融入时间关联因子曲线拟合的交通流异常挖掘方法

分析了智能交通系统(ITS)的特征使得获取交通流信息的质量和准确性难以保证,且ITS的分析和预测与数据的存在时间远近关联的紧密性。如果不考虑时间关联,将这些含有噪声、冗余、错误或不一致源信息应用到以参数驱动的预测模型,就无法得到全面的分析和精确的预测。研究了引入时间关联因子的曲线拟合对交通流源数据进行预处理和异常检测并解决时间关联性问题。基于ITS已有的流量—时间比例曲线模型,运用最小二乘法曲线拟合原理,提出了一种加入时间关联因子曲线拟合的交通流异常挖掘方法,并运用分箱思想设定交通系统动态正常数据范围,从而在曲线拟合的基础上剔除异常数据,最后用实例验证了拟合效果及该方法对异常交通流数据的有效识别。