CN1645402A - 一种道路交通流数据质量控制方法与装置 - Google Patents

一种道路交通流数据质量控制方法与装置 Download PDF

Info

Publication number
CN1645402A
CN1645402A CN 200510011205 CN200510011205A CN1645402A CN 1645402 A CN1645402 A CN 1645402A CN 200510011205 CN200510011205 CN 200510011205 CN 200510011205 A CN200510011205 A CN 200510011205A CN 1645402 A CN1645402 A CN 1645402A
Authority
CN
China
Prior art keywords
data
traffic flow
correction
time
means
Prior art date
Application number
CN 200510011205
Other languages
English (en)
Other versions
CN100416584C (zh
Inventor
于雷
耿彦斌
赵慧
Original Assignee
北京交通大学
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 北京交通大学 filed Critical 北京交通大学
Priority to CN 200510011205 priority Critical patent/CN100416584C/zh
Publication of CN1645402A publication Critical patent/CN1645402A/zh
Application granted granted Critical
Publication of CN100416584C publication Critical patent/CN100416584C/zh

Links

Abstract

本发明涉及一种道路交通流数据质量控制方法与装置。为了准确地表征实际交通状况并满足用户的数据应用需求,发明如下的数据质量控制方法:通过基于总量比较法、阈值理论和交通流理论设计的判别规则对数据进行类别划分,然后利用数值计算理论来修正数据。所发明的方法不仅能够充分利用与存在质量问题数据时间毗邻的正确数据,而且无须大量的历史数据为前提,提高了质量控制的便捷性。依据发明的方法所设计的装置包括:数据读取装置、数据识别装置、数据修正装置、数据存储装置和数据输出装置,其中数据识别装置和数据修正装置,是核心所在。基于所发明的装置,便于应用所发明的方法实施数据的质量控制,提高整体数据的精确程度。

Description

一种道路交通流数据质量控制方法与装置

技术领域

本发明涉及一种针对道路交通流数据进行质量控制的方法与装置,更具体地,涉及一种利用数值计算理论对道路交通流数据进行质量控制的方法与装置。这种方法不仅提高了作为修正依据的正确数据的利用率,而且无须大量的历史数据为前提,提高了数据质量控制工作的便捷性。

背景技术

由于传输设备故障、路面交通状况和环境因素异常等方面的原因,所采集的道路交通流数据将不可避免地出现错误、丢失的情况或者采集时间点的偏移。为了准确地反映实际的交通状况并满足用户的数据应用需求,必须对原始数据进行质量控制,提高整体数据的精确度,为交通规划、管理和控制等数据应用领域提供良好的数据基础。

传统的数据质量控制的方法主要有:(1)历史数据修正方法;(2)交通流理论修正方法。

历史数据修正方法是通过对历史数据的分析和比较,利用同一个探测器历史同期的准确数据对原始数据进行修正,分为两种方式:分别是历史同期数据的直接替换和N个历史同期数据的平均值。其中,N个数据的平均值主要取决于所存储的历史数据量以及用户的实际需求。

交通流理论修正方法是利用所建立的交通流模型对数据进行修正。通过大量历史数据以及所研究路段交通流特性的分析,建立符合该路段的交通流二维以及三维模型,即交通量-速度、交通量-占有率、速度-占有率和交通量-速度-占有率模型,利用模型对原始数据进行修正。

其中,历史数据修正方法的应用取决于历史存储数据量的大小,一般来讲,存储的数据量越大修正数据就越准确,同时也可以利用所存储的历史数据进行交通流趋势的预测。但是这意味着至少需要存储1年以上的历史数据才可以应用该方法,是否具备大量可用的存储数据成为利用该方法的最大阻碍。

交通流理论修正方法的可靠性取决于所建立模型的正确性,并且要求模型具有较高的针对性。利用该方法进行数据修正时,提高正确的交通量、速度和占有率数据的相对利用率,充分考虑所建模型的互验性,从而做到修正结果的相互检验。但是当所要进行质量控制的数据不在建模路段时,那么将需要重新建模,工作量大。可见交通流理论修正方法的自适应性较差。

