DB34∕T 4641-2023 交通管理大數(shù)據(jù)中心數(shù)據(jù)模型建設(shè)規(guī)范

34DB34/T4641—2023交通管理大數(shù)據(jù)中心數(shù)據(jù)模型建設(shè)規(guī)范Specificationforbusinessmodelingoftrafficmanagementbigdatacenter安徽省市場監(jiān)督管理局發(fā)布I 5.2數(shù)據(jù)治理 6.2特征轉(zhuǎn)換 46.3特征篩選 4 7.2預(yù)測預(yù)警類模型 7.3異常檢測類模型 8 88.2評估方法 88.3評估處理 9 9 1本文件確立了交通管理大數(shù)據(jù)中心數(shù)據(jù)模型建設(shè)流程，并規(guī)定了交通管理大數(shù)據(jù)中心數(shù)據(jù)模型建3.1交通管理大數(shù)據(jù)中心trafficmanagemen25.1數(shù)據(jù)提取5.1.3.2使用公安交通管理數(shù)智能力開放平臺數(shù)據(jù)接入模塊接入數(shù)據(jù)，支持離線數(shù)據(jù)集成接入、實時5.2數(shù)據(jù)治理35.2.2重復(fù)數(shù)據(jù)去重4牌號碼和號牌種類分組求和得到、車輛有嚴重違法次數(shù)通過對違法類型做分組然后對號牌號碼和和號事故次數(shù)通過對號牌號碼和號牌種類分組計數(shù)得到、車輛發(fā)生亡人事故通過對號牌號碼和號牌種類分通過對號牌號碼和號牌種類與點位分組計數(shù)，然后再對號牌號碼和號牌種類進行排序取計數(shù)最多的點6.2特征轉(zhuǎn)換如對駕駛?cè)四挲g做分箱處理，處理后[18-23]、[24-36.3特征篩選使用隨機森林算法或決策樹算法中的特征重要性計算模塊來計算特征重要性，并按照重要性做降57.1.3.3最新過車數(shù)據(jù)中的車輛檢驗有效期超出了車輛信息中檢驗有效期止日期，則認為7.1.3.4最新過車數(shù)據(jù)中的車輛報廢日期超出了車輛信息中強制報廢期止日期，則認為此7.1.4.1在最新過車數(shù)據(jù)中關(guān)聯(lián)不到車輛信息中的號牌號碼、號牌種類、車輛類型數(shù)據(jù)，7.1.4.3在最新過車數(shù)據(jù)中關(guān)聯(lián)到車輛檢驗數(shù)據(jù)超出了車輛信息中檢驗有效期止，則將該7.1.4.4在最新過車數(shù)據(jù)中關(guān)聯(lián)到車輛報廢數(shù)據(jù)超出了車輛信息中車輛強制報廢期止，則67.1.5.4模型應(yīng)輸出逾期未檢驗車的號牌號碼、號牌種類、過車時間、設(shè)備編號、車輛檢7.2.2.3道路應(yīng)使用附錄G中的道路名稱、道路代碼、路面結(jié)構(gòu)訓(xùn)練迭代次數(shù)設(shè)置為50，提前終止迭代次數(shù)設(shè)置為20，學習率設(shè)置為[0.01,0.3]，學習率步長設(shè)置為77.3.3.1非現(xiàn)場違法取證設(shè)備異常檢測、路口流量激增預(yù)警可選擇移動平均法、周期因子中國法定節(jié)假日。超參數(shù)設(shè)置完成后，對模型迭代訓(xùn)練，訓(xùn)練迭代次數(shù)設(shè)置為50，選取8b)模型預(yù)測為真正正確樣本（TP）的個數(shù)，除以所有的實際為正樣本個數(shù)（TP+FN）；8.2評估方法8.2.1.3比對實際業(yè)務(wù)流程應(yīng)通過與實際的業(yè)務(wù)規(guī)則進行比對和核對，判斷業(yè)務(wù)規(guī)則類模型的準98.2.2.4自助法應(yīng)有放回地重復(fù)采樣生成新的數(shù)據(jù)集，并使用新的數(shù)據(jù)集進8.3評估處理是是否是否是否否否否是否否是否否否是是是是是是是否否否否否否是是否否否是是是否是是是是是否否否否否否是是否是是是是否否否否是否否否否否否否否否否否是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是否否是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是是否否是是是是是是是是否否否否否是否是否是