用于高速公路路面信息快速检索方法与流程

本申请涉及数据处理领域，具体涉及用于高速公路路面信息快速检索方法。

背景技术：

1、高速公路路面信息包含了大量的数据，如道路状况、交通流量、事故报告等。这些数据往往是实时生成的，并且需要被快速检索和查询。因此，可根据高速公路路面信息进行异常状况的分析，进而对各高速公路路面信息进行相应的管理，而如何高效地处理和管理大规模的高速公路路面信息数据成为一个挑战。

2、局部异常因子检测算法具有较好的异常检测效果，但是在使用lof算法进行异常检测时，不同k值会对lof异常检测算法的结果造成不同的影响，故需要根据具体的场景确定对应的k值，以保证数据异常检测精度。传统大多为固定k值，且对于k值的设定具有随机性，导致对高速公路路面信息的检测出现较大的误差，存在错检误检的情况。

3、综上所述，本发明提出用于高速公路路面信息快速检索方法，根据高速公路路面信息所提取的特征对lof算法中的k值进行自适应设定，结合改进的lof算法对高速公路路面信息进行异常检测，获取各高速公路路面信息的异常程度，进而获取各高速公路的关注度，根据各高速公路关注度对高速公路路面信息检索排序进行自适应设定，实现高速公路路面信息的快速、高效检索。

技术实现思路

1、为了解决上述技术问题，本发明提供用于高速公路路面信息快速检索方法，以解决现有的问题。

2、本发明的用于高速公路路面信息快速检索方法采用如下技术方案：

3、本发明一个实施例提供了用于高速公路路面信息快速检索方法，该方法包括以下步骤：

4、采集各高速公路的多种路面信息，结合神经网络获取各高速公路路面信息的数据；

5、根据不同高速公路路面信息的历史数据得到不同高速公路路面信息之间第一相关性；根据聚类后各高速公路路面信息聚类结果之间的关系得到不同高速公路路面信息之间的第二相关性；将所述第一相关性与第二相关性的乘积作为不同高速公路路面信息的对应相关性；根据各高速公路的路面信息之间的对应相关性以及高速公路之间的距离得到不同高速公路之间的区域相关性；

6、采用不同k值的lof算法获取各数据所对应的各归一化异常检测值；获取各归一化异常检测值之间的对应相关性、区域相关性；将对应相关性以及区域相关性均记为相关性，根据各高速公路历史数据的相关性与归一化异常检测值的相关性之间的差异得到异常检测评价值；

7、根据不同k值对应的异常检测评价值得到最佳k值；根据最佳k值结合lof算法获取各高速公路路面信息异常程度；根据各高速公路路面信息异常程度以及高速公路历史检索信息得到各高速公路关注度；结合各高速公路关注度完成高速公路路面信息的检索排序。

8、优选的，所述结合神经网络获取各高速公路路面信息的数据具体为：各高速公路摄像头采集的图像作为神经网络的输入，神经网络的输出为各高速公路路面信息的数据，其中，神经网络输出结果为0到1。

9、优选的，所述第一相关性表达式为：

10、

11、式中，为归一化处理，t表示历史数据量，表示历史数据中第c个属性的第u个历史数据，表示历史数据中第d个属性的第u个历史数据，表示历史数据中第c个属性对应历史数据的均值，表示历史数据中第d个属性对应历史数据的均值，其中所述属性代表高速公路路面信息，为第c个属性对应的高速公路路面信息和第d个属性对应的高速公路路面信息之间的第一相关性，为每个属性的历史数据索引值。

12、优选的，所述第二相关性表达式为：

13、

14、式中，为属性c、d之间的第二相关性，表示第c个属性的聚类簇数量，表示属性d的第一聚类簇的数量，表示属性d的第二聚类簇数量，表示第二聚类簇o中各数据到聚类中心点的欧氏距离均值，为归一化处理，为每个属性的聚类簇索引值，为每个属性的第二聚类簇索引值。

15、优选的，所述区域相关性包括：对于任意两个不同的高速公路，区域相关性与所述两个不同高速公路之间的距离成反比关系，与两个不同高速公路的各高速公路路面信息对应相关性差值绝对值成反比关系。

16、优选的，所述异常检测评价值包括：计算各高速公路历史数据的相关性与对应归一化异常检测值相关性的差值绝对值的和值，将所述和值的倒数作为异常检测评价值。

17、优选的，所述根据不同k值对应的异常检测评价值得到最佳k值具体步骤包括：

18、计算不同k值的异常检测评价值，并将异常检测评价值高于阈值所对应的k值作为最佳k值。

19、优选的，所述高速公路路面信息异常程度包括：对于各高速公路，采用lof算法结合最佳k值获取高速公路各路面信息的归一化异常检测值，将最大归一化异常检测值作为高速公路路面信息异常程度。

20、优选的，所述高速公路关注度包括：

21、对于各高速公路，获取高速公路的历史检索次数与所有高速公路历史检索次数之和的比值；获取所述比值与高速公路具体信息查看次数的乘积；

22、将所述乘积与高速公路路面信息异常程度的乘积作为高速公路关注度。

23、优选的，所述结合各高速公路关注度完成高速公路路面信息的检索排序包括：

24、将关注度最大的高速公路的检索顺序排在最上面，按照关注度从大到小的顺序依次对各高速公路检索顺序进行从上到下排序。

25、本发明至少具有如下有益效果：

26、考虑到传统lof算法在进行高速公路路面信息检测处理时，极易出现错检、误检现象，本发明通过基于高速公路历史数据进行分析，进而获取各项高速公路路面信息之间相关性，同时分析不同高速公路之间对应数据相关性，可提高高速公路数据之间相关性的检测精度，进而保证各高速公路路面信息的检索排序效果；

27、为避免传统lof异常检测过程中k值固定选取或者随机设定的问题，本发明结合使用lof算法所得各异常检测值之间的相关性构建lof算法效果检测的异常检测评价值，进而获取算法对应优选k值，提高了使用lof算法得到异常检测值的准确性，进而提高基于此得到的高速公路信息关注度的真实性、可靠性，同时保证在进行高速公路检索结果的排序时，排序结果更理想，增加用户检索时的速度，使得用户可以快速检索到其目标高速公路的路面信息，提高检索效率。本发明具有高速公路路面信息检测精度高、检索高效等有益效果。

技术特征：

1.用于高速公路路面信息快速检索方法，其特征在于，该方法包括以下步骤：

2.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述结合神经网络获取各高速公路路面信息的数据具体为：各高速公路摄像头采集的图像作为神经网络的输入，神经网络的输出为各高速公路路面信息的数据，其中，神经网络输出结果为0到1。

3.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述第一相关性表达式为：

4.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述第二相关性表达式为：

5.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述区域相关性包括：对于任意两个不同的高速公路，区域相关性与所述两个不同高速公路之间的距离成反比关系，与两个不同高速公路的各高速公路路面信息对应相关性差值绝对值成反比关系。

6.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述异常检测评价值包括：计算各高速公路历史数据的相关性与对应归一化异常检测值相关性的差值绝对值的和值，将所述和值的倒数作为异常检测评价值。

7.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述根据不同k值对应的异常检测评价值得到最佳k值具体步骤包括：

8.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述高速公路路面信息异常程度包括：对于各高速公路，采用lof算法结合最佳k值获取高速公路各路面信息的归一化异常检测值，将最大归一化异常检测值作为高速公路路面信息异常程度。

9.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述高速公路关注度包括：

10.如权利要求1所述的用于高速公路路面信息快速检索方法，其特征在于，所述结合各高速公路关注度完成高速公路路面信息的检索排序包括：

技术总结
本发明涉及数据处理领域，具体涉及用于高速公路路面信息快速检索方法，根据不同高速公路路面信息的历史数据计算第一相关性以及第二相关性；将第一相关性与第二相关性的乘积作为不同高速公路路面信息的对应相关性；根据各高速公路的路面信息之间的对应相关性以及高速公路之间的距离得到不同高速公路之间的区域相关性，然后根据各高速公路历史数据的相关性与归一化异常检测值的相关性之间的差异得到异常检测评价值；根据异常检测评价值得到最佳K值；结合LOF算法获取各高速公路路面信息异常程度，进而计算各高速公路关注度；结合关注度对高速公路路面信息的检索排序。从而实现高速公路路面信息检索排序，具有较高检索效率。

技术研发人员：孙楠,樊吉飞,李可佳,张鑫,王婵,张高峰,田龙,李绩
受保护的技术使用者：陕西交通电子工程科技有限公司
技术研发日：
技术公布日：2024/1/15