CN111599174A - 一种交通指标的异常检测方法和电子设备 - Google Patents
一种交通指标的异常检测方法和电子设备 Download PDFInfo
- Publication number
- CN111599174A CN111599174A CN202010400605.5A CN202010400605A CN111599174A CN 111599174 A CN111599174 A CN 111599174A CN 202010400605 A CN202010400605 A CN 202010400605A CN 111599174 A CN111599174 A CN 111599174A
- Authority
- CN
- China
- Prior art keywords
- traffic
- data
- target
- time point
- data stream
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 abstract description 41
- 230000000694 effects Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 10
- 238000012360 testing method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种交通指标的异常检测方法和电子设备，涉及智能交通领域。具体实现方案为：一种交通指标的异常检测方法，应用于电子设备，所述方法包括：获取目标数据流；获取所述目标数据流中的至少一个第一交通数据集，其中，所述目标数据流包括：由至少一个交通数据采集设备获取的至少一个交通指标数据；不同第一交通数据集为不同交通数据采集设备获取到的所述交通指标数据的集合；对第一目标交通数据集进行异常检测，得到第一异常结果。本申请提供的一种交通指标的异常检测方法和电子设备，可以解决现有技术中，在对指标数据进行异常检测时，存在的检测效果差的问题。
Description
技术领域
本申请涉及智能交通领域，具体涉及一种交通指标的异常检测方法和电子设备。
背景技术
随着智能交通的日益发展，各种监测设备被投入到智能交通控制系统。现有技术中，通常需要对智能交通控制系统进行异常检测，并基于异常检测结果对智能交通控制系统进行优化。在对智能交通控制系统进行异常检测时，通常是采用专门的测试模块，根据监测设备所采集到的被检测区域中的监测数据，计算得到各种指标数据；再由检测人员根据所述指标数据确定被检测区域中的监测设备是否存在异常。由于所述指标数据是实时产生的，且指标数据的种类繁多，因此，检测人员通常只能从所产生的指标数据中抽取部分时间段的指标数据进行异常检测，以确定被检测区域中的监测设备是否存在异常。这样，可能导致遗漏对部分异常的指标数据的检测。可见，现有技术中，在对指标数据进行异常检测时，存在检测效果差的问题。
发明内容
本申请提供一种交通指标的异常检测方法和电子设备，以解决现有技术中，在对指标数据进行异常检测时，存在检测效果差的问题。
第一方面，本申请提供一种交通指标的异常检测方法，应用于电子设备，所述方法包括：
获取目标数据流
获取所述目标数据流中的至少一个第一交通数据集，其中，所述目标数据流包括：由至少一个交通数据采集设备获取的至少一个交通指标数据；不同第一交通数据集为不同交通数据采集设备获取到的所述交通指标数据的集合；
对第一目标交通数据集进行异常检测，得到第一异常结果，其中，所述第一目标交通数据集为目标交通数据采集设备获取到的第一交通数据集，所述目标交通数据采集设备为所述至少一个交通数据采集设备中的交通数据采集设备。
这样，通过以数据流的形式传输至少一个交通数据采集设备获取的至少一个交通指标数据，然后由电子设备从所获取到的目标数据流中获取至少一个第一交通数据集，并对第一交通数据集进行异常检测。其中，电子设备可自动持续的对数据流中的数据进行异常检测，从而确保数据流中的所有交通指标数据均可被检测到，进而提高了对交通指标数据的异常检测效果。
可选地，所述获取目标数据流包括：
获取第一数据流，其中，所述第一数据流包括生成于第一时间点之后的至少一个交通指标数据，不同所述交通指标数据所生成的时间点不同，所述第一时间点为第一目标交通指标数据的生成时间点，所述第一目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最大的交通指标数据；
在当前时间点与第二时间点之间的差值大于第一预设阈值的情况下，将所述第一数据流确定为所述目标数据流，其中，所述第二时间点为第二目标交通指标数据的生成时间点，所述第二目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最小的交通指标数据；所述当前时间点位于所述第一时间点和第二时间点之后。
该实施方式中，通过判断当前时间点与第二时间点之间的差值大于第一预设阈值，以判断所述第一数据流中的交通指标数据是否完整，并在确定第一数据流中的交通指标数据完整的情况下，将第一数据流确定为目标数据流，从而确保了所获取到的目标数据流中的所有交通指标数据均为完整的指标数据。
可选地，所述获取第一数据流之后，所述方法还包括：
在所述当前时间点与所述第二时间点之间的差值小于或者等于所述第一预设阈值的情况下，记录所述第二目标交通指标数据的身份标识；
在等待第一预设时长之后，获取第二数据流，其中，所述第二数据流包括生成于所述第一时间点之后的至少一个所述交通指标数据；
从所述第二数据流中获取所述目标数据流，其中，所述目标数据流包括所述第二数据流中生成于所述第一时间点至第三时间点之间的至少一个交通指标数据，所述第三时间点为第三目标交通指标数据的生成时间点，所述第三目标交通指标数据为所述第二数据流的各所述交通指标数据中，包含所述身份标识且生成时间点与当前时间点之间的时间间隔最小的交通指标数据。
