徐程, 曲昭伟, 陶鹏飞, 金盛

(1.吉林大学 交通学院，吉林 长春 130022；2.浙江警察学院 交通管理工程系，浙江 杭州 310053；3.浙江大学 建筑工程学院，浙江 杭州 310058)



动态交通数据异常值的实时筛选与恢复方法

徐程1, 2, 曲昭伟1, 陶鹏飞1, 金盛3

(1.吉林大学 交通学院，吉林 长春 130022；2.浙江警察学院 交通管理工程系，浙江 杭州 310053；3.浙江大学 建筑工程学院，浙江 杭州 310058)

摘要：针对实际中检测器原始交通数据存在的大量缺失与异常的实际情况，论文通过分析数据采样间隔与交通流三参数内在关系等因素的影响，设计了4步骤的数据筛选方法，包括初步筛选、阈值筛选、交通流理论筛选和质量控制筛选；提出了基于时间序列、历史数据、空间位置及时空相关性的四种在不同条件下应用的数据恢复方法；以此为基础建立了标准的数据预处理流程。通过北京快速路实际数据验证表明，算法能够有效剔除异常数据，异常数据恢复精度低于10%，同时具有很强的实时性和稳定性，能够满足工程实际的应用。

关键词：采样间隔；数据筛选；数据恢复；多元质量控制；时间序列；时空相关性；数据预处理；交通流理论

动态交通数据是进行城市交通智能化管控的前提与基础。实时动态交通数据的采集、处理、分析与应用是智能交通系统(intelligent transportation systems, ITS)的重要组成部分之一。失去了精确的交通流实时数据的支撑，智能交通系统将无法发挥其应有的作用。国内外的相关研究表明，先进的交通管理系统中实时数据的准确率平均值仅为67%左右[1]，交通流实时数据的精度和有效性是制约交通管理系统发挥效益的瓶颈之一。……