CN103065466A - 一种交通异常状况的检测方法和装置 - Google Patents
一种交通异常状况的检测方法和装置 Download PDFInfo
- Publication number
- CN103065466A CN103065466A CN201210468280XA CN201210468280A CN103065466A CN 103065466 A CN103065466 A CN 103065466A CN 201210468280X A CN201210468280X A CN 201210468280XA CN 201210468280 A CN201210468280 A CN 201210468280A CN 103065466 A CN103065466 A CN 103065466A
- Authority
- CN
- China
- Prior art keywords
- gps point
- point quantity
- sigma
- overbar
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明实施例公开了一种交通异常状况的检测方法和装置,涉及交通状况检测领域,用于实时检测浮动车GPS点的突发异常状况,便于及时提供交通信息服务。本发明方案为:在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt;根据高斯混合模型公式获得所述GPS点数量xt的概率密度函数p(xt);根据公式Score(xt)=-log(p(xt)),获得所述GPS点数量xt的损失预期Score(xt);判断所述损失预期Score(xt)是否超过预设的损失阈值;当超过所述损失阈值时,将所述GPS点数量xt确定为离群异常点。本发明用于统计交通信息。
Description
技术领域
本发明涉及交通状况检测领域,尤其涉及一种交通异常状况的检测方法和装置。
背景技术
随着当前机动车数量的不断增加,在城市中对交通状况进行检测的要求也越来越高。在特定的时间段内,在城市中的某个区域中的浮动车GPS点的个数是一个稳定的数值,当这个稳定的数值发生较大的波动时,说明该区域内出现异常的交通事件。比如,如果相邻两个区域中一个区域GPS点数量突然增大,另一个区域GPS点数量突然减小,则可能是连接两个区域的道路出现事故;又比如,如果几个相邻区域的GPS点数量都出现突然增大,则有可能是一条新道路通过了这几个相邻区域。对GPS点数量的异常状况的检测,能够对交通情况提供判断依据。但是在现有技术中,缺乏对浮动车GPS点的突发异常状况的实时检测机制,从而不利于提供交通信息服务。
发明内容
本发明的实施例提供一种交通异常状况的检测方法和装置,能够实时检测浮动车GPS点的突发异常状况。
为达到上述目的,本发明的实施例采用如下技术方案:
一种交通异常状况的检测方法,包括:
在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt;
根据公式Score(xt)=-log(p(xt)),获得所述GPS点数量xt的损失预期Score(xt);
判断所述损失预期Score(xt)是否超过预设的损失阈值;
当超过所述损失阈值时,将所述GPS点数量xt确定为离群异常点。
一种交通异常状况的检测装置,包括:
浮动车数据获取单元,用于在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt;
损失预期获取单元,用于根据公式Score(xt)=-log(p(xt)),获得所述GPS点数量xt的损失预期Score(xt);
判断单元,用于判断所述损失预期Score(xt)是否超过预设的损失阈值;
离群异常点确定单元,用于当超过所述损失阈值时,将所述GPS点数量xt确定为离群异常点。
本发明实施例提供的交通异常状况的检测方法和装置,在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt;然后通过公式计算,获得所述GPS点数量xt的概率密度函数p(xt),进而得到GPS点数量xt的损失预期Score(xt);当所述损失预期Score(xt)超过预设的损失阈值时,将所述GPS点数量xt确定为离群异常点,从而能够实时检测浮动车GPS点的突发异常状况,便于及时提供交通信息服务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种交通异常状况的检测方法的流程图;
图2为本发明实施例一提供的另一种交通异常状况的检测方法的流程图;
图3为浮动车数据采样的示意图;
图4.1为本发明实施例应用场景的示意图;
图4.2为本发明实施例应用场景的示意图;
图5为本发明实施例二提供的一种交通异常状况的检测装置的框图;
图6为本发明实施例二提供的另一种交通异常状况的检测装置的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
本发明实施例提供了一种交通异常状况的检测方法,如图1所示,该方法包括:
101、在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt。
实际场景中,电子地图已经预先划分好了若干个网格。本发明实施例中可以再进一步的细分网格,比如划分单位为100m*100m的小网格,并对新划分的小网格进行重新编号,使得每个小网格有唯一的标识号。
102、根据高斯混合模型公式获得所述GPS点数量xt的概率密度函数p(xt)。
xt即为在t时刻的GPS点数量的取值。
103、根据公式Score(xt)=-log(p(xt)),获得所述GPS点数量xt的损失预期Score(xt)。
104、判断所述损失预期Score(xt)是否超过预设的损失阈值。
