韦学武,朱海峰,刘彦斌,温熙华,龚方徽

(中电海康集团研究院,浙江 杭州 310012)

交通检测设备的部署和普及,尤其是电子警察设备的应用,为城市交通管理积累了海量数据资源,对于研究交通控制、车辆诱导、公交规划等起到至关重要的作用。在实际道路交通环境中,由于设备故障、线路通信故障或异常交通事件,电子警察采集的部分过车数据出现异常,如数据延迟、数据缺失、异常偏离。现有数据异常偏离分析方法大体分为交通流理论分析、历史统计方法、趋势挖掘方法等。交通流理论分析通过设置某些交通参数临界值,以临界值的合理区间判断数据异常偏离；历史统计方法从历史数据中分析交通参数变化的合理区间；趋势挖掘方法利用机器学习的相关算法实时预测交通参数的概率分布,当实际交通参数位于小概率区间时,则判断数据存在异常偏离。其中交通流理论和历史统计法不能动态跟踪交通参数的变化趋势,无法得到准确的交通参数合理区间；交通流理论分析法还受限于人工对交通流影响因素的调节精度,历史统计方法则依赖于历史数据的全面性和完整性。趋势挖掘方法能拟合历史数据的波动趋势,同时利用实时数据进行预测,应用效果较好。该文以交叉口某一车道为统计分析单元,根据电子警察设备采集的过车记录信息,以流量为统计指标,对数据延迟、数据缺失和异常偏离进行分析,基于马尔科夫模型,考虑流量的周期性和时变性,预测未来15 min流量的概率分布；……