该实施方式中，在所述当前时间点与所述第二时间点之间的差值小于或者等于所述第一预设阈值的情况下，进一步获取第二数据流，并从第二数据流中截取目标数据流，以确保所获取到的目标数据流中的所有交通指标数据均为完整的指标数据。
可选地，所述对第一目标交通数据集进行异常检测，得到第一异常结果，包括：
对所述第一目标交通数据集中的各交通指标数据进行检测，其中，所述第一目标交通数据集与至少一个交通指标关联；
在检测到所述第一目标交通数据集中不存在目标交通指标的交通指标数据的情况下，确定所述第一目标交通数据集中的目标交通指标异常，其中，所述目标交通指标为所述至少一个交通指标中的交通指标。
该实施方式中，通过检测所述第一目标交通数据集中是否包括所有已知的交通指标的交通指标数据，以确定所述第一目标交通数据集是否完整，从而实现对第一目标交通数据集的完整性进行检测。
可选地，所述获取目标数据流之后，所述方法还包括：
获取所述目标数据流中的至少一个第二交通数据集，其中，不同所述第二交通数据集为不同类型的交通指标数据的集合；
对第二目标交通数据集进行异常检测，得到第二异常结果，其中，所述第二目标交通数据集为所述至少一个第二交通数据集中的第二交通数据集。
该实施方式中，通过将同类型的交通指标数据划分至同一第二交通数据集，并将第二交通数据集中的所有交通指标数据一并进行异常检测，在进行异常检测时，仅需输入一次数据，即可完成一类交通指标数据的检测，从而简化了异常检测的过程。
第二方面，本申请提供一种电子设备，包括：
第一获取模块，用于获取目标数据流；
第二获取模块，用于获取所述目标数据流中的至少一个第一交通数据集，其中，所述目标数据流包括：由至少一个交通数据采集设备获取的至少一个交通指标数据；不同第一交通数据集为不同交通数据采集设备获取到的所述交通指标数据的集合；
检测模块，用于对第一目标交通数据集进行异常检测，得到第一异常结果，其中，所述第一目标交通数据集为目标交通数据采集设备获取到的第一交通数据集，所述目标交通数据采集设备为所述至少一个交通数据采集设备中的交通数据采集设备。
可选地，所述第一获取模块包括：
获取子模块，用于获取第一数据流，其中，所述第一数据流包括生成于第一时间点之后的至少一个交通指标数据，不同所述交通指标数据所生成的时间点不同，所述第一时间点为第一目标交通指标数据的生成时间点，所述第一目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最大的交通指标数据；
第一确定子模块，用于在当前时间点与第二时间点之间的差值大于第一预设阈值的情况下，将所述第一数据流确定为所述目标数据流，其中，所述第二时间点为第二目标交通指标数据的生成时间点，所述第二目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最小的交通指标数据；所述当前时间点位于所述第一时间点和第二时间点之后。
可选地，所述第一获取模块还包括：
记录子模块，用于在所述当前时间点与所述第二时间点之间的差值小于或者等于所述第一预设阈值的情况下，记录所述第二目标交通指标数据的身份标识；
所述获取子模块，还用于获取第二数据流，其中，所述第二数据流包括生成于所述第一时间点之后的至少一个所述交通指标数据；
所述获取子模块，还用于从所述第二数据流中获取所述目标数据流，其中，所述目标数据流包括所述第二数据流中生成于所述第一时间点至第三时间点之间的至少一个交通指标数据，所述第三时间点为第三目标交通指标数据的生成时间点，所述第三目标交通指标数据为所述第二数据流的各所述交通指标数据中，包含所述身份标识且生成时间点与当前时间点之间的时间间隔最小的交通指标数据。
可选地，所述检测模块包括：
检测子模块，用于对所述第一目标交通数据集中的各交通指标数据进行检测，其中，所述第一目标交通数据集与至少一个交通指标关联；
第二确定子模块，用于在检测到所述第一目标交通数据集中不存在目标交通指标的交通指标数据的情况下，确定所述第一目标交通数据集中的目标交通指标异常，其中，所述目标交通指标为所述至少一个交通指标中的交通指标。
可选地，所述第二获取模块，还用于获取所述目标数据流中的至少一个第二交通数据集，其中，不同所述第二交通数据集为不同类型的交通指标数据的集合；
所述检测模块，还用于对第二目标交通数据集进行异常检测，得到第二异常结果，其中，所述第二目标交通数据集为所述至少一个第二交通数据集中的第二交通数据集。
第三方面，本申请提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请提供的交通指标的异常检测方法。
第四方面，本申请提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请提供的交通指标的异常检测方法。
上述申请中的一个实施例具有如下优点或有益效果：通过以数据流的形式传输至少一个交通数据采集设备获取的至少一个交通指标数据，然后由电子设备从所获取到的目标数据流中获取至少一个第一交通数据集，并对第一交通数据集进行异常检测。其中，电子设备可自动持续的对数据流中的数据进行异常检测，从而确保数据流中的所有交通指标数据均可被检测到，进而提高了对交通指标数据的异常检测效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例中所提供的交通指标的异常检测方法的流程图之一；
图2是本申请实施例中获取目标数据流的流程图；
图3是本申请实施例中所提供的交通指标的异常检测方法的流程图之二；
图4是本申请实施例中所提供的交通指标的异常检测方法的流程图之三；
图5是本申请实施例中所提供的交通指标的异常检测方法的流程图之四；
图6是用来实现本申请实施例的交通指标的异常检测方法的电子设备的框图之一。