根据步骤104的判断情况,分别执行步骤105和步骤106。
105、当超过所述损失阈值时,将所述GPS点数量xt确定为离群异常点。
具体的,高斯混合模型公式按以下步骤进行更新。
t=t+1。
进行了高斯混合模型公式的更新后,当下一个时间点的GPS点数量到来后,能够按照更新后的公式计算概率密度函数。
进一步的,本发明实施例还提供了一种交通异常状况的检测方法,如图2所示,该方法包括:
201、设置聚类类别个数,并对于每个网格,使用M个时间序列值对所述高斯混合模型公式进行初始化。
在二维坐标系中,横轴标识时间点,纵轴表示浮动车数据的数值,如图3所示,可以得到按时间排序的数据序列。
实际场景中,电子地图已经预先划分好了若干个网格。本发明实施例中可以再进一步的细分网格,比如划分单位为100m*100m的小网格,并对新划分的小网格进行重新编号,使得每个小网格有唯一的标识号。
通过步骤201,得到了初始化的高斯混合模型公式。
202、在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt。
204、根据公式Score(xt)=-log(p(xt)),获得所述GPS点数量xt的损失预期Score(xt)。
205、判断所述损失预期Score(xt)是否超过预设的损失阈值。
206、当超过所述损失阈值时,将所述GPS点数量xt确定为离群异常点。
步骤206后,执行步骤208。
207、当未超过损失阈值时,根据所述GPS点数量xt,更新公式以便继续检测下一个GPS点数量的损失预期是否超过所述损失阈值。
208、向用户界面输出所述GPS点数量xt所在的网格编号,以及所述GPS点数量xt对应的时间。
通过输出GPS点数量xt所在的网格编号,以及所述GPS点数量xt对应的时间,可以使用户及时了解到异常交通情况。
图4.1和图4.2所示为应用场景的说明图。在图4.1中,标出了电子地图的四个网格,这四个网格所表示的地理位置于2011年11月18日和2011年11月19日开辟了一条新增道路。可以从图4.1中发现,在11月19日之前鲜有GPS点落在这四个网格区域内,即这四个网格区域内各天的xt保持在一个很低的水平。而该道路开通当日,参考图4.2,由于有大量浮动车通过,导致极多的GPS点落在四个网格区域内,即11月19日的xt突然增大,通过本发明实施例上述提供的交通异常状况的检测方法,可检测得到该天的xt是一个离群点,因此输出了这四个网格的网格号和异常发生的时间:2011年11月19日。
本发明实施例提供的交通异常状况的检测方法,在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt;然后通过公式计算,获得所述GPS点数量xt的概率密度函数p(xt),进而得到GPS点数量xt的损失预期Score(xt);当所述损失预期Score(xt)超过预设的损失阈值时,将所述GPS点数量xt确定为离群异常点,从而能够实时检测浮动车GPS点的突发异常状况,便于及时提供交通信息服务。
实施例二:
本发明实施例提供了一种交通异常状况的检测装置,如图5所示,包括:
浮动车数据获取单元51,用于在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt;
损失预期获取单元53,用于根据公式Score(xt)=-log(p(xt)),获得所述GPS点数量xt的损失预期Score(xt);
判断单元54,用于判断所述损失预期Score(xt)是否超过预设的损失阈值;
离群异常点确定单元55,用于当超过所述损失阈值时,将所述GPS点数量xt确定为离群异常点。
输出单元57,用于在将所述GPS点数量xt确定为离群异常点后,向用户界面输出所述GPS点数量xt所在的网格编号,以及所述GPS点数量xt对应的时间。
设置单元58,用于设置聚类类别个数。
初始化单元59,用于对于每个网格,使用M个时间序列值对所述高斯混合模型公式进行初始化。
其中,
t=t+1。
本发明实施例提供的交通异常状况的检测装置,在电子地图的预设区域内的每个网格中,按照预定的时间间隔获取每个网格的GPS点数量xt;然后通过公式计算,获得所述GPS点数量xt的概率密度函数p(xt),进而得到GPS点数量xt的损失预期Score(xt);当所述损失预期Score(xt)超过预设的损失阈值时,将所述GPS点数量xt确定为离群异常点,从而能够实时检测浮动车GPS点的突发异常状况,便于及时提供交通信息服务。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
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,可轻易想到的变化或替换,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所述权利要求的保护范围为准。
Claims (8)
3.根据权利要求1或2所述的方法,其特征在于,在将所述GPS点数量xt确定为离群异常点后,还包括:
向用户界面输出所述GPS点数量xt所在的网格编号,以及所述GPS点数量xt对应的时间。
4.根据权利要求1所述的方法,其特征在于,在按照预定的时间间隔获取每个网格的GPS点数量xt前,还包括:
设置聚类类别个数;
对于每个网格,使用M个时间序列值对所述高斯混合模型公式进行初始化。
7.根据权利要求5或6所述的装置,其特征在于,还包括:
输出单元,用于在将所述GPS点数量xt确定为离群异常点后,向用户界面输出所述GPS点数量xt所在的网格编号,以及所述GPS点数量xt对应的时间。
8.根据权利要求5所述的装置,其特征在于,还包括:
设置单元,用于设置聚类类别个数;
初始化单元,用于对于每个网格,使用M个时间序列值对所述高斯混合模型公式进行初始化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210468280.XA CN103065466B (zh) | 2012-11-19 | 2012-11-19 | 一种交通异常状况的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210468280.XA CN103065466B (zh) | 2012-11-19 | 2012-11-19 | 一种交通异常状况的检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103065466A true CN103065466A (zh) | 2013-04-24 |
CN103065466B CN103065466B (zh) | 2015-01-21 |
Family
ID=48108078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210468280.XA Active CN103065466B (zh) | 2012-11-19 | 2012-11-19 | 一种交通异常状况的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103065466B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578272A (zh) * | 2013-08-30 | 2014-02-12 | 百度在线网络技术(北京)有限公司 | 一种异常路况识别方法及装置 |
CN104200660A (zh) * | 2014-08-29 | 2014-12-10 | 百度在线网络技术(北京)有限公司 | 路况信息更新的方法及装置 |
CN104951893A (zh) * | 2015-06-24 | 2015-09-30 | 银江股份有限公司 | 一种面向城市交通的交警路面警情处置效率评估方法 |
CN107683586A (zh) * | 2015-06-04 | 2018-02-09 | 思科技术公司 | 用于异常检测中的计算基于小区密度的稀有度的方法和装置 |
WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN108733812A (zh) * | 2018-05-21 | 2018-11-02 | 华东师范大学 | 基于全局信息的时间序列数据中异常数据点的识别方法 |
CN107066365B (zh) * | 2017-02-20 | 2021-01-01 | 创新先进技术有限公司 | 一种系统异常的监测方法及装置 |
WO2021036277A1 (zh) * | 2019-08-30 | 2021-03-04 | 上海电科智能系统股份有限公司 | 基于三元高斯混合模型的多维城市交通异常事件识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226688A (zh) * | 2008-01-11 | 2008-07-23 | 孟小峰 | 一种基于聚类来监控交通拥堵状况的系统及其方法 |
WO2012002097A1 (ja) * | 2010-06-29 | 2012-01-05 | 本田技研工業株式会社 | 渋滞予測方法 |
WO2012081209A1 (ja) * | 2010-12-15 | 2012-06-21 | 本田技研工業株式会社 | 渋滞予測方法 |
CN102576494A (zh) * | 2009-10-05 | 2012-07-11 | 荷兰应用自然科学研究组织Tno | 公路车辆的防撞系统与方法及相关计算机程序产品 |
-
2012
- 2012-11-19 CN CN201210468280.XA patent/CN103065466B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226688A (zh) * | 2008-01-11 | 2008-07-23 | 孟小峰 | 一种基于聚类来监控交通拥堵状况的系统及其方法 |
CN102576494A (zh) * | 2009-10-05 | 2012-07-11 | 荷兰应用自然科学研究组织Tno | 公路车辆的防撞系统与方法及相关计算机程序产品 |
WO2012002097A1 (ja) * | 2010-06-29 | 2012-01-05 | 本田技研工業株式会社 | 渋滞予測方法 |
WO2012081209A1 (ja) * | 2010-12-15 | 2012-06-21 | 本田技研工業株式会社 | 渋滞予測方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578272A (zh) * | 2013-08-30 | 2014-02-12 | 百度在线网络技术(北京)有限公司 | 一种异常路况识别方法及装置 |
CN104200660A (zh) * | 2014-08-29 | 2014-12-10 | 百度在线网络技术(北京)有限公司 | 路况信息更新的方法及装置 |
CN107683586A (zh) * | 2015-06-04 | 2018-02-09 | 思科技术公司 | 用于异常检测中的计算基于小区密度的稀有度的方法和装置 |
CN107683586B (zh) * | 2015-06-04 | 2021-07-20 | 思科技术公司 | 用于异常检测中的计算基于小区密度的稀有度的方法和装置 |
CN104951893A (zh) * | 2015-06-24 | 2015-09-30 | 银江股份有限公司 | 一种面向城市交通的交警路面警情处置效率评估方法 |
