[发明专利]一种基于多维数据的交通异常点检测方法

说明书

技术领域

本发明涉及智能交通领域，尤其涉及一种基于多维数据的交通异常点检测方法。

背景技术

随着城市经济的快速发展，城市交通中机动车数量不断增加，如何有效调控交通流量，优化道路的使用效率，疏导道路的交通状况，成为城市智能交通领域研究的重点。而其中的一个关键技术就是对城市交通的异常进行检测，即通过一定的技术手段检测出城市交通中出现异常的路段。异常点的检测是城市交通公共信息服务的主要内容，也是交通管理部门部署警力、疏导道路交通的必要手段。交通异常点的检测一般是采用车流量数据进行分析，但该做法没有考虑交通数据本身特性，会将正常数据检测为异常，如出现红灯的时间不固定而导致的某时段某路段流量出现变化的情况。因此采用多指标数据检测交通道路异常点来克服单个指标的片面性和较大误差。在异常点检测中，通过采用技术手段对多指标数据进行分析计算，得出交通异常的路段，包括正异常和负异常，正异常指好的异常，即交通状态相比以前变好了；负异常指坏的异常，即交通状态相比以前变坏了，负异常的路段是交通管理部门重点关注的路段，因此本发明主要考虑负异常的情况。

目前对交通异常点检测的研究较少，一般只是单纯的拥堵检测。异常点检测可采用离群点检测的方法，主要有基于模型的方法，基于邻近度的方法，基于聚类的方法以及基于密度的方法。基于模型的方法要求事先知道数据服从什么分布，对多维数据的检测性较差；基于邻近度的方法不适用于交通大数据集，对参数选择较敏感，且无法满足交通数据分布不均匀的需求；基于聚类的方法其检测结果与簇类个数的选取有关，会出现误判现象，即使是不需预先选择簇类个数的DBSCAN方法对于簇的边界样本同样会出现误判，且不能较好反映多维数据；基于密度的方法能有效适用于分布不均匀的多维交通数据，且在交通异常点检测中对参数的选择不敏感。为了定量给出交通异常点，设计一种基于多维数据的交通异常点检测方法是十分有必要的。

发明内容

本发明为克服上述的不足之处，目的在于提供一种基于多维数据的交通异常点检测方法，该方法对微波设备获取的每条路段连续一段时间内的流量、速度和车道占有率数据，先根据速度数据计算路段的历史拥堵概率，通过对比最近时间的交通状态指标值定义路段的正、负异常，再从负异常的路段中用基于密度的局部异常因子方法计算异常度，并结合正负异常因子计算加权异常度。本发明方法采用多指标数据，考虑了样本空间数据分布不均匀的情况，通过结合交通数据本身特性，避免了基于密度的局部异常因子方法的局部有限性，能有效检测出道路异常点，帮助交管部门指挥道路交通，调节优化道路的使用效率。

本发明是通过以下技术方案达到上述目的：一种基于多维数据的交通异常点检测方法，包括如下步骤：

(1)采集微波监控路段的交通特征数据；

(2)计算每条路段的历史拥堵概率；

(3)根据每条路段的交通特征数据来判断并定义路段的正负异常；

(4)采用基于密度的局部离群因子算法计算异常度；

(5)通过步骤(2)与步骤(4)得到的结果计算加权异常度；

(6)对步骤(5)得到的结果进行排序，得到前T个加权异常度最大的路段，T为预先设置的阈值；

(7)输出前T个加权异常度最大的路段。

作为优选，所述步骤(1)所述的交通特征数据包括微波监测路段的车流量、车辆速度、车道占有率三类数据。

作为优选，所述步骤(2)计算每条路段的历史拥堵概率是以车辆速度数据为对象，计算速度小于v的数据占有率；历史拥堵概率的计算式子如下所示：

p(i)=sum(v(i)<v)sum(v(i))]]>