图7是用来实现本申请实施例的交通指标的异常检测方法的电子设备的框图之二。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
请参见图1，图1是本申请实施例提供的一种交通指标的异常检测方法，应用于电子设备，所述方法包括：
步骤101、获取目标数据流；
步骤102、获取所述目标数据流中的至少一个第一交通数据集，其中，所述目标数据流包括：由至少一个交通数据采集设备获取的至少一个交通指标数据；不同第一交通数据集为不同交通数据采集设备获取到的所述交通指标数据的集合。
在需要对某一区域的智能交通控制系统进行优化时，可以通过专门的测试模块基于该区域中的交通数据采集设备所采集的交通道路数据进行计算，得到所述交通指标数据。其中，所述交通指标数据可以是某一道路交通路口的车流量、红绿灯时长、绿灯亮起时的车辆排队长度及数量、红灯亮起时的车辆排队长度及数量等指标数据。通过获取此类交通指标数据，可以用于对智能交通控制系统进行优化，例如，通过计算某一道路交通路口的交通指标数据发现，某一车道的车流量较小，而该车道绿灯亮起的时长相对较长，从而导致每次绿灯亮起时，均有较大一部分时间无车辆通过，可见，该车道的绿灯设置时长与该车道的车流量不匹配，因此，可以通过减小该车道的绿灯时长，从而实现对智能交通控制系统的优化。
上述测试模块可以是上述电子设备中的一个功能模块，可以在所述电子设备中设置异常检测模块，用于获取测试模块所输出的交通指标数据，并对所读取的交通指标数据进行异常检测。具体地，上述测试模块在基于交通数据采集模块所采集的交通道路数据计算得到所述交通指标数据后，可以将计算结果以数据流的形式发送至下游设备，而所述异常检测模块可以读取所述数据流中的交通指标数据，得到目标数据流，并从目标数据流中获取至少一个第一交通数据集，对第一交通数据集进行异常检测。
上述至少一个交通数据采集设备可以分别设置于被检测区域的不同道路交通路口，具体而言，可以在每个道路交通路口设置一个上述交通数据采集设备，所述交通数据采集设备可以采集所在路口的至少一项交通指标的数据。
上述目标数据流可以是从所述数据流中读取出的一段流式数据，例如，可以每隔一段时间从数据流中读取一段目标数据流，且每次读取数据的起点是上次读取的数据的终点，这样，可以保证数据流上的所有数据均可被读取并被作为异常检测的原始数据进行异常检测。
由于所述数据流是用于接收被检测区域中的所有交通数据采集设备获取的交通指标数据，因此，所述目标数据流中可能包括多个不同的道路交通路口的指标数据。为了便于对各个道路交通路口分别进行异常检测，可以将所述目标数据流中的交通指标数据按照其所述道路交通路口进行划分，或者，也可以按照所述交通数据采集设备进行划分，即将同一交通数据采集设备所采集到的所有交通指标数据划分至同一第一交通数据集。这样，有利于确定各个道路交通路口是否均产生有交通指标数据，以及，有利于确定各个道路交通路口所生成的指标数据是否完整。
步骤103、对第一目标交通数据集进行异常检测，得到第一异常结果，其中，所述第一目标交通数据集为目标交通数据采集设备获取到的第一交通数据集，所述目标交通数据采集设备为所述至少一个交通数据采集设备中的交通数据采集设备。
上述对第一目标交通数据集进行异常检测，可以是对第一目标交通数据集中的完整性进行检查，例如，若基于每个交通数据采集设备所采集的交通数据可以生成N个不同类型的交通指标数据，则可以检测所述第一目标交通数据集中是否存在所述N各不同类型的交通指标数据，若存在，则所述第一目标交通数据集为完整的交通数据集，若不存在，则说明所述第一交通数据集中存在指标缺失的异常。
此外，上述对第一目标交通数据集进行异常检测，还可以是对所述第一目标交通数据集中的各交通指标数据的合理性进行检测，可以预先在上述异常检测模块设置用于对交通指标数据进行合理性检测的规则库，以检测所述交通指标数据是否合理。例如，绿灯的亮起时长是否大于绿灯的最小亮起时长、交通信号灯的周期是否小于常规最大周期时长等。
具体地，本实施例通过以数据流的形式传输至少一个交通数据采集设备获取的至少一个交通指标数据，然后由电子设备从所获取到的目标数据流中获取至少一个第一交通数据集，并对第一交通数据集进行异常检测。其中，电子设备可自动持续的对数据流中的数据进行异常检测，从而确保数据流中的所有交通指标数据均可被检测到，进而提高了对交通指标数据的异常检测效果。
可选地，请参见图2，所述获取目标数据流包括：
获取第一数据流，其中，所述第一数据流包括生成于第一时间点之后的至少一个交通指标数据，不同所述交通指标数据所生成的时间点不同，所述第一时间点为第一目标交通指标数据的生成时间点，所述第一目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最大的交通指标数据；
在当前时间点与第二时间点之间的差值大于第一预设阈值的情况下，将所述第一数据流确定为所述目标数据流，其中，所述第二时间点为第二目标交通指标数据的生成时间点，所述第二目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最小的交通指标数据；所述当前时间点位于所述第一时间点和第二时间点之后。
由上述论述可知，上述电子设备是持续不断的从所述数据流中读取目标数据流的，因此，所述第一时间点可以是上一次读取的目标数据流中最后一条交通指标数据生成的时间点。这样，可以确保对数据流进行连续读取。
由于上述测试模块计算得到的交通指标数据在写入数据流时，需要花费一定的时间，若在某一交通指标数据写入数据流的同时，对该交通指标数据进行读取，可能导致所读取的交通指标数据为不完整的交通指标数据。因此，可以设置一个第一预设阈值，当交通指标数据写入数据流的时间超过第一预设阈值时，认定该交通数据流已完成写入过程，该第一预设阈值的具体取值可以根据实际测试得到。
