本技術(shù)涉及車輛領(lǐng)域，并且更具體地，涉及車輛領(lǐng)域中的一種車聯(lián)網(wǎng)數(shù)據(jù)的處理方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、車聯(lián)網(wǎng)是以行駛中的車輛為信息感知對(duì)象，通過信息通信技術(shù)，實(shí)現(xiàn)車與車、人、路、服務(wù)平臺(tái)之間的網(wǎng)絡(luò)連接，提升車輛整體的智能駕駛水平，為用戶提供安全、舒適、智能、高效的駕駛感受與交通服務(wù)。通過對(duì)車聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，確定不同屬性特征之間的關(guān)聯(lián)度，能夠?yàn)橛脩籼峁└玫能囕v服務(wù)。

2、但是，現(xiàn)有技術(shù)中在使用聚類算法對(duì)車聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)挖掘時(shí)，對(duì)不同簇的邊界點(diǎn)識(shí)別不準(zhǔn)確以及無法確定車聯(lián)網(wǎng)中的關(guān)鍵屬性特征，導(dǎo)致聚類效果較差；因此，如何提高聚類算法的準(zhǔn)確性，從而實(shí)現(xiàn)對(duì)車聯(lián)網(wǎng)數(shù)據(jù)的挖掘是當(dāng)前需要解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種車聯(lián)網(wǎng)數(shù)據(jù)的處理方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，該方法基于目標(biāo)權(quán)重與尺度參數(shù)，確定樣本數(shù)據(jù)的目標(biāo)聚類中心，并對(duì)樣本數(shù)據(jù)進(jìn)行聚類處理，能夠提高聚類算法的準(zhǔn)確性，以確定車聯(lián)網(wǎng)數(shù)據(jù)中各屬性特征的關(guān)聯(lián)度。

2、第一方面，提供了一種車聯(lián)網(wǎng)數(shù)據(jù)的處理方法，該方法包括：

3、獲取車聯(lián)網(wǎng)的樣本數(shù)據(jù)；

4、基于樣本數(shù)據(jù)，確定樣本數(shù)據(jù)的屬性特征的目標(biāo)權(quán)重與樣本數(shù)據(jù)的尺度參數(shù)；其中，目標(biāo)權(quán)重用于表示屬性特征對(duì)聚類結(jié)果的影響程度；尺度參數(shù)用于表示樣本數(shù)據(jù)之間的距離對(duì)聚類結(jié)果的影響程度；

5、基于目標(biāo)權(quán)重與尺度參數(shù)，確定樣本數(shù)據(jù)的目標(biāo)聚類中心；

6、基于目標(biāo)聚類中心對(duì)樣本數(shù)據(jù)進(jìn)行聚類處理，得到車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果；其中，車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果用于表示車聯(lián)網(wǎng)數(shù)據(jù)中屬性特征的關(guān)聯(lián)度。

7、在本技術(shù)的實(shí)施例中，在獲取到車聯(lián)網(wǎng)的樣本數(shù)據(jù)后，根據(jù)樣本數(shù)據(jù)的屬性特征的目標(biāo)權(quán)重與樣本數(shù)據(jù)的尺度參數(shù)，確定樣本數(shù)據(jù)的聚類中心；由于目標(biāo)權(quán)重用于表示樣本數(shù)據(jù)的各屬性特征對(duì)聚類結(jié)果的影響程度，不同屬性特征對(duì)聚類結(jié)果的影響程度不同，對(duì)應(yīng)的目標(biāo)權(quán)重不同。此外，由于不同的樣本數(shù)據(jù)對(duì)于距離的影響程度存在區(qū)別，即不同樣本數(shù)據(jù)對(duì)應(yīng)的尺度參數(shù)存在區(qū)別；在上述方案中，在確定樣本數(shù)據(jù)的聚類中心時(shí)，能夠同時(shí)考慮到屬性特征的目標(biāo)權(quán)重與樣本數(shù)據(jù)的尺度參數(shù)兩個(gè)方面對(duì)聚類結(jié)果的影響，因此能夠確保得到較為準(zhǔn)確的聚類中心；在聚類中心更準(zhǔn)確的前提下，對(duì)樣本數(shù)據(jù)進(jìn)行聚類處理，能夠提高車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果的準(zhǔn)確性。