综上所述,有必要开发更加有效的用于道路交通流数据的质量控制方法,对错误数据、丢失数据以及不规则时间点进行修正,基于数值计算理论的数据质量控制方法就能够满足这一要求。

发明内容

本发明的目的在于提供一种道路交通流数据质量控制的方法,它利用时间邻近的准确数据对错误数据、丢失数据以及不规则时间点属性进行修正,不涉及大量历史数据的存储和对于每个特定路段的建模问题,可以最大限度地保留当前数据的固有特性,提高时间邻近数据的利用率,并且具有很强的通用性和适应性。

本发明解决其技术问题所采用的技术方案是:一种基于数值计算理论的道路交通流数据质量控制方法,具体包括:利用根据总量比较法、阈值理论和交通流理论设计的判别规则识别出正确数据、丢失数据和错误数据,利用数值计算理论中的时间点修正规则和线性插值法分别对相关数据的时间属性和所对应的数值进行修正,从而提高整体数据的精确程度,规范数据的时间属性,便于后期的数据抽样与集成等应用的开展。本发明方法主要包括以下步骤:1、利用道路交通流数据判别规则分类识别道路交通流数据。

1)丢失数据的判别规则:根据总量比较法,将理论输出数据的总量与实际输出数据的总量进行比较,判断出丢失数据的数量和位置,该总量比较法的参数可根据传感器的输出特性而定。

2)错误数据的判别规则:根据阈值理论和交通流理论双重判别的方法判别错误数据,提高了识别错误数据的准确度。

下面给出建议值。

其中,根据阈值理论得:交通量:5分钟内的车道总流量大于250辆;速度:5分钟内的平均速度大于120公里/小时;占有率:5分钟内持续大于90%。

根据交通流理论得:

2、利用线性插值法修正错误数据。

利用线性插值法对错误数据进行修正。具体方法如下:若tj对应的数据是错误数据,ti和tk分别是与tj最为接近的左邻和右邻正确数据所对应的时间点。则利用下式对tj所对应的数据进行修正:xtj=(tj-ti)xtk+(tk-tj)xtitk-ti]]>其中,xtj表示tj所对应的交通量、速度和占有率修正后的数据值。

3、利用时间点修正法规范数据的时间属性。

时间点修正法:利用时间点修正规则规范数据的时间属性,在最大程度上保留原始数据的信息,并将数据时间点修正为规范的格式,目的在于对采集原始数据中的数据时间点偏移情况进行修正。具体方法步骤如下:首先根据用户应用需求以及数据的自身特征给出期望保留的原始数据的比例(按照时间点左偏和右偏分为两类),根据此比例推算出适合的左偏和右偏时间限值,据此限值范围对数据所对应的时间点进行检测和筛选:限值范围内的数据将被保留,其所对应的时间点利用时间点修正规则进行规范处理;阈值范围以外的数据被认为是错误数据予以剔除。

以传感器输出数据的固定时间间隔为2分钟为例,一天的第一组数据所对应的标准时间点规定为00:00:00,第二组对应的时间为00:02:00,依次类推。时间点修正方法具体包括以下步骤:(A)参数设定:(a)tw为某个时间点(单位:秒),w=1,2,…,W;

(b)tv为tw最邻近的标准时间点,v=1,2,…,720.易得tw∈[tv-60,tv+60)。

若tw∈[tv-60,tv)则称tw为左偏,若tw∈(tv,tv+60)则称tw为右偏。

(c)所有数据的时间点与各自最邻近的标准时间点作差之后,得到以下两类的左偏和右偏差值:uLi:表示第i个左偏的点与最邻近标准时刻的时间差;i=1,2,…,m.

uRj:表示第j个右偏的点与最邻近标准时刻的时间差;j=1,2,…,n.

且有m+n=W。

(d)用户给出将要保留的原始数据的比例,即左偏和右偏的期望比例值,分别记为PL和PR,它们决定了用户期望保留的原始数据的比例。

(B)时间点识别和修正规则:定义0-1函数从零开始以步长a依次递增连续取值,直到当s=s′,t=t′时恰好满足以下条件:Σi=1mo(uLi≤uLs′)m≥PLΣj=1no(uRj≤uRt′)n≥PR]]>则uLs′=as′,uRt′=at′即为能够满足期望比例值(PL和PR)的左偏和右偏的限值,分别记为 uL, uR。w,假设tv为tw最邻近的标准时间点,有当tw∈(tv- uL,tv+ uR)时,若满足条件的tw唯一,则tv时刻对应的数据值取为tw时刻的数据值。若m个tw满足上述条件(m>1且m∈Z,Z为整数),则tv时刻对应的数据值定义为x‾v=Σwxwm]]>当tw∉(tv-u‾L,tv+u‾R)]]>时,则表明这部分数据不在用户定义的限值范围内,不予保留。

4、利用线性插值法补齐丢失数据。

利用线性插值法对丢失数据进行补齐。具体方法如下:若tj对应的数据是丢失数据,ti和tk分别是与tj最为接近的左邻和右邻正确数据所对应的时间点。则利用下式对tj所对应的数据进行补齐:xij=(tj-ti)xtk+(tk-tj)xtitk-ti]]>其中,xtj表示tj所对应的交通量、速度和占有率补齐后的数据值。

至此,就完成了道路交通流数据的质量控制。

依据本发明的方法设计了一种基于数值计算理论的道路交通流数据质量控制装置,包括数据读取装置、数据识别装置、数据修正装置、数据存储装置和数据输出装置五部分。这五个部分相互联系,按照数据流的方向结合在一起按顺序使用。该装置的功能是利用Visual Basic语言与ACCESS数据库实现的,其中数据识别装置和数据修正装置是本装置的核心。

其中数据识别装置是根据上述总量比较法、阈值理论和交通流理论设计的判别规则对导入的数据进行识别,划分为正确数据、丢失数据和错误数据,通过对不同属性的数据在数据库中进行标识,为下阶段的数据修正做准备。

数据修正装置,是根据上述的数值计算理论,采用时间点修正规则和线性插值法对数据的时间属性和数值属性进行修正处理,从而获得完备且准确的数据。

由于传输设备故障、路面交通状况和环境因素异常等原因,所采集的道路交通流数据将不可避免地出现错误、丢失的情况或者采集时间点的偏移。为了准确地表征实际交通状况并满足用户的数据应用需求,发明基于数值计算理论的道路交通流数据质量控制方法和装置:通过基于总量比较法和交通流理论设计的判别规则对数据进行类别划分,然后利用时间点修正规则和数值计算理论来修正数据。本发明的有益效果是最大限度的利用了时间邻近的准确数据,最大程度地保留了数据原貌,提高了整体数据的精确程度;而且无须大量的历史数据为前提,增强了质量控制工作的便捷性;另外本发明的通用性强,适用于时间间隔为2分钟的任意路段的道路交通流数据质量控制。

附图说明

下面参照附图更详细地描述本发明,附图中:图1是数据质量控制装置结构图图2是数据质量控制装置流程图。图中:dataRight表示对错误数据修正后的表;dataPreOut表示时间修正后的表图3是数据识别装置流程图图4是数据修正装置流程图图5显示2002年6月6日03003探测器1车道交通量原始数据图6显示2002年6月6日03003探测器1车道交通量错误修正数据图7显示2002年6月6日03003探测器1车道交通量时间修正数据图8显示2002年6月6日03003探测器1车道交通量修正数据具体实施方式下文将给出实施例来说明发明的具体实施方式:图1所示,为依据本发明方法设计的一种基于数值计算理论的道路交通流数据质量控制装置(以下简称为:数据质量控制装置)的结构图,由数据读取装置、数据识别装置、数据修正装置、数据存储装置和数据输出装置五部分构成。这五部分相互联系,按照数据流的方向结合在一起按顺序使用。该装置的功能是利用Visual Basic语言与ACCESS数据库实现的,其中数据识别装置和数据修正装置是本装置的核心。其运行过程如下:当准备好需要分析的原始数据后,通过数据读取装置设定数据库的参数,指明读入数据的类型,将原始数据读入数据读取装置;数据读取装置连接数据识别装置,在成功地读入数据以后,对数据识别装置的参数设定模块进行必要的参数设定,指定期望保留的原始数据的比例值和计算时间偏差限值的迭代步长,当完成参数设定之后,该装置根据总量比较法、阈值理论和交通流理论对数据进行识别,划分为正确数据、丢失数据和错误数据,通过对不同属性的数据在数据库中进行标识,为下阶段的数据修正做准备;数据识别装置连接数据存储装置和数据修正装置,经过标识的数据在根据用户要求存入数据存储装置的同时自动导入数据修正装置,数据修正装置根据时间点修正规则和线性插值法对不同属性的数据进行时间点和数值的修正,从而获得完备且准确的数据;数据修正装置连接数据存储装置和数据输出装置,经过修正的准确数据经由数据存储装置和数据输出装置实现保存以及输出的功能。

图2所示,为本发明数据质量控制装置的详细流程图。用户首先根据需求在数据读取装置中设定读取参数、数据的类型以及数据表的编号,然后数据读取装置开始从传感器读取原始道路交通流数据并建立“原始数据表dataOrix”;数据识别装置根据总量比较法、阈值理论和交通流理论对“原始数据表dataOrix”进行识别,划分为正确数据、错误数据和丢失数据,对不同属性的数据在数据库中进行标识,最后将结果存入数据存储装置并向用户发出识别完成通知;数据修正装置对“原始数据表dataOrix”中的错误数据进行修正,建立“dataRight表”,接着根据时间点修正法对“dataRight表”的数据进行时间点识别及修正后建立“dataPreOut表”,最后对“dataPreOut表”中的丢失数据进行补齐;在成功对数据进行修正之后,数据质量控制装置会提示用户数据修正完成,数据存储装置和数据输出装置将分别根据用户需求对修正后的数据进行自动存储和格式化输出。数据存储建立“修正数据表dataOut”。

数据质量控制装置的两个核心装置:数据识别装置和数据修正装置的流程图,分别如图3和图4所示。

如图3所示,为数据识别装置流程图。数据识别装置包括参数设定和数据类型识别两大模块。在对读取装置读取的“原始数据表dataOrix”进行数据识别之前,用户须先根据需求在参数设定模块中设定判别规则的参数,即极限精确度(步长)、约束左极限的概率值PL和约束右极限的概率值PR;然后由数据类型识别模块利用总量比较法、阈值理论和交通流理论规则对所读取的原始数据进行识别,记录每条数据(包括交通量、速度和占有率)的类型,分别为正确数据、丢失数据或是错误数据。

如图4所示,为数据修正装置流程图。数值修正装置包括错误数据修正模块、时间点修正模块和丢失数据补齐模块。由数据识别装置自动导入的数据首先由错误数据修正模块根据线形插值法对其中的错误数据进行修正,修正后的数据形成“dataRight表”;然后由已设定完时间点修正规则参数的时间点修正模块对“dataRight表”中的数据根据参数进行时间点识别,对于时间点阈值范围内的数据,仅对其时间点进行调整,对于时间点阈值范围以外的数据,则被列为错误数据,予以剔除,修正后的数据成为“dataPreOut表”;在对时间点识别和修正完成之后,丢失数据补齐模块根据线性插值法对“dataPreOut表”中的丢失数据进行补齐,最后得到完整准确的数据。此流程中,在对已完成识别的进行修正之前,用户须先设定包括时间点的阈值范围(即能够满足期望比例值PL和PR的左偏和右偏的限值)uL、uR以及时间步长a。

为了更加直观的说明运用该装置进行数据质量控制的流程和结果,以北京市2002年6月6日03003探测器1车道交通量数据为例说明数据质量控制的具体实施过程。具体内容如下:第一步:参数设定和数据类型识别。

参数设定主要针对所要处理的原始表代号、极限精确度(步长)和约束左、右极限的概率值进行设定。

其中,“极限精确度”:即在进行时间修正过程中的步长,取值范围为[1,60];“约束左极限的概率值”取值范围为[0,1];“约束右极限的概率值”取值范围为[0,1]。

参数设定的优点在于:方便用户根据需求制约时间点的判别范围,提高时间点修正精确度的灵活性;另外,所设定的极限精确度的大小、左右极限的精度会影响最终保留的数据量。

设定参数之后,就可以根据道路交通流数据判别规则识别出错误数据、丢失数据和正确数据。

第二步:修正错误数据。

利用线性插值方法对错误数据进行修正。图5为2002年6月6日03003探测器1车道交通量原始数据,矩形框内的点表示丢失数据,椭圆形框内的点表示错误数据,其中错误数据对应的(交通量,速度,占有率)主要为(0,240,0),(0,240,10)等,这些均是不满足交通流理论的数据;图6为2002年6月6日03003探测器1车道交通量错误修正数据,可以看出,该图中已经不存在错误数据,仅有丢失数据还未补齐。

第三步:修正时间点。

利用时间点修正规则对可疑错误的修正数据进行时间点规范化处理,具体内容是:对修正后的数据进行时间修正,符合修正规则的数据被保留,并对其赋予新的时间点;不符合修正规则的数据则被认为是丢失数据进行剔除。图7为2002年6月6日03003探测器1车道交通量时间修正数据,可以看出,该图相较于图6而言,丢失数据量增大,主要是由于某些数据所对应的时间点不满足时间点修正所设定的参数,因此被剔除,从而产生了新的“丢失数据”。

第四步:补齐丢失数据。

利用线性差值法进行丢失数据的补齐,丢失数据包括两部分,一部分是由第一步判别后直接得出的,另一部分是在第三步时间点修正过程中因剔除部分严重不符合条件的数据所间接产生的。具体内容:若某时刻数据丢失,则利用线性插值法对该时刻的数据进行补齐;若对于**:**:00时间点,在修正后的数据中有n个时间点的数据均满足tw∈(tv- uL,tv+ uR),那么**:**:00时间点所对应的数据是这n个时间点对应数据的平均值;若每天的第1个数据和最后1个数据是丢失的,那么,则利用所规定的数值记录(20,60,3)进行修正。图8为2002年6月6日03003探测器1车道交通量修正数据,最终修正后的数据不仅数据量完备而且准确率提高,所得到的修正数据更适用于交通领域的实际应用。

Claims (6)

1.一种道路交通流数据质量控制方法,其特征在于,包括下面的步骤:利用交通流数据判别规则分类识别道路交通流数据;利用数值计算理论修正数据。
2.权利要求1所述的一种道路交通流数据质量控制方法,其特征在于,交通流数据判别规则,针对不同的数据属性设计不同的判别规则,具体规则如下:丢失数据的判别规则是根据总量比较法,将理论输出数据的总量与实际输出数据的总量进行比较,判断出丢失数据的数量和位置,该总量比较法的参数可根据传感器的输出特性而定;错误数据的判别规则是根据阈值理论和交通流理论双重判别的方法判别错误数据,提高了识别错误数据的准确度。
3.权利要求1所述的一种道路交通流数据质量控制方法,其特征在于,数值计算理论采用:时间点修正法是利用时间点修正规则规范数据的时间属性,在最大程度上保留原始数据的信息,并将数据时间点修正为规范的格式;线性插值法是利用线性插值法修正错误数据;在数据时间点规范的基础上,利用线性插值法补齐丢失数据。
4.一种道路交通流数据质量控制装置,其特征在于,由数据读取装置、数据识别装置、数据修正装置、数据存储装置和数据输出装置构成,这五个部分相互联系,按照数据流的方向结合在一起按顺序使用,该装置的功能是利用Visual Basic语言与ACCESS数据库实现的,其中数据识别装置和数据修正装置是本装置的核心。
5.权利要求4所述的一种道路交通流数据质量控制装置,其特征在于,数据识别装置根据权利要求2所述的判别规则对导入的数据进行识别,划分为正确数据、丢失数据和错误数据,通过对不同属性的数据在数据库中进行标识,为下阶段的数据修正做准备。
6.权利要求4所述的一种道路交通流数据质量控制装置,其特征在于,数据修正装置根据权利要求3所述的时间点修正法和线性插值法对数据的时间属性和数值属性进行修正处理,从而获得完备且准确的数据。
CN 200510011205 2005-01-19 2005-01-19 一种道路交通流数据质量控制方法与装置 CN100416584C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 200510011205 CN100416584C (zh) 2005-01-19 2005-01-19 一种道路交通流数据质量控制方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 200510011205 CN100416584C (zh) 2005-01-19 2005-01-19 一种道路交通流数据质量控制方法与装置

Publications (2)

Publication Number Publication Date
CN1645402A true CN1645402A (zh) 2005-07-27
CN100416584C CN100416584C (zh) 2008-09-03

Family

ID=34875490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 200510011205 CN100416584C (zh) 2005-01-19 2005-01-19 一种道路交通流数据质量控制方法与装置

Country Status (1)

Country Link
CN (1) CN100416584C (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100547625C (zh) * 2008-01-31 2009-10-07 浙江工业大学 一种城市交通中的典型行驶路线分析方法
WO2011079707A1 (zh) * 2009-12-30 2011-07-07 北京世纪高通科技有限公司 交通路况信息填补方法和系统
CN102169630A (zh) * 2011-03-31 2011-08-31 上海电科智能系统股份有限公司 一种道路连续交通流数据质量控制方法
WO2012010005A1 (zh) * 2010-07-19 2012-01-26 北京世纪高通科技有限公司 道路交通事件信息的处理方法和装置
CN102394009A (zh) * 2006-03-03 2012-03-28 因瑞克斯有限公司 使用来自移动数据源的数据估算道路交通状况
CN101783075B (zh) 2010-02-05 2012-05-23 北京科技大学 一种城市环形道路交通流预测系统
CN102542794A (zh) * 2012-02-02 2012-07-04 北京捷易联科技有限公司 交通数据处理方法和装置
CN102800197A (zh) * 2012-02-27 2012-11-28 东南大学 一种城市道路路段动态交通流基础数据的预处理方法
CN104615669A (zh) * 2015-01-15 2015-05-13 浙江绮耘软件有限公司 一种数据订正方法、装置及系统
CN104899405A (zh) * 2014-03-04 2015-09-09 携程计算机技术(上海)有限公司 数据预测方法和系统以及报警方法和系统
US9449508B2 (en) 2006-03-03 2016-09-20 Inrix, Inc. Filtering road traffic condition data obtained from mobile data sources
CN106971538A (zh) * 2017-04-26 2017-07-21 同济大学 一种区域路网交通状态宏观基本图的绘制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5880682A (en) 1997-12-18 1999-03-09 Midian Electronics, Inc. Traffic control system and method of operation
CN1391197A (zh) 2002-07-24 2003-01-15 陈少元 一种交通流量监测系统

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102394009A (zh) * 2006-03-03 2012-03-28 因瑞克斯有限公司 使用来自移动数据源的数据估算道路交通状况
CN102394009B (zh) * 2006-03-03 2014-05-14 因瑞克斯有限公司 使用来自移动数据源的数据估算道路交通状况
CN102394008B (zh) * 2006-03-03 2015-01-07 因瑞克斯有限公司 使用来自移动数据源的数据估算道路交通状况
CN102394008A (zh) * 2006-03-03 2012-03-28 因瑞克斯有限公司 使用来自移动数据源的数据估算道路交通状况
US9449508B2 (en) 2006-03-03 2016-09-20 Inrix, Inc. Filtering road traffic condition data obtained from mobile data sources
CN100547625C (zh) * 2008-01-31 2009-10-07 浙江工业大学 一种城市交通中的典型行驶路线分析方法
WO2011079707A1 (zh) * 2009-12-30 2011-07-07 北京世纪高通科技有限公司 交通路况信息填补方法和系统
CN101763730B (zh) 2009-12-30 2012-09-26 北京世纪高通科技有限公司 交通路况信息填补方法和系统
CN101783075B (zh) 2010-02-05 2012-05-23 北京科技大学 一种城市环形道路交通流预测系统
WO2012010005A1 (zh) * 2010-07-19 2012-01-26 北京世纪高通科技有限公司 道路交通事件信息的处理方法和装置
CN102169630B (zh) 2011-03-31 2013-04-24 上海电科智能系统股份有限公司 一种道路连续交通流数据质量控制方法
CN102169630A (zh) * 2011-03-31 2011-08-31 上海电科智能系统股份有限公司 一种道路连续交通流数据质量控制方法
CN102542794A (zh) * 2012-02-02 2012-07-04 北京捷易联科技有限公司 交通数据处理方法和装置
CN102800197A (zh) * 2012-02-27 2012-11-28 东南大学 一种城市道路路段动态交通流基础数据的预处理方法
CN102800197B (zh) * 2012-02-27 2014-07-16 东南大学 一种城市道路路段动态交通流基础数据的预处理方法
CN104899405A (zh) * 2014-03-04 2015-09-09 携程计算机技术(上海)有限公司 数据预测方法和系统以及报警方法和系统
CN104615669A (zh) * 2015-01-15 2015-05-13 浙江绮耘软件有限公司 一种数据订正方法、装置及系统
CN106971538A (zh) * 2017-04-26 2017-07-21 同济大学 一种区域路网交通状态宏观基本图的绘制方法
CN106971538B (zh) * 2017-04-26 2019-08-02 同济大学 一种区域路网交通状态宏观基本图的绘制方法

Also Published As

Publication number Publication date
CN100416584C (zh) 2008-09-03

Similar Documents

Publication Publication Date Title
Puzicha et al. Non-parametric similarity measures for unsupervised texture segmentation and image retrieval
Lenz et al. Summarizability in OLAP and statistical data bases
US7836004B2 (en) Using data mining algorithms including association rules and tree classifications to discover data rules
US7930242B2 (en) Methods and systems for multi-credit reporting agency data modeling
KR100922141B1 (ko) 데이터 프로파일링 방법 및 시스템
US20130036346A1 (en) System and Method for Accessing Rich Objects Via Spreadsheets
US7593927B2 (en) Unstructured data in a mining model language
JP4358475B2 (ja) 信用評価システム
US20100250559A1 (en) Automatic Match Tuning
US20050125474A1 (en) Method and structure for transform regression
US8983936B2 (en) Incremental visualization for structured data in an enterprise-level data store
JP2011503681A (ja) データ記録を一致させるシステムの分析のための方法およびシステム
US7818342B2 (en) Tracking usage of data elements in electronic business communications
US6738727B2 (en) System and method for analyzing and processing data on an object
US20100287119A1 (en) Method And System For Simulating Risk Factors In Parametric Models Using Risk Neutral Historical Bootstrapping
US20070027674A1 (en) Analytical system for discovery and generation of rules to predict and detect anomalies in data and financial fraud
CN110516209A (zh) 在界面中呈现可视反馈的方法、系统和计算机可读介质
US8195473B2 (en) Method and system for optimized real estate appraisal
CN1379887A (zh) 用于分析和改善药物以及其他资本密集制造流程的系统
US20150120263A1 (en) Computer-Implemented Systems and Methods for Testing Large Scale Automatic Forecast Combinations
US7340475B2 (en) Evaluating dynamic expressions in a modeling application
US20110238566A1 (en) System and methods for determining and reporting risk associated with financial instruments
US7181423B2 (en) System and method for stock options market management
US20100179951A1 (en) Systems and methods for mapping enterprise data
CN101213718A (zh) 公用事业监视系统中数据的自动化精确对准

Legal Events

Date Code Title Description
C06 Publication
C10 Request of examination as to substance
C14 Granted
C41 Transfer of the right of patent application or the patent right
ASS Succession or assignment of patent right

Free format text: FORMER OWNER: BEIJING JIAOTONG UNIVERSITY

Owner name: BEIJING YOUSAITONG SCIENCE DEVELOPMENT CO., LTD.

Effective date: 20081128

C17 Cessation of patent right