为了确保所获取到的目标数据流中的所有交通指标数据均为完整的指标数据，需要保证目标数据流中的所有交通指标数据的生成时间点与当前时间点之间的差值均大于第一预设阈值。而第二目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点最接近的交通指标数据，所述第二时间点为第二目标交通指标数据的生成时间点，因此，若判断出当前时间点与第二时间点之间的差值大于第一预设阈值，则说明第一数据流中的所有交通指标数据的生成时间点与当前时间点之间的差值均大于第一预设阈值。故在此情况下，将所述第一数据流确定为所述目标数据流。
然而，在所述当前时间点与所述第二时间点之间的差值小于或者等于所述第一预设阈值的情况下，说明此时所述第一目标交通指标数据可能未完全写入所述数据流，即所述第一数据流中可能存在不完整的交通指标数据。因此，若此时将第一数据流确定为目标数据流的话，可能导致在异常检测的过程中由于交通指标数据未完整读取而造成报错，故在此情况下不能直接将所述第一数据流确定为目标数据流。为了保证在当前时间点与所述第二时间点之间的差值小于或者等于所述第一预设阈值的情况下，所述第一数据流中的交通指标数据均为完整的指标数据，请进一步参见图2，可以进一步设置如下技术方案：
记录所述第二目标交通指标数据的身份标识；
在等待第一预设时长之后，获取第二数据流，其中，所述第二数据流包括生成于所述第一时间点之后的至少一个所述交通指标数据；
从所述第二数据流中获取所述目标数据流，其中，所述目标数据流包括所述第二数据流中生成于所述第一时间点至第三时间点之间的至少一个交通指标数据，所述第三时间点为第三目标交通指标数据的生成时间点，所述第三目标交通指标数据为所述第二数据流的各所述交通指标数据中，包含所述身份标识且生成时间点与当前时间点之间的时间间隔最小的交通指标数据。
上述交通指标数据为完整的指标数据可以是指基于事件的完整性和基于时间的完整性，例如，基于信号灯周期的交通指标属于事件类指标，基于指定时间周期(如15min，1小时)的交通指标属于时间类指标。
上述第一预设值的大小可以等于或者大于上述第一预设阈值的大小，上述第二目标交通指标数据的身份标识可以是第二目标交通指标数据所指示的道路交通路口、车道等位置标识信息。
通过等待第一预设时长，以确保所述第一数据流中的交通指标数据均完整的生成于所述数据流后，再获取第二数据流，所述第二数据流包括生成于所述第一时间点之后的至少一个所述交通指标数据。应当理解的，此处获取的第二数据流应当包括上述第一数据流，且所述第二目标交通指标数据已完整的生成于第二数据流。因此，可以以所述第一时间点所读取的指标数据作为所需读取的数据的起点，并以第二目标交通指标数据为所需读取的数据的终点，从第二数据流中获取所述目标数据流，即可保证所述目标数据流中的交通指标数据均为完整的指标数据。
此外，在通过上述步骤获取到目标数据流后，可以等待第二预设时长，再次执行上述步骤，从而实现对所述数据流的连续读取及检测。
可选地，所述对第一目标交通数据集进行异常检测，得到第一异常结果，包括：
对所述第一目标交通数据集中的各交通指标数据进行检测，其中，所述第一目标交通数据集与至少一个交通指标关联；
在检测到所述第一目标交通数据集中不存在目标交通指标的交通指标数据的情况下，确定所述第一目标交通数据集中的目标交通指标异常，其中，所述目标交通指标为所述至少一个交通指标中的交通指标。
具体地，由于第一目标交通数据集为某一路口所有交通指标数据的集合，而各个路口存在的交通指标是已知的，即上述至少一个交通指标，因此，可以通过检测所述第一目标交通数据集中是否包括所有已知的交通指标的交通指标数据，以确定所述第一目标交通数据集是否完整。当所述第一目标数据集中不存在某一目标交通指标的交通指标数据的情况下，则说明所述第一目标交通数据集中存在指标缺少，则可能是由于该指标对应的数据采集元件可能存在异常，因此，可以输出第一目标交通数据集中的目标交通指标异常的检测结果。这样，可以实现对第一目标交通数据集的完整性进行检测。
可选地，所述获取目标数据流之后，所述方法还包括：
获取所述目标数据流中的至少一个第二交通数据集，其中，不同所述第二交通数据集为不同类型的交通指标数据的集合；
对第二目标交通数据集进行异常检测，得到第二异常结果，其中，所述第二目标交通数据集为所述至少一个第二交通数据集中的第二交通数据集。
具体地，所述目标数据流中可能存在不同层级的指标数据，例如，某区域的车流密度为区域级的指标数据、某干线上的车流量为干线级别的指标数据、某路口的交通指标数据为路口级别的交通指标数据，因此，可以按照交通指标数据所对应的范围级别的大小，对所述目标数据流中的交通指标数据进行分类，例如，可以按照以下级别顺序进行分类：区域→干线→路口→路口分支→车道/流向，从而得到所述至少一个第二交通数据集。这样，通过将同类型的交通指标数据划分至同一第二交通数据集，并将第二交通数据集中的所有交通指标数据一并进行异常检测，在进行异常检测时，仅需输入一次数据，即可完成一类交通指标数据的检测，从而简化了异常检测的过程。
可选地，在经过上述步骤对目标数据流进行异常检测后，可以按照异常的严重性，将不同严重级别的异常分类显示，以便于检测人员可以按照异常的严重性，有序的处理异常。具体而言，可以将上述异常结果划分为以下三类：错误、异常和警告。错误可以是指指标计算可明确是错误指标，如车辆通行的浪费时间>绿灯亮起时间；异常可以是指指标生成失败，一般指标生成识别会有单独标识，根据此标识即可确认指标生成失败；警告可以是指需要进一步关注的指标，一般是指标值在合理范围，但是由于概率较小，可推断为是潜在的异常值，如某个道路交通路口的车辆通行个数为0，若车辆通行个数长期为0，则可上升为错误指标。
在输出上述三类异常结果时，可以统计所检测区域的各类指标的占比，例如，可以输出所检测区域中的：正常交通指标占比、错误交通指标占比、异常交通指标占比以及警告交通指标占比，以便于检测人员可以确定所检测区域中的智能交通系统的整体性能。此外，在输出异常结果时，可以输出每个异常指标的详细情况，例如，当确定某一交通指标存在异常时，可以格式化的将关键检测结果和数据分析结果存入日志，以便于检测人员查阅该日志处理对应的异常。具体地，还可以为上述电子设备设置检测规则配置模块，以便于检测人员在检测出智能交通系统中存在参数设置不合理的情况下，对智能交通系统中的参数及时进行修改。
