【技术实现步骤摘要】
本专利技术涉及智能交通信息处理，尤其涉及一种基于多维矩阵画像的高速公路交通异常检测方法。
技术介绍
1、高速公路交通状态指的是车辆群在高速公路上行驶的特征。当交通拥堵、道路施工、交通事故等事件发生时，会对车辆群的正常行驶造成影响，从而形成交通异常状态。如今随着交通需求的增长高速公路上的异常交通状态也频繁发生，若不能及时高效地发现并采取适宜的措施，就会带来严重的资源损失，甚至威胁道路使用者的生命安全。因此，及时且准确的交通异常检测是相当重要的，能够助力交通管理人员制定并实施相应的管理策略，降低交通异常带来的损害。
2、现有的交通异常检测方法根据数据采集方式可以分为两类：基于固定检测器的交通异常检测方法和基于浮动车数据的交通异常检测方法。基于固定检测器来采集交通数据的时间要早于使用浮动车来采集数据，因此相关的算法要更加的丰富和成熟。但是以此获得的数据往往是断面数据，难以获得更为直观的交通信息，并且它的布设及维护成本要更高。随着数据采集和传输技术的发展，使用浮动车获取交通数据变得更加可行。它能够获取到更加全面的细粒度数据，实现对交通状态的精准刻画，但现有的基于浮动车数据的交通异常检测算法则可以分为基于模型的方法、基于密度的方法和基于近邻度的方法。其中基于模型的方法需要对数据的分布进行假设，且可能出现过拟合的问题；基于密度和基于近邻度的方法则对计算资源有着较高的需求。
3、因此，如何提供一种基于多维矩阵画像的高速公路交通异常检测方法，成为了本领域技术人员急需解决的技术问题。
技术实现思
1、本专利技术目的是提供了一种基于多维矩阵画像的高速公路交通异常检测方法，通过比较不同子序列之间的距离来检测数据集中的异常，引入了局域动态阈值和持续性检测增加了算法对数据变化的灵敏度，能够实现对异常更加精准的定位。
2、本专利技术解决技术问题采用如下技术方案：
3、一种基于多维矩阵画像的高速公路交通异常检测方法，包括如下步骤：
4、s1，数据获取和预处理：通过车载导航软件获取数据；对数据进行预处理形成时空网格的数据结构；
5、s2，数据准备：从不同路段的数据中选择发生交通异常较多的路段作为数据样本；
6、s3，构建基于多维矩阵画像的交通异常检测算法对数据样本进行异常检测，判断是否发生异常；并通过交叉验证确定交通异常检测算法的最优参数。
7、进一步的，s1中，通过车载导航软件获取的数据包括平均速度、速度标准差以及拥堵指数。
8、进一步的，s1中，对数据进行预处理分为两个部分：首先对空缺数据进行线性插补，保证数据的完整性，接着将研究道路按照道路功能进行划分，并与多维度的时序数据进行匹配，形成时空网格的数据结构。
9、进一步的，s2中，数据样本x的形状为d×m；其中d表示数据中包含的交通特征个数，m表示每个维度数据含有的时间戳的个数。
10、进一步的，s3中，构建基于多维矩阵画像的交通异常检测算法对数据样本进行异常检测，判断是否发生异常；并通过交叉验证确定交通异常检测算法的最优参数的具体方法如下：
11、s31，根据公式(1)计算多维子序列dti,m与其它多维子序列dtj,m的欧式距离，其中dti,m的形状是d×m；
12、
13、其中d(ti,m，tj,m)代表了两个子序列ti,m、tj,m之间的欧式距离，μi、μj分别代表了两个子序列的均值，θi、θj分别代表了两个子序列的标准差；
14、(2)计算每个子序列ti,m对应的局域动态阈值τi，公式如下：
15、dτi＝dμi+nl×dθi (2)
16、其中dτi指的是使用d个交通特征进行检测时，时间戳i处的子序列对应的局域动态阈值，dμi指的是对应特征的多维矩阵画像子序列的均值，nl是nl倍的标准差，dθi指得是对应特征的多维矩阵画像子序列的标准差；
17、(3)进行持续性检测，设定一个阈值nc，只有当连续nc个子序列对应的矩阵画像值大于对应的局域动态阈值时，才会将nc个子序列中的第一个子序列对应的交通状态视作是交通异常；
18、(4)在基于矩阵画像的高速公路异常检测算法中，各种参数包括滑动时间窗的大小w，局域动态阈值的参数r以及nl，持续性检测的参数nc都需要逐步优化使得算法性能达到最优。
19、进一步的，使用召回率r、精确率p、虚警率far来作为高速公路异常检测算法性能的评价指标，公式如下：
20、
21、高速公路异常检测算法检测到的交通异常的时间戳位于真正发生的时间戳前一个滑动时间窗大小w的范围内，认为这是一个正例；其中当召回率和精确率达到最大，虚警率达到最小时算法性能达到最优。
22、有益效果在于：
23、相较于基于模型和基于密度的检测方法，本专利技术通过比较不同子序列之间的距离来检测数据集中的异常，引入了局域动态阈值和持续性检测增加了算法对数据变化的灵敏度，能够实现对异常更加精准的定位，对交通管理者及时发现并响应交通异常具有积极意义。
本文档来自技高网...【技术保护点】
1.一种基于多维矩阵画像的高速公路交通异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于多维矩阵画像的高速公路交通异常检测方法，其特征在于，S1中，通过车载导航软件获取的数据包括平均速度、速度标准差以及拥堵指数。
3.根据权利要求2所述的一种基于多维矩阵画像的高速公路交通异常检测方法，其特征在于，S1中，对数据进行预处理分为两个部分：首先对空缺数据进行线性插补，保证数据的完整性，接着将研究道路按照道路功能进行划分，并与多维度的时序数据进行匹配，形成时空网格的数据结构。
4.根据权利要求3所述的一种基于多维矩阵画像的高速公路交通异常检测方法，其特征在于，S2中，数据样本X的形状为d×m；其中d表示数据中包含的交通特征个数，m表示每个维度数据含有的时间戳的个数。
5.根据权利要求4所述的一种基于多维矩阵画像的高速公路交通异常检测方法，其特征在于，S3中，构建基于多维矩阵画像的交通异常检测算法对数据样本进行异常检测，判断是否发生异常；并通过交叉验证确定交通异常检测算法的最优参数的具体方法如下：
6.根据
...【技术特征摘要】
1.一种基于多维矩阵画像的高速公路交通异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于多维矩阵画像的高速公路交通异常检测方法，其特征在于，s1中，通过车载导航软件获取的数据包括平均速度、速度标准差以及拥堵指数。
3.根据权利要求2所述的一种基于多维矩阵画像的高速公路交通异常检测方法，其特征在于，s1中，对数据进行预处理分为两个部分：首先对空缺数据进行线性插补，保证数据的完整性，接着将研究道路按照道路功能进行划分，并与多维度的时序数据进行匹配，形成时空网格的数据结构。
4.根据权利要求3所述的一种基于多维矩阵画像的...
【专利技术属性】
技术研发人员：赵晓华，彭翠山，姚莹，欧居尚，亓航，刘畅，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。