CN109791729A (zh) * | 2016-12-30 | 2019-05-21 | 同济大学 | 一种基于行程时间分布的交通异常检测方法 |
CN109923595A (zh) * | 2016-12-30 | 2019-06-21 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN109923595B (zh) * | 2016-12-30 | 2021-07-13 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
WO2018122585A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于浮动车数据的城市道路交通异常检测方法 |
CN109791729B (zh) * | 2016-12-30 | 2021-10-15 | 同济大学 | 一种基于行程时间分布的交通异常检测方法 |
CN107066365B (zh) * | 2017-02-20 | 2021-01-01 | 创新先进技术有限公司 | 一种系统异常的监测方法及装置 |
CN108733812A (zh) * | 2018-05-21 | 2018-11-02 | 华东师范大学 | 基于全局信息的时间序列数据中异常数据点的识别方法 |
CN108733812B (zh) * | 2018-05-21 | 2021-09-14 | 华东师范大学 | 基于全局信息的时间序列数据中异常数据点的识别方法 |
WO2021036277A1 (zh) * | 2019-08-30 | 2021-03-04 | 上海电科智能系统股份有限公司 | 基于三元高斯混合模型的多维城市交通异常事件识别方法 |
US11301769B2 (en) | 2019-08-30 | 2022-04-12 | Shanghai Seari Intelligent System Co., Ltd. | Method for recognizing multi-dimensional anomalous urban traffic event based on ternary gaussian mixture model |
Also Published As
Publication number | Publication date |
---|---|
CN103065466B (zh) | 2015-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103065466B (zh) | 一种交通异常状况的检测方法和装置 | |
US10929529B2 (en) | Cyber physical attack detection | |
Wang et al. | Visual traffic jam analysis based on trajectory data | |
US11544657B2 (en) | Roadway maintenance condition detection and analysis | |
JP2017097088A (ja) | 地図生成装置及び地図生成方法、ナビゲーション管理システム | |
CN109360421B (zh) | 一种基于机器学习的交通信息预测方法及装置、电子终端 | |
RU2016135520A (ru) | Генерализатор сертификации автономного вождения | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN102610092A (zh) | 基于rbf神经网络城市道路速度预测方法 | |
WO2017054326A1 (zh) | 一种加油站poi自动发现的方法、装置、存储介质和设备 | |
CN103995215A (zh) | 一种基于多层次反馈调整的智能电网故障诊断方法 | |
CN104183128A (zh) | 交通状态确定方法及装置 | |
CN104809525A (zh) | 一种用电负荷的预测方法和装置 | |
Wang et al. | Interactive multiple model ensemble Kalman filter for traffic estimation and incident detection | |
CN105279963A (zh) | 一种获取路况信息的方法及装置 | |
CN111221925A (zh) | 一种配电网风涝灾害监测组网方法和装置 | |
CN114936332A (zh) | 一种风电场水域船舶交通流分析的方法、装置和存储介质 | |
CN111192452B (zh) | 行程数据分段方法、装置、存储介质和电子设备 | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
CN111199247A (zh) | 一种公交运行仿真方法 | |
CN103093619A (zh) | 基于智能交通系统的交通评价方法及装置 | |
Chen et al. | An intelligent vehicular telematics platform for vehicle driving safety supporting system | |
CN102944244B (zh) | 一种路径规划引擎参数权值的获取方法与装置 | |
CN112698427B (zh) | 一种基于时空预测模型的短临预报方法及系统 | |
CN111581306B (zh) | 一种行车轨迹模拟方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |