CN101950477B - 一种交通信息处理方法及装置 - Google Patents

Abstract

本发明公开了一种交通信息处理方法及装置，涉及智能交通技术领域。本发明实施例提供的一种交通信息处理方法，包括：获取历史交通信息；将所述历史交通信息进行异常数据的检测处理；获取所述历史交通信息的交通模式数据；根据所述交通模式数据，获取道路状态信息。采用本发明实施例能够实现提高交通信息对道路通行状态的预测精度以及填补缺失的实时交通信息的目的。

Description

一种交通信息处理方法及装置

技术领域

本发明涉及智能交通技术领域，尤其涉及一种交通信息处理方法及装置。

背景技术

当前，先进交通信息服务系统(Advanced Traffic Information System，ATIS)建立在完善的信息网络基础之上，该系统可以通过装备在道路、车、换乘站、停车场以及气象中心的传感器或者数据传输设备来获取各类交通信息，根据所述获取到的数据进行综合处理。该系统可以实时向社会提供全面、准确的实时道路交通拥堵信息。但是，通过所述设备所获取到的数据不能完全覆盖所有的道路，或者，在所述获取交通信息的过程中，不可避免的会出现部分道路在一些发布周期内道路实时交通信息的缺失，这样，就需要通过历史数据的相似查询进行实时数据填补，并可用历史数据经过分析后进行预测。

为了提高动态交通信息的可用性，需要增加系统的信息预测的功能，需要对过去一定时间周期内的历史路况数据进行独立分析，获取每条道路在历史数据周期内的交通状况的变化趋势，通过接口的方式提供给交通信息服务系统使用。但是，现有技术中经过历史路况数据处理的交通信息对道路通行状态的预测精度较低，无法满足实际预测的需要。

发明内容

本发明实施例提供了一种交通信息处理方法及装置，以实现提高交通信息对道路通行状态的预测精度以及填补缺失的实时交通信息的目的。

为达到上述目的，本发明的实施例采用如下技术方案：

一种交通信息处理方法，包括：

获取历史交通信息；

将所述历史交通信息进行异常数据的检测处理；

获取所述历史交通信息的交通模式数据；

根据所述交通模式数据，获取道路状态信息。

一种交通信息处理装置，包括：

信息获取单元，用于获取历史交通信息；

异常检测单元，用于将所述历史交通信息进行异常数据的检测处理；

模式数据获取单元，用于获取所述历史交通信息的交通模式数据；

信息输出单元，用于根据所述交通模式数据，获取道路状态信息。

本发明实施例提供的一种交通信息处理方法及装置，通过将获取到的所述历史交通信息进行异常数据的检测处理，使得所述历史交通信息的交通模式数据能够更加精确的预测正常道路状态下的道路交通状态信息；并可以更加准确的填补未采集到道路交通信息的空缺。

附图说明

图1为本发明实施例提供的一种交通信息处理方法流程图；

图2为本发明实施例提供的一种交通信息处理装置结构示意图；

图3为本发明实施例提供的一种交通信息处理方法的具体实现流程图。

具体实施方式

下面结合具体的实施例和附图对本发明提供的一种交通信息处理方法及装置进行详细的说明。

如图1所示，为本发明实施例提供的一种交通信息处理方法；该方法包括：

101：交通信息处理装置获取历史交通信息；具体的讲，就是将所述历史交通信息导入到所述交通信息处理装置中的数据库中。

102：所述交通信息处理装置将所述历史交通信息进行异常数据的检测处理；其中，所述异常数据的检查处理包括：纵向检测、横向检测以及对检测到的异常数据的处理。所述纵向检测优选采用Grubbs(格拉布斯)算法。

103：所述交通信息处理装置获取所述历史交通信息的交通模式数据；该交通模式数据可以理解为经过所述异常数据检测处理后，按照待检测特征日和待检测时间窗，所获取的车辆平均行驶速度和速度的方差。值得说明的是，所述交通模式数据还可以进行平滑处理，从而使得所述交通模式数据更加的精确。

104：根据所述交通模式数据，所述交通信息处理装置获取道路状态信息。

如图2所示，为本发明实施例提供的一种交通信息处理装置；该装置包括：

信息获取单元201，用于获取历史交通信息；具体的讲，就是将所述历史交通信息导入到所述交通信息处理装置中的数据库中。

异常检测单元202，用于将所述历史交通信息进行异常数据的检测处理；其中，所述异常数据的检查处理包括：纵向检测、横向检测以及对检测到的异常数据的处理。所述纵向检测优选采用Grubbs(格拉布斯)算法。