8、結(jié)合第一方面，在第一方面的某些實(shí)現(xiàn)方式中，基于目標(biāo)權(quán)重與尺度參數(shù)，確定樣本數(shù)據(jù)的目標(biāo)聚類中心，包括：

9、基于目標(biāo)權(quán)重與尺度參數(shù)，確定目標(biāo)局部密度排序；其中，目標(biāo)局部密度排序?yàn)闃颖緮?shù)據(jù)中各樣本數(shù)據(jù)的局部密度排序；

10、基于樣本數(shù)據(jù)與目標(biāo)樣本數(shù)據(jù)之間的目標(biāo)距離，確定目標(biāo)距離排序；其中，目標(biāo)樣本數(shù)據(jù)為樣本數(shù)據(jù)中局部密度大于各樣本數(shù)據(jù)的局部密度的數(shù)據(jù)；目標(biāo)距離為各樣本數(shù)據(jù)與目標(biāo)樣本數(shù)據(jù)的距離中的最小距離；目標(biāo)距離排序?yàn)闃颖緮?shù)據(jù)中各樣本數(shù)據(jù)的最小距離排序；

11、基于目標(biāo)局部密度排序與目標(biāo)距離排序，確定目標(biāo)聚類中心。

12、在本技術(shù)的實(shí)施例中，基于目標(biāo)權(quán)重與尺度參數(shù)，確定各樣本數(shù)據(jù)的局部密度；并對(duì)各樣本數(shù)據(jù)的局部密度進(jìn)行排序，得到目標(biāo)局部密度排序；確定樣本數(shù)據(jù)與目標(biāo)樣本數(shù)據(jù)之間的目標(biāo)距離，并對(duì)目標(biāo)距離進(jìn)行排序，得到目標(biāo)距離排序；由于局部密度用于表示各樣本數(shù)據(jù)鄰域內(nèi)的數(shù)據(jù)密度，即鄰近區(qū)域內(nèi)樣本數(shù)據(jù)的密集程度；而目標(biāo)距離用于表示樣本數(shù)據(jù)到其它局部密度更大的樣本數(shù)據(jù)之間的最小距離；因此，基于目標(biāo)局部密度排序與目標(biāo)距離排序，確定目標(biāo)聚類中心；使得得到的目標(biāo)聚類中心的局部密度較大，且距離局部密度更大的樣本數(shù)據(jù)的距離較遠(yuǎn)；確保得到較為準(zhǔn)確目標(biāo)聚類中心。

13、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在第一方面的某些實(shí)現(xiàn)方式中，基于目標(biāo)局部密度排序與目標(biāo)距離排序，確定目標(biāo)聚類中心，包括：

14、將位于目標(biāo)局部密度排序中的前n個(gè)，且位于目標(biāo)距離排序的前n個(gè)的第一樣本數(shù)據(jù)，確定為第一聚類中心；

15、若第一聚類中心的評(píng)估指標(biāo)大于預(yù)設(shè)閾值，將第一聚類中心確定為目標(biāo)聚類中心；其中，評(píng)估指標(biāo)用于表示第一聚類中心的聚類效果。

16、在本技術(shù)的實(shí)施例中，將位于目標(biāo)局部密度排序中的前n個(gè)，且位于目標(biāo)距離排序中的前n個(gè)第一樣本數(shù)據(jù)，確定為第一聚類中心；并通過第一聚類中心的評(píng)估指標(biāo)對(duì)第一聚類中心進(jìn)行評(píng)估；若第一聚類中心的評(píng)估指標(biāo)大于預(yù)設(shè)閾值，則將第一聚類中心確定為目標(biāo)聚類中心；由于是在評(píng)估指標(biāo)大于預(yù)設(shè)閾值時(shí)，將第一聚類中心確定為目標(biāo)聚類中心；確保能夠?qū)垲愔行倪M(jìn)行評(píng)估；將聚類結(jié)果較好的第一聚類中心確定為目標(biāo)聚類中心；從而能夠得到較為準(zhǔn)確的聚類結(jié)果。

17、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在第一方面的某些實(shí)現(xiàn)方式中，基于樣本數(shù)據(jù)，確定樣本數(shù)據(jù)的屬性特征的目標(biāo)權(quán)重與樣本數(shù)據(jù)的尺度參數(shù)，包括：

