针对浮动车异常数据的增强型在线异常点检测算法

• 作者: 施展华 曹鹏 马婕
• 来源期刊: 交通运输工程与信息学报
• 学科: 交通运输
• 关键词: 智能交通系统 离群点检测 聚类 浮动车数据
• 年，卷（期）: 2019,（2）
• 页码范围: 23-35
• 页数: 13页
• 分类号: U491
• 字数: 7207字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-4747.2019.02.004

摘要

在智能交通系统(ITS)中,为了从浮动车数据中获取准确动态的交通信息,需要实时识别并剔除异常数据.为了检测异常浮动车数据,本文提出一种独特的增强型在线非监督离群点检测算法(EOSA).该算法由SS算法和K-means聚类算法组成,其中,SS算法可采用基于离散变量和连续变量的概率模型来计算异常分值,将K-means聚类算法与SS算法相结合可以有效提高检测精度.本文采用了深圳市浮动车数据来验证EOSA算法,试验结果表明,该算法能够成功检测到异常的数据,其中包含车辆停放和停车等待时的异常GPS记录.此外,通过试验比较,本文提出的EOSA算法比现有六种常用算法都具有更高的异常数据检测精度.EOSA算法有望应用于基于浮动车数据的智能交通系统.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹鹏	西南交通大学交通运输与物流学院	2	0	0.0	0.0
2	马婕	同济大学交通运输工程学院	1	0	0.0	0.0
3	施展华	西南交通大学交通运输与物流学院	1	0	0.0	0.0