模式数据获取单元203，用于获取所述历史交通信息的交通模式数据；该交通模式数据可以理解为经过所述异常数据检测处理后，按照待检测特征日和待检测时间窗，所获取的车辆平均行驶速度和速度的方差。值得说明的是，所述交通模式数据还可以进行平滑处理，从而使得所述交通模式数据更加的精确。

信息输出单元204，用于根据所述交通模式数据，获取道路状态信息。

需要注意的是，当所述历史交通信息包括：道路旅行时间和旅行道路旅程时，该装置还包括：

车速获取单元，用于根据所述历史交通信息的道路旅行时间和旅行道路旅程，获取所述道路的平均车速数据；

分类单元，用于将所述历史交通信息以及所述获取到的平均车速数据按照特征日进行分类。

还需要注意的是，所述异常检测单元，包括：

数据获取子单元，用于按照所述特征日，依次获取每条道路在每个时间窗内的平均车速数据；

纵向检测子单元，用于按照所述特征日内时间窗的顺序，依次对相应时间窗内的所有道路的平均车速数据进行异常数据的纵向检测；

横向检测子单元，用于按照所述特征日的顺序，依次对相应特征日内的所有所述道路的平均车速数据进行异常数据的横向检测；

检测处理子单元，用于将所述检测出的异常数据按照预设方式进行处理。

还需要注意的是，所述纵向检测子单元，还包括：

参数获取分单元，用于获取待检测道路异常数据的参考阈值以及待检测特征日和待检测时间窗的道路的平均车速样本数据；

判断分单元，用于根据所述参考阈值，判断所述待检测特征日和待检测时间窗道路的平均车速样本数据是否为异常数据；如果所述待检测特征日和待检测时间窗道路的平均车速样本数据超出所述参考阈值，则所述待检测特征日和待检测时间窗道路的平均车速的样本数据为异常数据；如果所述待检测特征日和待检测时间窗道路的平均车速样本数据未超出所述参考阈值，则所述待检测特征日和待检测时间窗道路的平均车速样本数据为正常数据。

还需要注意的是，所述检测处理子单元，包括：

标识分单元，用于将所述检测出的异常数据进行标识；

更新分单元，用于更新记录所述异常数据的数据库。

还需要注意的是，所述模式数据获取单元，包括：

样本数据获取子单元，用于获取待检测特征日和待检测时间窗道路的平均车速样本数据；

车辆参数获取子单元，用于根据所述待检测特征日和待检测时间窗道路的平均车速样本数据，获取所述样本数据的车辆平均行驶速度和速度的方差。

基于以上实施例，当所述历史交通信息包括：道路旅行时间和旅行道路旅程时，本发明实施例提供的一种交通信息处理方法如图3所示，其具体实现流程如下：

301：交通信息处理装置获取历史交通信息；其中，所述历史交通信息包括：道路旅行时间和旅行道路旅程。

302：所述交通信息处理装置根据所述历史交通信息的道路旅行时间和旅行道路旅程，获取所述道路的平均车速数据。

303：所述交通信息处理装置将所述历史交通信息以及所述获取到的平均车速数据按照特征日进行分类。

304：按照所述特征日，所述交通信息处理装置依次获取每条道路在每个时间窗内的平均车速数据；

305：所述交通信息处理装置按照所述特征日内时间窗的顺序，依次对相应时间窗内的所有道路的平均车速数据进行异常数据的纵向检测；例如：设所述所述特征日为一年内所有周一的历史交通信息以及所述历史交通信息对应的平均车速数据；时间窗包括00:00、00:05、00:10...23:50、23:55；所述时间窗内的所有道路包括10条；这样，进行纵向检测的顺序如下表3-1所示为：首先，对所述10条道路，按照时间窗的顺序从00:00到23:55，依次对所述52周的周一进行一列一列的纵向检测；将所述表格中的所有列检测后，再进行下述步骤306(即横向检测)。

其中，所述异常数据的纵向检测可以采用格拉布斯算法。其具体的纵向检测过程如下：

S11：获取待检测道路异常数据的参考阈值以及待检测特征日和待检测时间窗的道路的平均车速样本数据；其中，所述待检测特征日和待检测时间窗可以根据实际情况的需要进行与设置，以下设待检测特征日为，某年内的所以周一，待检测时间窗为上午8:00道路一的平均车速样本数据；所述样本数据为n个；