18、確定屬性特征相對(duì)于目標(biāo)均值的離散程度；其中，目標(biāo)均值為樣本數(shù)據(jù)中屬性特征的均值；

19、基于離散程度，確定屬性特征的目標(biāo)權(quán)重；

20、基于目標(biāo)權(quán)重，確定樣本數(shù)據(jù)的尺度參數(shù)。

21、在本技術(shù)的實(shí)施例中，基于屬性特征相對(duì)于目標(biāo)均值的離散程度，確定屬性特征的目標(biāo)權(quán)重；若屬性特征的離散程度較大，表示該屬性特征包含更多的信息，能夠表現(xiàn)出不同的樣本數(shù)據(jù)之間的差異；因此，對(duì)應(yīng)的目標(biāo)權(quán)重更大；并基于目標(biāo)權(quán)重，確定樣本數(shù)據(jù)的尺度參數(shù)。

22、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在第一方面的某些實(shí)現(xiàn)方式中，基于目標(biāo)權(quán)重，確定樣本數(shù)據(jù)的尺度參數(shù)，包括：

23、基于目標(biāo)權(quán)重，確定各樣本數(shù)據(jù)的第一距離與第二距離；其中，第一距離為各樣本數(shù)據(jù)與第二樣本數(shù)據(jù)的距離；第二距離為各樣本數(shù)據(jù)與候選數(shù)據(jù)集合中各候選數(shù)據(jù)的距離之和；候選數(shù)據(jù)集合包括第二樣本數(shù)據(jù)與第二樣本數(shù)據(jù)的鄰域內(nèi)的樣本數(shù)據(jù)；

24、基于各樣本數(shù)據(jù)的第一距離與第二距離的比值，確定各樣本數(shù)據(jù)之間的尺度參數(shù)。

25、在本技術(shù)的實(shí)施例中，基于目標(biāo)權(quán)重，確定各樣本數(shù)據(jù)的第一距離與第二距離；即確定各樣本數(shù)據(jù)與第二樣本數(shù)據(jù)的距離，以及各樣本數(shù)據(jù)與第二樣本數(shù)據(jù)的候選數(shù)據(jù)集合之間的距離之和；由于候選數(shù)據(jù)集合包括第二樣本數(shù)據(jù)與第二樣本數(shù)據(jù)的鄰域內(nèi)的樣本數(shù)據(jù)；因此，第二距離能夠反映各樣本數(shù)據(jù)與第二樣本數(shù)據(jù)鄰域內(nèi)各樣本數(shù)據(jù)的距離；即第二樣本數(shù)據(jù)的分布不同，第二樣本數(shù)據(jù)的鄰域內(nèi)的樣本數(shù)據(jù)不同，對(duì)應(yīng)的第二距離不同；基于第一距離與第二距離的比值，確定各樣本數(shù)據(jù)之間的尺度參數(shù)，得到的尺度參數(shù)能夠反映兩個(gè)樣本數(shù)據(jù)之間的距離以及樣本數(shù)據(jù)與候選數(shù)據(jù)集合之間的距離。

26、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在第一方面的某些實(shí)現(xiàn)方式中，基于目標(biāo)聚類中心對(duì)樣本數(shù)據(jù)進(jìn)行聚類處理，得到車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果，包括：

27、確定各樣本數(shù)據(jù)與目標(biāo)聚類中心的第三距離；

28、基于各樣本數(shù)據(jù)的第三距離與目標(biāo)聚類中心，得到車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果。

29、在本技術(shù)的實(shí)施例中，基于各樣本數(shù)據(jù)與目標(biāo)聚類中心的第三距離與目標(biāo)聚類中心，得到車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果；即遍歷各樣本數(shù)據(jù)，并將各樣本數(shù)據(jù)與距離最近的目標(biāo)聚類中心劃分為同一簇?cái)?shù)據(jù)，得到車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果。

30、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在第一方面的某些實(shí)現(xiàn)方式中，在獲取車聯(lián)網(wǎng)的樣本數(shù)據(jù)之前，還包括：

31、獲取車聯(lián)網(wǎng)的初始數(shù)據(jù)；

32、獲取車聯(lián)網(wǎng)的樣本數(shù)據(jù)，包括：對(duì)初始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，得到樣本數(shù)據(jù)；其中，數(shù)據(jù)預(yù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換與數(shù)據(jù)聚集中的至少一項(xiàng)。