请参见图3，下文以一具体实施例对上述实施例提供的一种交通指标的异常检测方法进行进一步解释说明，如图3所示，所述方法包括：在数据流中读取所述目标数据流，由检测规则库对分层后的第二交通数据集进行分层检测，具体地，检测规则库分别对各个层级的第二交通数据集进行完整性检测、指标合理性检测和指标计算性能检测，所述指标计算性能检测可以是指指标生成的总链路时延小于阈值，两次指标生成之间的时间间隔小于阈值等。在对各个层级进行异常检测后输出各类异常的占比以及异常日志记录。检测人员在查阅检测结果后，当确定需要调整检测规则库中的各类参数或者增减检测规则时，可以通过检测规则配置模块对所述检测规则进行相应的设置。例如，检测人员可以基于图4所示的流程图对所述检测规则库进行设置及调整，具体而言，检测人员在启动异常检测功能后，可以在检测规则库中添加规则检测逻辑，并配置检测阈值和检测开关，然后，该检测规则库对目标数据流进行异常检测，并可通过查看异常日志记录重新添加规则检测逻辑以及配置检测阈值和检测开关。
此外，由于上述交通指标数据可以是从各个不同的道路交通路口同步产生于所述数据流中的，因此，在对所述数据流进行读取得到所述目标数据流时，可以按照产生时间维度和数据源维度将指标读取分为多个进程，如事件类指标一个维度，时间周期类指标一个维度，摄像头感知类指标一个维度，地图GPS轨迹信息类指标一个维度进行多进程读取。同理，在进行异常检测时，也可以按照不同指标的类型，通过多进程分别对不同类型的指标进行异常检测，从而提高异常检测的效率。例如，请参见图5，在对数据流进行读取获得各个层级的第二交通数据集之后，可以对各个层级的交通指标数据进行并行检测，并得到对应的检测结果。
请参见图6，图6是本申请实施例提供的一种电子设备600，包括：
第一获取模块601，用于获取目标数据流；
第二获取模块602，用于在获取到目标数据流的情况下，获取所述目标数据流中的至少一个第一交通数据集，其中，所述目标数据流包括：由至少一个交通数据采集设备获取的至少一个交通指标数据；不同第一交通数据集为不同交通数据采集设备获取到的所述交通指标数据的集合；
检测模块603，用于对第一目标交通数据集进行异常检测，得到第一异常结果，其中，所述第一目标交通数据集为目标交通数据采集设备获取到的第一交通数据集，所述目标交通数据采集设备为所述至少一个交通数据采集设备中的交通数据采集设备。
可选地，所述第一获取模块601包括：
获取子模块，用于获取第一数据流，其中，所述第一数据流包括生成于第一时间点之后的至少一个交通指标数据，不同所述交通指标数据所生成的时间点不同，所述第一时间点为第一目标交通指标数据的生成时间点，所述第一目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最大的交通指标数据；
第一确定子模块，用于在当前时间点与第二时间点之间的差值大于第一预设阈值的情况下，将所述第一数据流确定为所述目标数据流，其中，所述第二时间点为第二目标交通指标数据的生成时间点，所述第二目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最小的交通指标数据；所述当前时间点位于所述第一时间点和第二时间点之后。
可选地，所述第一获取模块601还包括：
记录子模块，用于在所述当前时间点与所述第二时间点之间的差值小于或者等于所述第一预设阈值的情况下，记录所述第二目标交通指标数据的身份标识；
所述获取子模块，还用于获取第二数据流，其中，所述第二数据流包括生成于所述第一时间点之后的至少一个所述交通指标数据；
所述获取子模块，还用于从所述第二数据流中获取所述目标数据流，其中，所述目标数据流包括所述第二数据流中生成于所述第一时间点至第三时间点之间的至少一个交通指标数据，所述第三时间点为第三目标交通指标数据的生成时间点，所述第三目标交通指标数据为所述第二数据流的各所述交通指标数据中，包含所述身份标识且生成时间点与当前时间点之间的时间间隔最小的交通指标数据。
可选地，所述检测模块603包括：
检测子模块，用于对所述第一目标交通数据集中的各交通指标数据进行检测，其中，所述第一目标交通数据集与至少一个交通指标关联；
第二确定子模块，用于在检测到所述第一目标交通数据集中不存在目标交通指标的交通指标数据的情况下，确定所述第一目标交通数据集中的目标交通指标异常，其中，所述目标交通指标为所述至少一个交通指标中的交通指标。
可选地，所述第二获取模块602，还用于获取所述目标数据流中的至少一个第二交通数据集，其中，不同所述第二交通数据集为不同类型的交通指标数据的集合；
所述检测模块603，还用于对第二目标交通数据集进行异常检测，得到第二异常结果，其中，所述第二目标交通数据集为所述至少一个第二交通数据集中的第二交通数据集。
本实施例提供的电子设备600能够实现图1-5所示的方法实施例中电子设备实现的各个过程，且可以达到相同有益效果，为避免重复，这里不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图7所示，是根据本申请实施例的交通指标的异常检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的交通指标的异常检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的交通指标的异常检测方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的交通指标的异常检测方法对应的程序指令/模块(例如，附图6所示的获取模块601和检测模块602)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的交通指标的异常检测方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据交通指标的异常检测方法的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至交通指标的异常检测方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