首先，获取所述待检测特征日和待检测时间窗内道路一平均车速的n个样本数据和待检测道路的平均车速数据的检测显著水平α；所述检测显著水平α＝P{x≥t_c}，其中，概率分布P为对应于(n-2)自由度的t分布，x为样本数据中的车辆行驶的平均速度数据；t_C为平均车速的阈值；

然后，获取所述样本数据的平均车速

和所述样本数据的标准差(s_x)，

计算公式如下：

$\stackrel{\‾}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i,$ $s_x=\frac{1}{n-1}\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(x_i-\stackrel{\‾}{x})}$

其中，n为样本数据的个数，x_i为所述样本数据中第i个车辆行驶的平均速度；

接着，根据所述根据平均车速的阈值t_c和样本数据条数n，构造g_c使其满足P{|x|≥g_c}＝α，计算公式为

其中，所述g_C为待检测道路异常数据的参考阈值。

S12：根据所述参考阈值，判断所述待检测特征日和待检测时间窗道路的平均车速样本数据是否为异常数据；其具体的判断过程如下：

首先，根据每个样本数据的车速值x_i和全部样本的平均车速值

构造每个检测样本车速值x_i的z_i得分，即

然后，取z_i的最大值g，即g＝max{|z_i|}；

最后，判断所述g是否大于g_c。

S13：如果所述待检测特征日和待检测时间窗道路的平均车速样本数据超出所述参考阈值，则所述待检测特征日和待检测时间窗道路的平均车速的样本数据为异常数据；即，如果g＞g_c，则对应于g的样本数据点为异常数据。

S14：如果所述待检测特征日和待检测时间窗道路的平均车速样本数据未超出所述参考阈值，则所述待检测特征日和待检测时间窗道路的平均车速样本数据为正常数据。

需要说明的是，按照上述的纵向异常数据的检测过程，将所述样本数据都检测后，如果未检测出任何异常数据，则转到步骤306进行横向检测。

306：所述交通信息处理装置按照所述特征日的顺序，依次对相应特征日内的所有所述道路的平均车速数据进行异常数据的横向检测；所述横向检测可以采用假设检测方法。所述横向检测的具体办法如上表3-1所示，可以在所述纵向检测之后，对所述52周的周一按照第1个周一到到第52个周一的顺序，对所述表格中数据进行一行一行的检查(即横向检测。)

307：所述交通信息处理装置将所述检测出的异常数据按照预设方式进行处理。该步骤具体可以包括：

S21：将所述检测出的异常数据进行标识；

S22：更新记录所述异常数据的数据库。

308：所述交通信息处理装置获取所述历史交通信息的交通模式数据；该步骤具体可以包括：

S31：获取待检测特征日和待检测时间窗道路的平均车速样本数据；具体的讲，就是获取所述待检测特征日和待检测时间窗内道路一平均车速的n个样本数据。

S32：根据所述待检测特征日和待检测时间窗道路的平均车速样本数据，获取所述样本数据的车辆平均行驶速度

和速度的方差

其中，所述车辆平均行驶速度

的计算公式为

n为样本数据条数；所述速度的方差

的计算公式为

309：根据所述交通模式数据，所述交通信息处理装置获取道路状态信息。

本发明实施例提供的一种交通信息处理方法及装置，通过将获取到的所述历史交通信息进行异常数据的检测处理，使得所述历史交通信息的交通模式数据能够更加精确的预测正常道路状态下的道路交通状态信息；并可以更加准确的填补未采集到道路交通信息的空缺。

通过以上的实施方式的描述，本领域普通技术人员可以理解：实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括如上述方法实施例的步骤，所述的存储介质，如：ROM/RAM、磁碟、光盘等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种交通信息处理方法，其特征在于，包括：

获取历史交通信息；

将所述历史交通信息进行异常数据的检测处理；

获取所述异常数据检测处理后的历史交通信息的交通模式数据；

根据所述交通模式数据，获取道路状态信息；

当所述历史交通信息包括：道路旅行时间和旅行道路旅程时，所述获取历史交通信息的步骤之后，还包括：

根据所述历史交通信息的道路旅行时间和旅行道路旅程，获取所述道路的平均车速数据；

将所述历史交通信息以及所述获取到的平均车速数据按照特征日进行分类；

所述将所述历史交通信息进行异常数据的检测处理的步骤，包括：

按照所述特征日，依次获取每条道路在每个时间窗内的平均车速数据；

按照所述特征日内时间窗的顺序，依次对相应时间窗内的所有道路的平均车速数据进行异常数据的纵向检测；

按照所述特征日的顺序，依次对相应特征日内的所有所述道路的平均车速数据进行异常数据的横向检测；

将所述检测出的异常数据按照预设方式进行处理。

2.根据权利要求1所述的交通信息处理方法，其特征在于，所述异常数据的纵向检测采用格拉布斯算法；

所述按照所述特征日内时间窗的顺序，依次对相应时间窗内的所有道路的平均车速数据进行异常数据的纵向检测的步骤，包括：

获取待检测道路异常数据的参考阈值以及待检测特征日和待检测时间窗的道路的平均车速样本数据；

根据所述参考阈值，判断所述待检测特征日和待检测时间窗道路的平均车速样本数据是否为异常数据；

如果所述待检测特征日和待检测时间窗道路的平均车速样本数据超出所述参考阈值，则所述待检测特征日和待检测时间窗道路的平均车速的样本数据为异常数据；

如果所述待检测特征日和待检测时间窗道路的平均车速样本数据未超出所述参考阈值，则所述待检测特征日和待检测时间窗道路的平均车速样本数据为正常数据。

3.根据权利要求2所述的交通信息处理方法，其特征在于，所述将所述检测出的异常数据按照预设方式进行处理的步骤，包括：

将所述检测出的异常数据进行标识；

更新记录所述异常数据的数据库。

4.根据权利要求1至3中任意一项所述的交通信息处理方法，其特征在于，所述获取所述异常数据检测处理后的历史交通信息的交通模式数据的步骤，包括：

获取待检测特征日和待检测时间窗道路的平均车速样本数据；

根据所述待检测特征日和待检测时间窗道路的平均车速样本数据，获取所述样本数据的车辆平均行驶速度和速度的方差。

5.一种交通信息处理装置，其特征在于，包括：

信息获取单元，用于获取历史交通信息；

异常检测单元，用于将所述历史交通信息进行异常数据的检测处理；

模式数据获取单元，用于获取所述异常数据检测处理后的历史交通信息的交通模式数据；

信息输出单元，用于根据所述交通模式数据，获取道路状态信息；

当所述历史交通信息包括：道路旅行时间和旅行道路旅程时，该装置还包括：

车速获取单元，用于根据所述历史交通信息的道路旅行时间和旅行道路旅程，获取所述道路的平均车速数据；

分类单元，用于将所述历史交通信息以及所述获取到的平均车速数据按照特征日进行分类；

所述异常检测单元，包括：

数据获取子单元，用于按照所述特征日，依次获取每条道路在每个时间窗内的平均车速数据；

纵向检测子单元，用于按照所述特征日内时间窗的顺序，依次对相应时间窗内的所有道路的平均车速数据进行异常数据的纵向检测；

横向检测子单元，用于按照所述特征日的顺序，依次对相应特征日内的所有所述道路的平均车速数据进行异常数据的横向检测；

检测处理子单元，用于将所述检测出的异常数据按照预设方式进行处理。

6.根据权利要求5所述的交通信息处理装置，其特征在于，所述纵向检测子单元，还包括：

参数获取分单元，用于获取待检测道路异常数据的参考阈值以及待检测特征日和待检测时间窗的道路的平均车速样本数据；

判断分单元，用于根据所述参考阈值，判断所述待检测特征日和待检测时间窗道路的平均车速样本数据是否为异常数据；如果所述待检测特征日和待检测时间窗道路的平均车速样本数据超出所述参考阈值，则所述待检测特征日和待检测时间窗道路的平均车速的样本数据为异常数据；如果所述待检测特征日和待检测时间窗道路的平均车速样本数据未超出所述参考阈值，则所述待检测特征日和待检测时间窗道路的平均车速样本数据为正常数据。

7.根据权利要求6所述的交通信息处理装置，其特征在于，所述检测处理子单元，包括：

标识分单元，用于将所述检测出的异常数据进行标识；

更新分单元，用于更新记录所述异常数据的数据库。

8.根据权利要求5至7中任意一项所述的交通信息处理装置，其特征在于，所述模式数据获取单元，包括：

样本数据获取子单元，用于获取待检测特征日和待检测时间窗道路的平均车速样本数据；

车辆参数获取子单元，用于根据所述待检测特征日和待检测时间窗道路的平均车速样本数据，获取所述样本数据的车辆平均行驶速度和速度的方差。

Images