33、在本技術(shù)的實(shí)施例中，在獲取完初始數(shù)據(jù)后，對(duì)初始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；從而去除車聯(lián)網(wǎng)數(shù)據(jù)中的噪聲數(shù)據(jù)、減少數(shù)據(jù)維度，提高數(shù)據(jù)質(zhì)量，從而能夠更好地對(duì)樣本數(shù)據(jù)進(jìn)行聚類，發(fā)現(xiàn)車聯(lián)網(wǎng)數(shù)據(jù)之間的內(nèi)在關(guān)系，提高聚類分析的準(zhǔn)確性。

34、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在第一方面的某些實(shí)現(xiàn)方式中，基于樣本數(shù)據(jù)，確定樣本數(shù)據(jù)的屬性特征的目標(biāo)權(quán)重，包括：

35、基于目標(biāo)需求對(duì)樣本數(shù)據(jù)進(jìn)行特征提取，得到樣本數(shù)據(jù)的屬性特征；

36、基于樣本數(shù)據(jù)與屬性特征，確定屬性特征的目標(biāo)權(quán)重。

37、在本技術(shù)的實(shí)施例中，由于車聯(lián)網(wǎng)數(shù)據(jù)通常包含多種維度的特征；但是并非所有維度的特征都對(duì)聚類有實(shí)質(zhì)性的作用；若提取的特征過多，可能導(dǎo)致屬性特征的冗余，降低聚類的效率和準(zhǔn)確性；因此，基于目標(biāo)需求對(duì)預(yù)處理后的樣本數(shù)據(jù)進(jìn)行特征提取得到樣本數(shù)據(jù)的屬性特征，確保得到的屬性特征是與目標(biāo)需求的一致性，從而避免屬性特征冗余對(duì)聚類的效率與準(zhǔn)確性的影響。

38、第二方面，提供了一種車聯(lián)網(wǎng)數(shù)據(jù)的處理裝置，裝置包括：

39、獲取模塊，用于獲取車聯(lián)網(wǎng)的樣本數(shù)據(jù)；

40、第一確定模塊，用于基于樣本數(shù)據(jù)，確定樣本數(shù)據(jù)的屬性特征的目標(biāo)權(quán)重與樣本數(shù)據(jù)的尺度參數(shù)；其中，目標(biāo)權(quán)重用于表示屬性特征對(duì)聚類結(jié)果的影響程度；尺度參數(shù)用于表示樣本數(shù)據(jù)之間的距離對(duì)聚類結(jié)果的影響程度；

41、第二確定模塊，用于基于目標(biāo)權(quán)重與尺度參數(shù)，確定樣本數(shù)據(jù)的目標(biāo)聚類中心；

42、處理模塊，用于基于目標(biāo)聚類中心對(duì)樣本數(shù)據(jù)進(jìn)行聚類處理，得到車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果；其中，車聯(lián)網(wǎng)數(shù)據(jù)的聚類結(jié)果用于表示車聯(lián)網(wǎng)數(shù)據(jù)中屬性特征的關(guān)聯(lián)度。

43、第三方面，提供了一種電子設(shè)備，包括存儲(chǔ)器和處理器，該存儲(chǔ)器用于存儲(chǔ)可執(zhí)行程序代碼，該處理器用于從存儲(chǔ)器中調(diào)用并運(yùn)行該可執(zhí)行程序代碼，使得該電子設(shè)備執(zhí)行上述第一方面或第一方面任意一種可能的實(shí)現(xiàn)方式中的方法。

44、第四方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，該計(jì)算機(jī)程序產(chǎn)品包括：計(jì)算機(jī)程序代碼，當(dāng)該計(jì)算機(jī)程序代碼在計(jì)算機(jī)上運(yùn)行時(shí)，使得該計(jì)算機(jī)執(zhí)行上述第一方面或第一方面任意一種可能的實(shí)現(xiàn)方式中的方法。

45、第五方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有指令，當(dāng)該指令在電子設(shè)備上運(yùn)行時(shí)，使得該電子設(shè)備執(zhí)行上述第一方面或第一方面任意一種可能的實(shí)現(xiàn)方式中的方法。