[發明專利]一種交通異常路段概率識別方法

有效

• 申請號: 201510077183.1
• 申請日: 2015-04-21
• 公開（公告）號: CN104732762B
• 公開（公告）日: 2017-01-25
• 發明（設計）人: 王浩;李建元;趙貝貝;張麒;李芳;顧超
• 申請（專利權）人: 銀江股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 杭州斯可睿專利事務所有限公司33241
• 代理人: 王利強

1.一種交通異常路段概率識別方法，其特征在于：包括以下步驟：

步驟1：清洗車速、流量數據后融合抽樣數據構成樣本空間

預設流量的先驗閾值和車速的先驗閾值，清洗、過濾掉閾值范圍以外的錯誤數據，將全天24小時劃分為設定時間段的時間槽，以當前實時數據所在的時間槽為依據，從數據庫中抽樣選取鄰近天數的同一時間槽內的車速和流量數據，同時抽樣選取鄰近天數的相鄰設定時間段時間槽內的車速和流量數據，組成各個微波點的樣本空間；

步驟2：車速、流量數據源正態性檢驗

先驗證數據源是否符合正態分布，偏度系數描述一個分布偏離正態分布的程度，峰度系數反映了分布曲線相比正態分布在頂端高聳或扁平程度的不同，分別計算微波點在各自樣本空間內的偏度系數和峰度系數，根據系數大小判定當前微波點數據是否符合正態分布；

步驟3：計算各微波點車速、流量的均值和方差

經過數據清洗后的(X₁,X₂,...,X_n)構成微波點X關于車速或流量的一個樣本空間，由n個樣本點組成，其中計算出樣本均值，S2=1n-1Σi=1n(Xi-X‾)2]]>為樣本方差，令總體期望μ=X‾,]]>總體方差σ²＝S²；

步驟4：將數據源線性變換為關于車速、流量的標準正態分布

x₁、x₂分別為微波點實時車速和流量，μ₁、σ₁為根據相應微波點近期車速數據計算出的期望和方差，μ₂、σ₂為根據相應微波點近期流量數據計算出的期望和方差，則該微波點的近期車速數據X₁服從μ₁、的正態分布，即該微波點的近期流量數據X₂服從μ₂、的正態分布，即通過的線性變換，可以分別將車速和流量的一般正態分布變換為標準正態分布，即車速符合此時y₁是標準正態分布下的車速，流量符合此時y₂是標準正態分布下的流量，各個微波點由符合各自的正態分布線性變換為符合標準正態分布，線性變換后各個微波點的概率密度函數相同，均被統一在同一尺度空間下；

步驟5：車速異常指數和流量異常指數的計算，

道路綜合異常指數為：

D＝D_v+D_f

定義車速異常指數D_v為：

Dv=αfαv+αf(1-φ(y1))]]>

D_v的取值范圍為[0,1]，車速異常指數越大說明當前微波點的車速越異常，α_v為車速的偏度系數和峰度系數的絕對值之和，α_f為流量的偏度系數和峰度系數的絕對值之和，其中，φ(y₁)為標準正態分布下車速y₁的異常概率，

y₁為標準正態分布下的車速，(-∞,y₁)為車速積分區間，t₁為車速積分變量，dt₁為車速積分單元；

定義流量異常指數D_f為：

Df=αvαv+αfφ(y2)]]>

D_f的取值范圍為[0,1]，流量異常指數越大說明當前微波點的流量突增，有可能出現異常事件，其中，φ(y₂)為標準正態分布下流量y₂的異常概率，

y₂為標準正態分布下的流量，(-∞,y₂)為流量積分區間，t₂為流量積分變量，dt₂為流量積分單元；

步驟6：異常指數降序排列輸出預警

遍歷計算全路網中所有微波點當前時間槽內的道路異常指數D，對計算出的異常指數結果按照從大到小排列，輸出前K個最異常的路段預警。

2.如權利要求1所述的一種交通異常路段概率識別方法，其特征在于：所述步驟5)中，線性變換后的微波點車速y₁、流量y₂數據均符合標準正態分布，線性變換后標準正態分布下的車速反映當前微波點車速x₁與平均車速即期望μ₁的偏離程度，線性變換后的概率密度函數相同，即為由標準正態分布的概率密度函數可知，微波點車速y₁越小于均值μ₁，微波點車速y₁的分布函數越小；線性變換后標準正態分布下的流量反映當前微波點流量x₂與平均流量即期望μ₂的偏離程度，線性變換后的概率密度相同，即為由標準正態分布的概率密度函數可知，微波點流量y₂越大于均值μ₂，標準正態分布下流量y₂的分布函數越大。