交通指标的异常检测方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与交通指标的异常检测方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过以数据流的形式传输至少一个交通数据采集设备获取的至少一个交通指标数据，然后由电子设备从所获取到的目标数据流中获取至少一个第一交通数据集，并对第一交通数据集进行异常检测。其中，电子设备可自动持续的对数据流中的数据进行异常检测，从而确保数据流中的所有交通指标数据均可被检测到，进而提高了对交通指标数据的异常检测效果。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (12)
1.一种交通指标的异常检测方法，应用于电子设备，其特征在于，所述方法包括：
获取目标数据流；
获取所述目标数据流中的至少一个第一交通数据集，其中，所述目标数据流包括：由至少一个交通数据采集设备获取的至少一个交通指标数据；不同第一交通数据集为不同交通数据采集设备获取到的所述交通指标数据的集合；
对第一目标交通数据集进行异常检测，得到第一异常结果，其中，所述第一目标交通数据集为目标交通数据采集设备获取到的第一交通数据集，所述目标交通数据采集设备为所述至少一个交通数据采集设备中的交通数据采集设备。
2.根据权利要求1所述的方法，其特征在于，所述获取目标数据流包括：
获取第一数据流，其中，所述第一数据流包括生成于第一时间点之后的至少一个交通指标数据，不同所述交通指标数据所生成的时间点不同，所述第一时间点为第一目标交通指标数据的生成时间点，所述第一目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最大的交通指标数据；
在当前时间点与第二时间点之间的差值大于第一预设阈值的情况下，将所述第一数据流确定为所述目标数据流，其中，所述第二时间点为第二目标交通指标数据的生成时间点，所述第二目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最小的交通指标数据；所述当前时间点位于所述第一时间点和第二时间点之后。
3.根据权利要求2所述的方法，其特征在于，所述获取第一数据流之后，所述方法还包括：
在所述当前时间点与所述第二时间点之间的差值小于或者等于所述第一预设阈值的情况下，记录所述第二目标交通指标数据的身份标识；
在等待第一预设时长之后，获取第二数据流，其中，所述第二数据流包括生成于所述第一时间点之后的至少一个所述交通指标数据；
从所述第二数据流中获取所述目标数据流，其中，所述目标数据流包括所述第二数据流中生成于所述第一时间点至第三时间点之间的至少一个交通指标数据，所述第三时间点为第三目标交通指标数据的生成时间点，所述第三目标交通指标数据为所述第二数据流的各所述交通指标数据中，包含所述身份标识且生成时间点与当前时间点之间的时间间隔最小的交通指标数据。
4.根据权利要求1所述的方法，其特征在于，所述对第一目标交通数据集进行异常检测，得到第一异常结果，包括：
对所述第一目标交通数据集中的各交通指标数据进行检测，其中，所述第一目标交通数据集与至少一个交通指标关联；
在检测到所述第一目标交通数据集中不存在目标交通指标的交通指标数据的情况下，确定所述第一目标交通数据集中的目标交通指标异常，其中，所述目标交通指标为所述至少一个交通指标中的交通指标。
5.根据权利要求1所述的方法，其特征在于，所述获取目标数据流之后，所述方法还包括：
获取所述目标数据流中的至少一个第二交通数据集，其中，不同所述第二交通数据集为不同类型的交通指标数据的集合；
对第二目标交通数据集进行异常检测，得到第二异常结果，其中，所述第二目标交通数据集为所述至少一个第二交通数据集中的第二交通数据集。
6.一种电子设备，其特征在于，包括：
第一获取模块，用于获取目标数据流；
第二获取模块，用于获取所述目标数据流中的至少一个第一交通数据集，其中，所述目标数据流包括：由至少一个交通数据采集设备获取的至少一个交通指标数据；不同第一交通数据集为不同交通数据采集设备获取到的所述交通指标数据的集合；
检测模块，用于对第一目标交通数据集进行异常检测，得到第一异常结果，其中，所述第一目标交通数据集为目标交通数据采集设备获取到的第一交通数据集，所述目标交通数据采集设备为所述至少一个交通数据采集设备中的交通数据采集设备。
7.根据权利要求6所述的电子设备，其特征在于，所述第一获取模块包括：
获取子模块，用于获取第一数据流，其中，所述第一数据流包括生成于第一时间点之后的至少一个交通指标数据，不同所述交通指标数据所生成的时间点不同，所述第一时间点为第一目标交通指标数据的生成时间点，所述第一目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最大的交通指标数据；
第一确定子模块，用于在当前时间点与第二时间点之间的差值大于第一预设阈值的情况下，将所述第一数据流确定为所述目标数据流，其中，所述第二时间点为第二目标交通指标数据的生成时间点，所述第二目标交通指标数据为：所述第一数据流的各所述交通指标数据中，生成时间点与当前时间点之间的时间间隔最小的交通指标数据；所述当前时间点位于所述第一时间点和第二时间点之后。
8.根据权利要求7所述的电子设备，其特征在于，所述第一获取模块还包括：
