CN113869439A - 一种数据融合方法、装置及电子设备 - Google Patents
一种数据融合方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113869439A CN113869439A CN202111170376.3A CN202111170376A CN113869439A CN 113869439 A CN113869439 A CN 113869439A CN 202111170376 A CN202111170376 A CN 202111170376A CN 113869439 A CN113869439 A CN 113869439A
- Authority
- CN
- China
- Prior art keywords
- pieces
- data
- index data
- index
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种数据融合方法、装置及电子设备,涉及人工智能领域,尤其涉及智能交通、自动驾驶等技术领域。具体方案为:获取当前时间窗内接收到的N条指标数据,N条指标数据为N个第一数据源提供的目标交通指标的指标数据;在当前时间窗之后的预设时长内接收到M个第二数据源提供的目标交通指标的M条指标数据的情况下,将N条指标数据与M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据。这样,可提高指标数据的完整性,从而提高当前时间窗口的数据融合的准确性。
Description
技术领域
本公开涉及人工智能领域,尤其涉及智能交通、自动驾驶等技术领域,具体涉及一种数据融合方法、装置及电子设备。
背景技术
在智慧交通多场景的业务情况下,存在多种来源的交通指标数据,例如,目前主要分为地面监测器和互联网大数据两种,地面检测器类型的具体如交叉口位置安装的电子警察、卡口、雷达视频一体机、在交叉口进口道或出口道等附近安装的地磁设备等;互联网交通指标数据可利用用户安装导航相关软件日志的数据挖掘产出交通指标数据,以及根据在目标检测车辆上检测的定位、位置、时间等数据产出的交通指标数据。
由于存在多源提供的交通指标数据,需要对多源提供的交通指标数据进行融合,以得到最终的交通指标数据。目前,在数据融合过程中,常采用的方式是通过时间对齐融合数据。
发明内容
本公开提供一种数据融合方法、装置及电子设备。
第一方面,本公开一个实施例提供一种数据融合方法,所述方法包括:
获取当前时间窗内接收到的N条指标数据,所述N条指标数据为N个第一数据源提供的目标交通指标的指标数据;
在所述当前时间窗之后的预设时长内接收到M个第二数据源提供的所述目标交通指标的M条指标数据的情况下,将所述N条指标数据与所述M条指标数据进行融合,得到所述当前时间窗内的所述目标交通指标的融合指标数据,所述N条指标数据与所述M条指标数据均对应目标路网对象,M、N为正整数。
在本实施例的数据融合方法中,可先获取在当前时间窗内接收到的N个第一数据源提供的目标交通指标的N条指标数据,在当前时间窗之后等待预设时长,对预设时长内接收到的M个第二数据源提供的目标交通指标的M条指标数据与M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据,这样,可提高指标数据的完整性,从而提高当前时间窗口的数据融合的准确性。
第二方面,本公开一个实施例提供一种数据融合装置,所述装置包括:
数据获取模块,用于获取当前时间窗内接收到的N条指标数据,所述N条指标数据为N个第一数据源提供的目标交通指标的指标数据;
融合模块,用于在所述当前时间窗之后的预设时长内接收到M个第二数据源提供的所述目标交通指标的M条指标数据的情况下,将所述N条指标数据与所述M条指标数据进行融合,得到所述当前时间窗内的所述目标交通指标的融合指标数据,所述N条指标数据与所述M条指标数据均对应目标路网对象,M、N为正整数。
第三方面,本公开一个实施例还提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开如第一方面提供的数据融合方法。
第四方面,本公开一个实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开如第一方面提供的数据融合方法。
第五方面,本公开一个实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现本公开如第一方面提供的数据融合方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开提供的一个实施例的数据融合方法的流程示意图之一;
图2是本公开提供的一个实施例的数据融合方法的流程示意图之二;
图3是本公开提供的一个实施例的实现数据融合方法的数据融合系统的框架图;
图4是本公开提供的一个实施例的数据融合装置的结构图之一;
图5是本公开提供的一个实施例的数据融合装置的结构图之二;
