相关数据；当子序列对应的波动指标不满足预设判定条件时，将预设数量按照固定步长增加，对应的更新子序列，直到更新后的子序列对应的波动指标满足预设判定条件，获得该天气干扰度的相关数据。

10、优选的，获得子序列对应的波动指标的方法为：

11、根据中心数据与子序列中其他各天气干扰度的大小关系，得到子序列中除中心数据外的其他各天气干扰度对应的参考权重；

12、将子序列中所有天气干扰度的均值记为第一平均值，根据子序列中除中心数据外的其他各天气干扰度与所述第一平均值的差异以及对应的参考权重，得到子序列对应的波动指标，所述其他各天气干扰度与所述第一平均值的差异、所述参考权重均与所述波动指标呈正相关关系。

13、优选的，根据中心数据与子序列中其他各天气干扰度的大小关系，得到子序列中除中心数据外的其他各天气干扰度对应的参考权重，包括：

14、若子序列中其他天气干扰度小于或等于中心数据，则将对应的其他天气干扰度对应的参考权重设置为预设数值；若子序列中其他天气干扰度大于中心数据，则计算其他天气干扰度与中心数据的差值，将所述差值与预设数值的和值作为对应的其他天气干扰度对应的参考权重。

15、优选的，所述根据预设时间段内各采集时刻的天气干扰度对应的通车速度与其他通车速度之间的差异以及对应的相关数据的数量，得到各天气干扰度的基础权重值，包括：

16、对于预设时间段内任一采集时刻：

17、将预设时间段内与该采集时刻的通车速度相同的采集时刻的天气干扰度记为该采集时刻对应的参考天气干扰度；计算该采集时刻对应的所有参考天气干扰度的标准差；

18、统计各参考天气干扰度的相关数据的数量；对所述数量进行负相关归一化处理获得各参考天气干扰度对应的第一指标；基于所有参考天气干扰度的最大值和最小值获得目标取值范围，统计预设时间段内天气干扰度处于目标取值范围内的天气干扰度的个数，将所有第一指标的和值与所述个数之间的比值记为第一特征指标；

19、根据所述第一特征指标和所述标准差，得到该采集时刻的天气干扰度的基础权重值，所述第一特征指标与所述基础权重值呈正相关关系，所述标准差与所述基础权重值呈负相关关系。

20、优选的，所述根据预设时间段内所有采集时刻的通车速度之间的差异，得到预设时间段对应的路况评估值，包括：

21、将预设时间段内所有采集时刻的通车速度的均值记为第一均值，将预设时间段内小于或等于所述第一均值的通车速度记为特征速度，将所有特征速度的均值记为第二均值；

22、根据各特征速度与所述第一均值之间的差异以及各特征速度与所述第二均值之间的差异，得到预设时间段对应的路况评估值，所述各特征速度与所述第一均值之间的差异、所述各特征速度与所述第二均值之间的差异均与所述路况评估值呈正相关关系。

23、优选的，所述基于所述路况评估值和所述基础权重值获得对应的通车速度的权重系数，包括：

24、将各天气干扰度的基础权重值与预设调整参数的和值记为第二特征指标，将所述路况评估值与所述第二特征指标的比值作为对应的通车速度的权重系数。

25、优选的，所述基于所述权重系数对预设时间段内所有采集时刻的通车速度进行拟合，获得对应的趋势数据和周期数据，包括：

26、对所述权重系数进行归一化处理获得预设时间段内各采集时刻对应的拟合权重值；

27、基于所述拟合权重值，采用stl时间序列算法对预设时间段内所有采集时刻的通车速度进行拟合，获得对应的趋势数据和周期数据。

28、本发明至少具有如下有益效果：

29、本发明考虑到在对城市交通进行管理时，需要对通车速度数据进行分析，而在对通车速度数据进行分析时，主要需要对其进行分解进而分析其中存在的趋势特征以及周期特征，现有的交通数据分解算法并未考虑到交通数据会受到天气等因素的干扰，进而导致其用于趋势分析时并不具备线性特征，同时这类数据在参与其余数据拟合时还会影响拟合效果，本发明对预设时间段内每个采集时刻的天气干扰度对应的通车速度与其他通车速度之间的差异以及对应的相关数据的数量进行了分析，并结合预设时间段对应的路况评估值，确定了每个采集时刻的通车速度的权重系数，本发明结合实际交通情况对通车速度与天气干扰度之间的关系进行了分析，基于分析结果对每个通车速度进行拟合时对应的权重值进行调整，避免了非线性因素对拟合结果的干扰，同时结合实际情况增大了拟合时的局部细节，提高了拟合结果的准确度，进而能够提高城市交通管理的效果。