记录子模块，用于在所述当前时间点与所述第二时间点之间的差值小于或者等于所述第一预设阈值的情况下，记录所述第二目标交通指标数据的身份标识；
所述获取子模块，还用于获取第二数据流，其中，所述第二数据流包括生成于所述第一时间点之后的至少一个所述交通指标数据；
所述获取子模块，还用于从所述第二数据流中获取所述目标数据流，其中，所述目标数据流包括所述第二数据流中生成于所述第一时间点至第三时间点之间的至少一个交通指标数据，所述第三时间点为第三目标交通指标数据的生成时间点，所述第三目标交通指标数据为所述第二数据流的各所述交通指标数据中，包含所述身份标识且生成时间点与当前时间点之间的时间间隔最小的交通指标数据。
9.根据权利要求6所述的电子设备，其特征在于，所述检测模块包括：
检测子模块，用于对所述第一目标交通数据集中的各交通指标数据进行检测，其中，所述第一目标交通数据集与至少一个交通指标关联；
第二确定子模块，用于在检测到所述第一目标交通数据集中不存在目标交通指标的交通指标数据的情况下，确定所述第一目标交通数据集中的目标交通指标异常，其中，所述目标交通指标为所述至少一个交通指标中的交通指标。
10.根据权利要求6所述的电子设备，其特征在于，所述第二获取模块，还用于获取所述目标数据流中的至少一个第二交通数据集，其中，不同所述第二交通数据集为不同类型的交通指标数据的集合；
所述检测模块，还用于对第二目标交通数据集进行异常检测，得到第二异常结果，其中，所述第二目标交通数据集为所述至少一个第二交通数据集中的第二交通数据集。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010400605.5A CN111599174B (zh) | 2020-05-13 | 2020-05-13 | 一种交通指标的异常检测方法和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010400605.5A CN111599174B (zh) | 2020-05-13 | 2020-05-13 | 一种交通指标的异常检测方法和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111599174A true CN111599174A (zh) | 2020-08-28 |
| CN111599174B CN111599174B (zh) | 2021-11-16 |
Family
ID=72187111
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010400605.5A Active CN111599174B (zh) | 2020-05-13 | 2020-05-13 | 一种交通指标的异常检测方法和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111599174B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112419722A (zh) * | 2020-11-18 | 2021-02-26 | 百度(中国)有限公司 | 交通异常事件检测方法、交通管控方法、设备和介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103956057A (zh) * | 2014-01-13 | 2014-07-30 | 广西师范学院 | 一种用于安防交通流数据智能处理系统 |
| CN104021671A (zh) * | 2014-05-16 | 2014-09-03 | 浙江银江研究院有限公司 | 一种svm与模糊判断相结合的道路实时路况的判断方法 |
| CN104092578A (zh) * | 2013-12-29 | 2014-10-08 | 国家电网公司 | 基于管道方式的数据流监控方法 |
| CN104156524A (zh) * | 2014-08-01 | 2014-11-19 | 河海大学 | 交通数据流的聚集查询方法及系统 |
| CN105070054A (zh) * | 2015-07-23 | 2015-11-18 | 银江股份有限公司 | 一种基于流式计算与时间窗动态优化的多源交通状态判别方法 |
| CN105551257A (zh) * | 2015-12-08 | 2016-05-04 | 合肥寰景信息技术有限公司 | 一种异常交通行为监控方法 |
| CN106302487A (zh) * | 2016-08-22 | 2017-01-04 | 中国农业大学 | 农业物联网数据流异常实时检测处理方法及装置 |
| CN106448168A (zh) * | 2016-11-24 | 2017-02-22 | 中山大学 | 基于趋势性指标及波动性指标的交通事件自动检测方法 |
| EP3422647A1 (en) * | 2016-03-15 | 2019-01-02 | Huawei Technologies Co., Ltd. | Method, controller and system for detecting data flow forwarding abnormality |
| CN109538946A (zh) * | 2018-11-13 | 2019-03-29 | 阎兆立 | 一种城市自来水管道泄漏检测定位方法 |
-
2020
- 2020-05-13 CN CN202010400605.5A patent/CN111599174B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104092578A (zh) * | 2013-12-29 | 2014-10-08 | 国家电网公司 | 基于管道方式的数据流监控方法 |