图6是用来实现本公开实施例的数据融合方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。本公开的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
如图1所示,根据本公开的实施例,本公开提供一种数据融合方法,方法包括:
步骤S101:获取当前时间窗内接收到的N条指标数据,N条指标数据为N个第一数据源提供的目标交通指标的指标数据。
在本实施例中,目标交通指标可以是多个交通指标中的任一交通指标,在本实施例中不作限定,例如,可以是车流量、交通拥堵情况等。可以理解,交通路网中包括多个路网对象(例如,包括但不限于车道、流向、分支、路口、路段、干线、道路、辖区等)以及路网对象的拓扑连接结构等,目标交通指标的指标数据是针对交通路网中的目标路网对象的目标交通指标的指标数据,某个路口或某个车道等路网对象的目标交通指标的指标数据。
不同数据源根据各自获取的交通源数据进行交通指标的指标数据的计算,本数据融合系统(实现上述数据融合方法)可接入多个数据源提供的交通指标的指标数据。数据源可以包括但不限于地面监测器、摄像头、雷达视频一体机、交通信号灯、导航应用等,地面监测器可以包括但不限于地磁设备、电子警察以及卡口等。
可预先设置一个时间窗口大小,例如,5分钟等,即每个时间窗的时间大小为5分钟,每5分钟可进行一次融合。在当前时间窗口结束,即可获取当前时间窗内接收到的N条指标数据。
步骤S102:在当前时间窗之后的预设时长内接收到M个第二数据源提供的目标交通指标的M条指标数据的情况下,将N条指标数据与M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据。
N条指标数据与M条指标数据均对应目标路网对象,M、N为正整数。
由于不同数据源对应的传输延时、传输速度以及传输的数据的大小不同,到达本数据融合系统有延迟,如此,以当前时间窗的结束时间为开始时间,给定一个预设时长的等待,检测在当前时间窗结束后等待预设时长内是否有接收到数据源提供的目标交通指标的指标数据,若接收到,则将在当前时间窗之后的预设时长内接收到的N条指标数据与M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据,以提高指标数据的完整性,从而提高数据融合的准确性。
在本实施例的数据融合方法中,可先获取在当前时间窗内接收到的N个第一数据源提供的目标交通指标的N条指标数据,在当前时间窗之后等待预设时长,对预设时长内接收到的M个第二数据源提供的目标交通指标的M条指标数据与M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据,这样,可提高指标数据的完整性,从而提高当前时间窗口的数据融合的准确性。
在一个实施例中,将N条指标数据与M条指标数据进行融合之前,还包括:利用统一的字段,对N条指标数据与M条指标数据进行字段更新;其中,统一的字段包括以下至少一项:
路网对象标识字段;
指标标识字段。
也即是在本实施例中,如图2所示,提供一种数据融合方法,可包括:
步骤S201:获取当前时间窗内接收到的N条指标数据,N条指标数据为N个第一数据源提供的目标交通指标的指标数据。
步骤S101与步骤S201对应,不再赘述。
步骤S202:在当前时间窗之后的预设时长内接收到M个第二数据源提供的目标交通指标的M条指标数据的情况下,利用统一的字段,对N条指标数据与M条指标数据进行字段更新;
步骤S203:将更新后的N条指标数据与更新后的M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据。
可以理解,不同数据源传输的同一目标交通指标的指标数据中,存在协议字段的差异,例如,在空间上,不同数据源可能采用的交通路网不同,则交通路网中的路网对象的标识也可能不同,采用的交通指标的标识也可能不同,即不同数据源对于同一个路网对象可采用不同的对象标识字段,另外,不同数据源对于同一交通指标可采用不同的指标标识字段,从而,可先利用统一的字段对N条指标数据与M条指标数据进行字段更新,使N条指标数据与M条指标数据中对于同一交通指标采用同一交通指标标识字段表示,以及N条指标数据与M条指标数据中对于同一路网对象采用同一路网对象标识字段表示,后续是对更新后的N条指标数据与更新后的M条指标数据进行融合,以便于后续的融合。
在一个实施例中,将N条指标数据与M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据,包括:
利用N条指标数据的目标时间以及M条指标数据的目标时间,对N条指标数据与M条指标数据进行过滤,得到过滤后的P条指标数据,P条指标数据为当前时间窗内的目标交通指标的融合指示数据,P为正整数。
每条指标数据有对应的时间标记信息,即目标时间,在得到N条指标数据与M条指标数据后,可根据N条指标数据的目标时间以及M条指标数据的目标时间,对N条指标数据与M条指标数据进行过滤,也即是根据指标数据的目标时间进行指标数据过滤,以提高得到的融合指标数据的准确性。
在一个实施例中,目标时间包括以下任一项:
起始计算时间;
结束计算时间;
发送时间。
可以理解,任一条指标数据是根据其对应的起始计算时间到结束计算时间的时间段内的交通源数据计算得到的,即该指标数据是在其对应的起始计算时间到结束计算时间的时间段内的交通源数据计算得到的指标数据,发送时间可以理解为数据源发送指标数据的时间。在本实施例中,可通过上述三个时间中的任一时间来对N条指标数据与M条指标数据进行过滤,得到过滤后的P条指标数据,以提高指标数据过滤的准确性。
在一个实施例中,P条指标数据中任意两条指标数据的目标时间之差小于预设时间差。
也即是,接收到的一条指标数据,如果该指标数据的目标时间和在当前时间窗口内已接收到的指标数据的目标时间之间的时间差大于或等于预设时间差,则该指标数据可能存在乱序发送,例如,本应在之前或之后的时间窗口内发送的,当前时间窗口内发送了,可将其过滤删除,如此,过滤后得到的P条指标数据中任意两条指标数据的目标时间之差小于预设时间差,这样,可提高得到的融合指标数据的准确性。
在一个实施例中,N条指标数据包括第一类型的指标数据和第二类型的指标数据中的至少一种,M条指标数据包括第一类型的指标数据和第二类型的指标数据中的至少一种;
P条指标数据中任意两条相同类型的指标数据的目标时间之差小于相同类型对应的预设时间差。
对于同一目标交通指标,不同的数据源发送指标数据的方式不同,从而导致发送的指标数据的类型不同,例如,有周期类型的指标数据,即周期性发送的指标数据,有脉冲类型的指标数据,即以脉冲方式发送的指标数据。例如,时间长度为L(例如,30秒-5分钟)的时段类型,表示一段时间产出该时间窗计算的指标,对于目标交通指标,每隔L计算产出一次指标数据,然后发送,则发送的指标数据为周期类型;时间长度为N(例如,0秒-5秒)以及频率为QHz(QHz表达1秒Q个指标数据)的指标数据,为脉冲类型。在本实施例中,第一类型可以是周期类型,第二类型可以是脉冲类型,或者,第一类型可以是脉冲类型,第二类型可以是周期类型。
在本实施例中,对于不同类型,可分别对应不同的预设时间差,M+N条指标数据(上述N条指标数据和M条指标数据)中可包括第一类型的指标数据和第二类型的指标数据中的至少一种,对于在当前时间窗内获得的某条指标数据,是将该条指标数据的时间差和当前时间窗内已接收到的指标数据中与该条指标数据的类型相同的指标数据的目标时间之间的时间差与该类型对应的预设时间差进行比较,若小于该预设时间差,则该条指标数据满足融合要求,不进行过滤,否则,将其过滤删除,可提高指标数据过滤的准确性。
下面以一个具体实施例对上述数据融合的过程加以具体说明。如图3所示,为实现本公开实施例提供的数据融合方法的数据融合系统的框架图。
现有智慧交通多场景业务情况下,存在来自多种来源的交通指标数据,因各自的差异较大的数据特性,数据融合是一个难题,在实际应用中存在较多问题。例如,目前现有的融合方案不满足普适性,未将多源多时空的交通指标数据融合提出通用解放方案等。
本公开提出一种通用高效可靠的多源多时空交通指标的数据融合技术方案,解决多源多时空因各自差异性导致的数据融合难题,并在已有的智能交通项目中应用,可作为交通大数据、交通大脑、交通信控等产品的可靠交通指标数据依赖源。
在智慧交通多场景的业务下情况下,存在多种来源的交通源数据,目前主要分为地面监测器和互联网大数据两种,地面检测器,例如交叉口位置安装的电子警察、卡口、雷达视频一体机、在交叉口进口道或出口道附近安装的地磁设备等,可根据地面检测器检测的交通源数据进行交通指标的指标数据的计算等;互联网交通源数据,例如用户安装导航相关软件日志的数据,根据日志挖掘产出对应的交通指标的指标数据,另外,也可在目标检测车辆上安装检测器,检测车辆定位、位置、时间等数据,依据这些数据产出交通指标的指标数据等。
多种数据源产出的交通指标的指标数据来自不同服务程序、不同数据格式、不同数据特性(如数据量级、协议字段差异、传输延迟、传输速度等)。通过本实施例的数据融合方法,可实现在业务上满足表达相同时间颗粒度、空间颗粒度的交通指标的指标数据,进行数据融合处理,提高得到融合交通指标数据的准确性和效率。
首先,对于在指标数据表达建模方面:对目标交通指标的所有指标数据按照相同字段表结构赋值,分类差异化由在类型上用相同字段不同值表达。
即所有需要进行融合的指标数据,在空间上,在数据融合之前,按照统一交通路网的空间颗粒度标注,对于某个路网对象的任一交通指标的指标数据,各个服务模块计算或挖掘时候提供统一的空间ID(标识)表达。
例如,地磁设备安装在某个车道,则该车道的标识标注为统一交通路网的该车道的车道标识,电警摄像头视频感知、V2X设备、雷达视频一体机设备等计算照的是某个方向以及某个车道,对静态拍照的底片图片进行车道线标注,且车道线内形成的车道的标识为统一交通路网的该车道的车道标识。如互联网大数据交通指标覆盖的是具体某个车道、路段、路口、流程均在计算之前按照统一已制作的交通路网的路网对象的标识标注。
对于所有需要进行融合的指标数据,在时间上,分别为指标数据标注有时间标记信息,例如:指标计算窗起始时间(起始计算时间)、指标计算窗结束时间(结束计算时间)、指标产出后发射到如kafka(一个开源流处理平台)实时流topic的时间(发送时间)。
对于所有需要进行融合的交通指标的指标标识,也可通过该交通指标的统一的指标标识来标注。
对于在流式数据融合计算方面:
工程实际选型为Kafka负责数据实时流发布与消费,Flink(一种开源流处理框架)负责消费kafka获取实时流,并融合计算。
其中,对不同数据源,不同数据频次(如时间长度为L的时段类型、时间长度为n的脉冲),对指标计算窗结束时间即表达该指标时间窗结束时间进行流式计算水印设置,目的是对每一条指标数据维护一个long型值(目标时间),被每条指标数据内的时间标记信息更新,从而可为后续时间窗截取一部分数据提供参考。按照flink cogroup算子,或者接受两种不同数据类型或字段类型的数据,在接收多数据源提供的每条指标数据流触发融合策略计算。
其中,策略计算中,例如,两种类型指标数据,一个为脉冲式,一个为周期级,则在先接收到脉冲式时触发周期级指标倒计时等待周期级指标,若在等待中获取到周期级指标数据,则中断等待将获取到的两条指标数据融合,一个为缓存,上一个key(键值)对应脉冲式,与当前key对应周期级,按照业务策略即可将脉冲式打平到周期级。若先接收到周期级指标数据,表达该周期已实际结束,但因实际脉冲级指标数据传输可能延迟等原因,给一个小值(1-7秒经验值)触发等待,若没遇到脉冲则直接将该周期级指标数据输出为融合结果。该场景对脉冲的溢流、非脉冲的信号周期、分钟周期交通指标数据融合比较适合。又例如,对于两个指标数据,均为周期级,但来自不同数据源,则在先接收到的第一个该空间该时间类型的指标后,触发一个小值等待(1-7秒经验值),因该指标数据已为周期结束,理应其他数据源的周期级也立即达到,但因实际传输或自身计算等原因存在小值延迟。如小值等待内收到其他数据源相同时空指标数据,则进入差异数据数据源相同时空颗粒度的具体业务计算并写出kafka,具体以实际业务为主,若未接收到其他数据源提供的指标数据则直接等待结束后触发写出kafka。
本公开实施例的数据融合方法中,指标数据在自身计算挖掘时采用统一路网模型标注,为下游交通业务提供统一高效的指标利用收益。通过对不同指标特性采用统一流式融合计算方法,提供了差异化数据源相同时间空间颗粒度,提供不同指标或相同指标的融合计算能力。
如图4所示,根据本公开的实施例,本公开还提供一种数据融合装置400,装置包括:
数据获取模块401,用于获取当前时间窗内接收到的N条指标数据,N条指标数据为N个第一数据源提供的目标交通指标的指标数据;
融合模块402,用于在当前时间窗之后的预设时长内接收到M个第二数据源提供的目标交通指标的M条指标数据的情况下,将N条指标数据与M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据,N条指标数据与M条指标数据均对应目标路网对象,M、N为正整数。
如图5所示,在一个实施例中,装置400还包括:
更新模块403,用于融合模块执行将N条指标数据与M条指标数据进行融合之前,利用统一的字段,对N条指标数据与M条指标数据进行字段更新,其中,统一的字段包括以下至少一项:
路网对象标识字段;
指标标识字段。
在一个实施例中,将N条指标数据与M条指标数据进行融合,得到当前时间窗内的目标交通指标的融合指标数据,包括:
利用N条指标数据的目标时间以及M条指标数据的目标时间,对N条指标数据与M条指标数据进行过滤,得到过滤后的P条指标数据,P条指标数据为当前时间窗内的目标交通指标的融合指示数据,P为正整数。
在一个实施例中,目标时间包括以下任一项:
起始计算时间;
结束计算时间;
发送时间。
在一个实施例中,P条指标数据中任意两条指标数据的目标时间之差小于预设时间差。
在一个实施例中,N条指标数据包括第一类型的指标数据和第二类型的指标数据中的至少一种,M条指标数据包括第一类型的指标数据和第二类型的指标数据中的至少一种;
P条指标数据中任意两条相同类型的指标数据的目标时间之差小于相同类型对应的预设时间差。
上述各实施例的数据融合装置为实现上述各实施例的数据融合方法的装置,技术特征对应,技术效果对应,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质以及一种计算机程序产品。
本公开实施例的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本公开所提供的数据融合方法。
本公开实施例的计算机程序产品,包括计算机程序,所述计算机程序用于使计算机执行本公开各实施例提供的数据融合方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元606加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(I)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如数据融合方法。例如,在一些实施例中,数据融合方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时,可以执行上文描述的数据融合方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据融合方法。本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种数据融合方法,所述方法包括:
获取当前时间窗内接收到的N条指标数据,所述N条指标数据为N个第一数据源提供的目标交通指标的指标数据;
在所述当前时间窗之后的预设时长内接收到M个第二数据源提供的所述目标交通指标的M条指标数据的情况下,将所述N条指标数据与所述M条指标数据进行融合,得到所述当前时间窗内的所述目标交通指标的融合指标数据,所述N条指标数据与所述M条指标数据均对应目标路网对象,M、N为正整数。
2.根据权利要求1所述的方法,其中,所述将所述N条指标数据与所述M条指标数据进行融合之前,还包括:
利用统一的字段,对所述N条指标数据与所述M条指标数据进行字段更新,其中,所述统一的字段包括以下至少一项:
路网对象标识字段;
指标标识字段。
3.根据权利要求1所述的方法,其中,所述将所述N条指标数据与所述M条指标数据进行融合,得到所述当前时间窗内的所述目标交通指标的融合指标数据,包括:
利用所述N条指标数据的目标时间以及所述M条指标数据的目标时间,对所述N条指标数据与所述M条指标数据进行过滤,得到过滤后的P条指标数据,所述P条指标数据为所述当前时间窗内的所述目标交通指标的融合指示数据,P为正整数。
4.根据权利要求3所述的方法,其中,所述目标时间包括以下任一项:
起始计算时间;
结束计算时间;
发送时间。
5.根据权利要求4所述的方法,其中,所述P条指标数据中任意两条指标数据的目标时间之差小于预设时间差。
6.根据权利要求5所述的方法,其中,所述N条指标数据包括第一类型的指标数据和第二类型的指标数据中的至少一种,所述M条指标数据包括第一类型的指标数据和第二类型的指标数据中的至少一种;
所述P条指标数据中任意两条相同类型的指标数据的目标时间之差小于所述相同类型对应的所述预设时间差。
7.一种数据融合装置,所述装置包括:
数据获取模块,用于获取当前时间窗内接收到的N条指标数据,所述N条指标数据为N个第一数据源提供的目标交通指标的指标数据;
融合模块,用于在所述当前时间窗之后的预设时长内接收到M个第二数据源提供的所述目标交通指标的M条指标数据的情况下,将所述N条指标数据与所述M条指标数据进行融合,得到所述当前时间窗内的所述目标交通指标的融合指标数据,所述N条指标数据与所述M条指标数据均对应目标路网对象,M、N为正整数。
8.根据权利要求7所述的装置,其中,所述装置还包括:
更新模块,用于所述融合模块执行将所述N条指标数据与所述M条指标数据进行融合之前,利用统一的字段,对所述N条指标数据与所述M条指标数据进行字段更新,其中,所述统一的字段包括以下至少一项:
路网对象标识字段;
指标标识字段。
9.根据权利要求7所述的装置,其中,所述将所述N条指标数据与所述M条指标数据进行融合,得到所述当前时间窗内的所述目标交通指标的融合指标数据,包括:
利用所述N条指标数据的目标时间以及所述M条指标数据的目标时间,对所述N条指标数据与所述M条指标数据进行过滤,得到过滤后的P条指标数据,所述P条指标数据为所述当前时间窗内的所述目标交通指标的融合指示数据,P为正整数。
10.根据权利要求9所述的装置,其中,所述目标时间包括以下任一项:
起始计算时间;
结束计算时间;
发送时间。
11.根据权利要求10所述的装置,其中,所述P条指标数据中任意两条指标数据的目标时间之差小于预设时间差。
12.根据权利要求11所述的装置,其中,所述N条指标数据包括第一类型的指标数据和第二类型的指标数据中的至少一种,所述M条指标数据包括第一类型的指标数据和第二类型的指标数据中的至少一种;
所述P条指标数据中任意两条相同类型的指标数据的目标时间之差小于所述相同类型对应的所述预设时间差。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6任一所述的数据融合方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-6任一所述的数据融合方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一所述的数据融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111170376.3A CN113869439A (zh) | 2021-10-08 | 2021-10-08 | 一种数据融合方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111170376.3A CN113869439A (zh) | 2021-10-08 | 2021-10-08 | 一种数据融合方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113869439A true CN113869439A (zh) | 2021-12-31 |
Family
ID=79001857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111170376.3A Pending CN113869439A (zh) | 2021-10-08 | 2021-10-08 | 一种数据融合方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869439A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114861839A (zh) * | 2022-07-07 | 2022-08-05 | 三亚海兰寰宇海洋信息科技有限公司 | 一种目标数据的处理方法、装置及设备 |
-
2021
- 2021-10-08 CN CN202111170376.3A patent/CN113869439A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114861839A (zh) * | 2022-07-07 | 2022-08-05 | 三亚海兰寰宇海洋信息科技有限公司 | 一种目标数据的处理方法、装置及设备 |
CN114861839B (zh) * | 2022-07-07 | 2022-10-21 | 三亚海兰寰宇海洋信息科技有限公司 | 一种目标数据的处理方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110910665B (zh) | 信号灯控制方法、装置以及计算机设备 | |
CN111583668B (zh) | 交通拥堵检测方法、装置、电子设备和存储介质 | |
CN113240909B (zh) | 车辆监测方法、设备、云控平台和车路协同系统 | |
CN110782667A (zh) | 信号灯分时段配时方法、装置、电子设备及存储介质 | |
CN113327344B (zh) | 融合定位方法、装置、设备、存储介质及程序产品 | |
US20230091252A1 (en) | Method for processing high-definition map data, electronic device and medium | |
KR20210137936A (ko) | 차량 대기 정보를 결정하는 방법, 전자 기기, 노변 기기, 클라우드 제어 플랫폼, 저장 매체, 및 컴퓨터 프로그램 제품 | |
CN111681428B (zh) | 一种溢流检测的方法、装置、电子设备及存储介质 | |
CN112528927A (zh) | 基于轨迹分析的置信度确定方法、路侧设备及云控平台 | |
CN113899381B (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
CN113869439A (zh) | 一种数据融合方法、装置及电子设备 | |
CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
CN112991735A (zh) | 交通流量监测系统的测试方法、装置及设备 | |
EP4080479A2 (en) | Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system | |
CN114218504A (zh) | 阻断路段识别方法、装置、电子设备及存储介质 | |
CN112382090A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN110796864A (zh) | 智能交通控制方法、装置、电子设备和存储介质 | |
CN116382298A (zh) | 任务处理系统、方法、电子设备及存储介质 | |
CN114049615A (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
CN115098615A (zh) | 地图数据生产方法、装置及电子设备 | |
CN112541465A (zh) | 一种车流量统计方法、装置、路侧设备及云控平台 | |
CN114093170A (zh) | 一种信号机控制方案的生成方法、系统、装置及电子设备 | |
CN116564093A (zh) | 道路拥堵状态检测方法、装置、电子设备以及路侧单元 | |
CN117037484A (zh) | 车辆位置确定方法、车辆位置确定模型的训练方法及设备 | |
CN114550131A (zh) | 电子地图的处理方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |