CN119479316A 基于边缘计算的智慧交通数据处理方法及系统 （广东申创光电科技有限公司）

基于边缘计算的智慧交通数据处理方法及本发明提供了一种基于边缘计算的智慧交计算节点采集多源交通数据，对数据进行预处全局优化方案被分发至各边缘计算节点以实现2通过预设的边缘计算节点采集多源交通数据，并对所述多源交通数据进行数据预处对所述预处理数据进行时空对齐和数据关联，得到关联数据集，并在将所述本地分析结果传输至云端服务器，进行深度数据挖掘和模式识将所述局部交通控制策略下发至相应的交通设施执行，并将所述全局识别所述预处理数据的时间戳，并基于所述时间戳对所述预处理数据基于预定义的空间网格模型，对所述时间同步数据进行空间映射和利用局部知识库对所述时空对齐数据进行上下文关联，建立数据项之间的逻辑连接，对所述关联数据集应用轻量级机器学习算法进行关键特征提取，根据预定义的本地道路网络拓扑结构对所述时空对齐数据进行空间从所述拓扑关联数据中提取交通元素，并对所述交通元素应用基于基于所述多维特征向量计算交通元素之间的相似度矩阵，并根据所述元素聚类结果构建关联规则，并将所述关联规则应用于所述拓扑关联数据，对来自多个边缘节点的本地分析结果进行时空对齐3通过预设的深度信念网络对所述多层次特征表示进行非监督学习，提取高阶抽象特对所述深度特征向量应用预先训练好的动态贝叶斯网络，进行交通状将所述当前交通状态估计输入长短时记忆网络模型，得到未来交通对所述全局分析结果应用多目标遗传算法，生成候选全局交通优化方基于所述全局交通优化方案，使用图分割算法将预设的对所述全局交通优化方案进行图结构化处理，将交通网络表对所述交通网络图模型应用谱聚类算法，基于节点连接度和边权重进行图分将所述区域控制任务分配至相应的边缘计算节点，并在每个节对所述动态系统表示应用模型预测控制算法，通过滚动时域优化计算控制输入序列，4对所述局部交通控制策略进行指令分解，生成面向不同类型交通设对所述全局交通优化方案进行分布式编码，转换为适合边缘节点处理的压缩数据格通过预设的边缘计算网络拓扑结构，采用多跳路由方式将所述优化在各边缘计算节点上，对接收到的节点优化数据进行解码和8.一种基于边缘计算的智慧交通数据处理系统，其预处理模块，用于通过预设的边缘计算节点采集多源交通数据云端处理模块，用于将所述本地分析结果传输至云端服务协同控制模块，用于将所述局部交通控制策略下发至相应的交通设全局交通优化方案分发至各边缘计算节点进行5识别所述预处理数据的时间戳，并基于所述时间戳对所述预处理数据进行对齐，对所述关联数据集应用轻量级机器学习算法进行关键特征提取，得到特征数据，6对来自多个边缘节点的本地分析结果进行时空对齐和数据融合，得到全局数据将所述当前交通状态估计输入长短时记忆网络模型，得到未来交通状态预测结边缘计算节点生成局部交通控制策略以及在云端服务器生成全局交通优7对所述交通网络图模型应用谱聚类算法，基于节点连接度和边权重进行图分割，所述全局交通优化方案分发至各边缘计算节点进行协同8[0014]图1为本发明实施例中基于边缘计算的智慧交通数据处理方法的第一个实施例示图2为本发明实施例中基于边缘计算的智慧交通数据处理系统的一个实施例示意9测到的异常值根据预定义的规则进行修正或标记。数据标准化是预处理的另一个关键步设置为原特征数量的20%）。对于时序特征，系统实现了一个简化版的ARIMA模型，使用系统设置一个缓冲区（通常为20米落在缓冲区内的点被映射到对应的交叉口节点。在处粒子滤波的轨迹平滑算法，通过历史位置信息和道路网络约束来修正当前位置估计。这个空间映射过程的输出是拓扑关联数据，其中每个数据点都被关联到具体的道路网络元素语言处理和知识表示技术。首先，系统使用预定义的规则模板从拓扑关联数据中识别和提器实现，能够处理结构化和半结构化的数据格式。提取出的交通元素随后被输入到基于交基础，本体中定义了交通概念的层次结构、属性和关系。语义标注过程采用条件随机场统还集成了词义消歧模块，利用上下文窗口和注意力机制选择最合适的概念解释。标注过细粒度的语义信息。最终得到的语义标注数据是一个富含领域知识的结构化表示，每个交通元素都被赋予了明确的语义属性和关系。被输入到一个带有分层Softmax的Skip_gram模型中进行训练，模型的隐藏层大小设置为以及在云端服务器生成全局交通优化方案包括：对所述全局分析结果应用多目标遗传算劣解距离法）方法计算每个候选方案与理想解的接近程度。TOPSIS方法首先构建归一化决想解的欧氏距离。得分最高的方案被选为初始优化方案。这个初始优化方案代表了在多个型的应用。系统首先使用宏观交通流模型，如LWR模型（Lighthill_Whitham_Richards模处理高维状态空间和大规模动作空间。DQN的网络结构包括多层卷积神经网络用于特征提的通信通道分发到相应的边缘计算节点。在边缘节点上，系统部署了基于模型预测控制施例中基于边缘计算的智慧交通数据处理系统一通控制策略以及在云端服务器生成全局交通优化方将所述全局交通