| CN103956057A (zh) * | 2014-01-13 | 2014-07-30 | 广西师范学院 | 一种用于安防交通流数据智能处理系统 |
| CN104021671A (zh) * | 2014-05-16 | 2014-09-03 | 浙江银江研究院有限公司 | 一种svm与模糊判断相结合的道路实时路况的判断方法 |
| CN104156524A (zh) * | 2014-08-01 | 2014-11-19 | 河海大学 | 交通数据流的聚集查询方法及系统 |
| CN105070054A (zh) * | 2015-07-23 | 2015-11-18 | 银江股份有限公司 | 一种基于流式计算与时间窗动态优化的多源交通状态判别方法 |
| CN105551257A (zh) * | 2015-12-08 | 2016-05-04 | 合肥寰景信息技术有限公司 | 一种异常交通行为监控方法 |
| EP3422647A1 (en) * | 2016-03-15 | 2019-01-02 | Huawei Technologies Co., Ltd. | Method, controller and system for detecting data flow forwarding abnormality |
| CN106302487A (zh) * | 2016-08-22 | 2017-01-04 | 中国农业大学 | 农业物联网数据流异常实时检测处理方法及装置 |
| CN106448168A (zh) * | 2016-11-24 | 2017-02-22 | 中山大学 | 基于趋势性指标及波动性指标的交通事件自动检测方法 |
| CN109538946A (zh) * | 2018-11-13 | 2019-03-29 | 阎兆立 | 一种城市自来水管道泄漏检测定位方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112419722A (zh) * | 2020-11-18 | 2021-02-26 | 百度(中国)有限公司 | 交通异常事件检测方法、交通管控方法、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111599174B (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112436968B (zh) | 一种网络流量的监测方法、装置、设备及存储介质 | |
| US20190095266A1 (en) | Detection of Misbehaving Components for Large Scale Distributed Systems | |
| US20160315823A1 (en) | Enabling real-time operational environment conformity within an enterprise architecture model dashboard | |
| US11012289B2 (en) | Reinforced machine learning tool for anomaly detection | |
| US10761964B2 (en) | Object monitoring in code debugging | |
| CN107566163A (zh) | 一种用户行为分析关联的告警方法及装置 | |
| KR102616470B1 (ko) | 이동식 신호등을 검출하는 방법, 장치, 전자 기기 및 저장 매체 | |
| CN111552646B (zh) | 用于回归测试的方法和装置 | |
| WO2013000079A1 (en) | Systems and methods for fast detection and diagnosis of system outages | |
| CN111831512A (zh) | 用于排查运维异常的方法、装置、电子设备及存储介质 | |
| CN114721912B (zh) | 一种数据分析方法、装置、设备及介质 | |
| CN113313962A (zh) | 信号灯故障监测方法、装置、电子设备及存储介质 | |
| CN111599174B (zh) | 一种交通指标的异常检测方法和电子设备 | |
| CN114781546A (zh) | 用于确定车辆异常行为的方法和装置 | |
| CN111464637B (zh) | 无人车数据处理方法、装置、设备和介质 | |
| CN112015995B (zh) | 数据分析的方法、装置、设备以及存储介质 | |
| CN111696095A (zh) | 用于检测物体表面缺陷的方法及装置 | |
| CN112561208B (zh) | 用于指标生成系统的方法、装置、电子设备和存储介质 | |
| CN112540904B (zh) | 机器操作行为识别方法、装置、电子设备以及计算机介质 | |
| CN114546849A (zh) | 代码测试方法及装置 | |
| CN104346246A (zh) | 故障预测方法和装置 | |
| CN118170617B (zh) | 集群异常的检测方法及装置、电子设备和存储介质 | |
| CN112380065B (zh) | 一种数据修复方法、装置、电子设备及存储介质 | |
| CN113220560B (zh) | 一种代码测试方法、装置、电子设备及存储介质 | |
| CN117667895A (zh) | 一种基于数据编织的数据处理方法、系统、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |