WO2012024976A1 - 一种交通信息处理方法及装置 - Google Patents

一种交通信息处理方法及装置 Download PDF

Info

Publication number
WO2012024976A1
WO2012024976A1 PCT/CN2011/076331 CN2011076331W WO2012024976A1 WO 2012024976 A1 WO2012024976 A1 WO 2012024976A1 CN 2011076331 W CN2011076331 W CN 2011076331W WO 2012024976 A1 WO2012024976 A1 WO 2012024976A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
detected
traffic information
road
vehicle speed
Prior art date
Application number
PCT/CN2011/076331
Other languages
English (en)
French (fr)
Inventor
贾学力
庄明亮
Original Assignee
北京世纪高通科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 北京世纪高通科技有限公司 filed Critical 北京世纪高通科技有限公司
Publication of WO2012024976A1 publication Critical patent/WO2012024976A1/zh

Links

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
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data

Definitions

  • Traffic information processing method and device The present application claims the priority of the Chinese application filed on August 23, 2010, the application number is 201 01 0260601. 8 , and the invention name is "a traffic information processing method and device" The entire contents of which are incorporated herein by reference.
  • the present invention relates to the field of intelligent transportation technologies, and in particular, to a traffic information processing method and apparatus.
  • ATI S Advanced Trafic I nforma ti on System
  • the sensor or data transmission device of the meteorological center acquires various types of traffic information, and performs comprehensive processing according to the acquired data.
  • the system provides comprehensive and accurate real-time road traffic congestion information to the community in real time.
  • the data acquired by the device cannot completely cover all the roads, or in the process of obtaining the traffic information, there is inevitably a loss of real-time traffic information of some roads in some release periods, so that It is necessary to perform real-time data filling through similar queries of historical data, and the historical data can be analyzed and predicted.
  • Embodiments of the present invention provide a traffic information processing method and apparatus, so as to achieve the purpose of improving the prediction accuracy of traffic information on road traffic conditions and filling in missing real-time traffic information.
  • a traffic information processing method comprising: Obtain historical traffic information;
  • the historical traffic information is subjected to detection processing of abnormal data
  • a traffic information processing device comprising:
  • An information acquisition unit configured to acquire historical traffic information
  • An abnormality detecting unit configured to perform the detecting process of the abnormal data in the historical traffic information; a mode data acquiring unit, configured to acquire the traffic mode data of the historical traffic information; and an information output unit, configured to use, according to the traffic mode data, Get road status information.
  • the traffic information processing method and device provided by the embodiment of the present invention can perform the detection processing of the abnormal data by using the acquired historical traffic information, so that the traffic mode data of the historical traffic information can more accurately predict the normal road state. Under the road traffic status information; and can more accurately fill the vacancies that have not collected road traffic information.
  • FIG. 1 is a flowchart of a method for processing traffic information according to an embodiment of the present invention
  • FIG. 2 is a schematic structural diagram of a traffic information processing apparatus according to an embodiment of the present invention
  • FIG. 3 is a specific implementation flow diagram of a traffic information processing method according to an embodiment of the present invention.
  • a traffic information processing method according to an embodiment of the present invention. the method includes:
  • the traffic information processing device acquires historical traffic information; specifically, the historical traffic information is imported into a database in the traffic information processing device.
  • the traffic information processing device performs the detection processing of the abnormal data on the historical traffic information; wherein the inspection processing of the abnormal data includes: longitudinal detection, horizontal detection, and processing of the detected abnormal data.
  • the longitudinal detection preferably uses the G rubbs (Grubbs) algorithm.
  • the traffic information processing device acquires traffic mode data of the historical traffic information; the traffic mode data may be understood as, after the abnormal data detection process, according to the 'J feature date to be detected and the time window to be detected. The variance of the average vehicle travel speed and speed obtained. It is worth noting that the traffic mode data can also be smoothed to make the traffic mode data more accurate.
  • the traffic information processing device acquires road state information according to the traffic mode data.
  • a traffic information processing apparatus includes:
  • the information acquisition unit 2 01 is configured to acquire historical traffic information; specifically, the historical traffic information is imported into a database in the traffic information processing device.
  • the abnormality detecting unit 2 02 is configured to perform the detecting process of the abnormal data according to the historical traffic information.
  • the checking process of the abnormal data includes: longitudinal detection, horizontal detection, and processing of the detected abnormal data.
  • the longitudinal detection preferably uses the G rubbs (Grubbs) algorithm.
  • the mode data obtaining unit 2 03 is configured to acquire traffic mode data of the historical traffic information; the traffic mode data can be understood as acquired after the abnormal data detecting process, according to the feature date to be detected and the time window to be detected. The variance of the average speed and speed of the vehicle. It is to be noted that the traffic mode data can also be smoothed to make the traffic mode data more accurate.
  • the information output unit 2 04 is configured to acquire road state information according to the traffic mode data. It should be noted that when the historical traffic information includes: road travel time and travel route, the device further includes:
  • a vehicle speed obtaining unit configured to acquire average vehicle speed data of the road according to the road travel time and the travel route journey of the historical traffic information
  • a classification unit configured to classify the historical traffic information and the acquired average vehicle speed data according to a feature date.
  • the abnormality detecting unit includes:
  • a data acquisition subunit configured to sequentially acquire each road at each time according to the feature date Average speed data in the window
  • a longitudinal detection subunit configured to perform longitudinal detection of abnormal data on the average vehicle speed data of all the roads in the corresponding time window in sequence according to the time window of the feature day;
  • a lateral detection subunit configured to perform lateral detection of abnormal data on the average vehicle speed data of all the roads in the corresponding feature day in sequence according to the feature day;
  • a detection processing subunit configured to process the detected abnormal data according to a preset manner.
  • longitudinal detection subunit further includes:
  • a parameter acquisition subunit configured to acquire a reference threshold of the road abnormal data to be detected, and an average vehicle speed sample data of the road to be detected and the road to be detected;
  • a judging unit configured to determine, according to the reference threshold, whether the average vehicle speed sample data of the to-be-detected feature date and the time-lapse window to be detected is abnormal data; if the to-be-detected feature ⁇ and the average of the time window to be detected If the vehicle speed sample data exceeds the reference threshold, the sample data of the to-be-detected feature date and the average vehicle speed of the road to be detected is abnormal data; if the feature date to be detected and the average speed sample data of the road to be detected are If the reference threshold is not exceeded, the average feature data of the to-be-detected feature day and the time-lapse road to be detected is normal data.
  • the detection processing subunit includes:
  • An identifier subunit configured to identify the detected abnormal data
  • An update subunit for updating a database that records the abnormal data is an update subunit for updating a database that records the abnormal data.
  • the mode data acquiring unit includes:
  • a sample data acquisition subunit configured to obtain an average vehicle speed sample data of the to-be-detected feature date and the time window to be detected
  • the vehicle parameter acquisition subunit is configured to acquire a variance of the average vehicle travel speed and speed of the sample data according to the to-be-detected feature date and the average vehicle speed sample data of the time window to be detected.
  • a traffic information processing method provided by an embodiment of the present invention is shown in FIG. 3 , and the specific implementation process is as follows: 301: The traffic information processing device acquires historical traffic information; wherein the historical traffic information includes: a road travel time and a travel road journey.
  • the traffic information processing device acquires average vehicle speed data of the road according to the road travel time and the travel road journey of the historical traffic information.
  • the traffic information processing device classifies the historical traffic information and the acquired average vehicle speed data according to a feature date.
  • the traffic information processing device sequentially acquires average vehicle speed data of each road in each time window;
  • the traffic information processing device sequentially performs longitudinal detection of abnormal data on average vehicle speed data of all roads in the corresponding time window according to the sequence of time windows in the feature time; for example, if the feature date is within one year All Monday's historical traffic information and the average speed data corresponding to the historical traffic information; the time window includes 00: 00, 00: 05, 00: 10-23: 50, 23: 55; all roads within the time window include 10;
  • the order of longitudinal detection is as shown in Table 3-1: First, for the 10 roads, in the order of time windows from 00: 00 to 23: 55, in turn for the 52 weeks of Monday Longitudinal detection of one column and one column is performed; after all the columns in the table are detected, the following step 306 (ie, lateral detection) is performed.
  • the longitudinal detection of the abnormal data may adopt a Grubbs algorithm.
  • the specific longitudinal detection process is as follows:
  • S11 Obtain a reference threshold of the road abnormal data to be detected, and an average vehicle speed sample data of the road to be detected and the time to be detected; wherein the feature date to be detected and the time window to be detected may be performed according to actual needs.
  • the following set feature date to be detected is, for a week in a certain year, the time window to be detected is the average speed sample data of road one at 8:00 am; the sample data is n;
  • the probability distribution ⁇ is a t distribution corresponding to (" _ 2 ) degrees of freedom, ⁇ is average speed data of vehicle travel in sample data; tC is a threshold value of average vehicle speed;
  • n is the number of sample data
  • xi is the average speed of the i-th vehicle traveling in the sample data
  • the gC is a reference threshold of the road abnormality data to be detected.
  • S12 Determine, according to the reference threshold, whether the to-be-detected feature date and the average vehicle speed sample data of the time window to be detected are abnormal data; the specific determination process is as follows:
  • step 306 to perform lateral detection.
  • the traffic information processing device sequentially performs lateral detection of abnormal data on average vehicle speed data of all the roads in the corresponding feature day in the order of the feature date; the lateral detection may adopt a hypothesis detection method.
  • the specific method of the lateral detection is as shown in Table 3-1. After the longitudinal detection, the data in the table may be in the order of the first Monday to the 52nd Monday for the 52-week Monday. Check line by line (ie lateral detection.)
  • the traffic information processing device processes the detected abnormal data according to a preset manner.
  • the step may specifically include:
  • the traffic information processing device acquires the traffic mode data of the historical traffic information.
  • the step may specifically include:
  • S31 Obtain average vehicle speed sample data of the to-be-detected feature date and the time-to-detect time window; specifically, obtain n sample data of the to-be-detected feature date and the road-average vehicle speed in the time window to be detected.
  • the variance of the velocity 3 is calculated as '_1 .
  • the traffic information processing device acquires road state information according to the traffic mode data.
  • the abnormality data is detected by the obtained historical traffic information, so that the historical traffic information is handed over.
  • the pass mode data can more accurately predict road traffic state information under normal road conditions; and can more accurately fill vacancies that do not collect road traffic information.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Description

一种交通信息处理方法及装置 本申请要求了 201 0年 8月 23 日提交的，申请号为 201 01 0260601. 8 , 发明名称为 "一种交通信息处理方法及装置" 的中国申请的优先权， 其全 部内容通过引用结合在本申请中。
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，先进交通信息月良务系统 ( Advanced Tra f f i c I nforma t i on Sys tem , ATI S )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：
1 01： 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。
1 02： 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 G rubb s (格拉布斯） 算法。 1 03 :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 'J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。
1 04： 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 2 01 , 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 2 02 , 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 G rubb s (格拉布斯） 算 法。
模式数据获取单元 2 03 , 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 2 04 ,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 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 曰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）。
时间窗 00:00 00:05 00:10 00:15 23: 40 23: 45 23: 55 (特征日 ）
第 1 个周一 车速 车速 车速 车速 车速 车速 车速 车速 第 2个周一 车速 车速 车速 车速 车速 车速 车速 车速 第 3个周一 车速 车速 车速 车速 车速 车速 车速 车速 第 4个周一 车速 车速 车速 车速 车速 车速 车速 车速 第 5个周一 车速 车速 车速 车速 车速 车速 车速 车速 车速 车速 车速 车速 第 49个周一 车速 车速 车速 车速 车速 车速 车速 车速 第 50个周一 车速 车速 车速 车速 车速 车速 车速 车速 第 51 个周一 车速 车速 车速 车速 车速 车速 车速 车速 第 52个周一 车速 车速 车速 车速 车速 车速 车速 车速 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"； 所述检测显 著水平《 = Ρ{χ≥ , 其中， 概率分布 Ρ为对应于（"_2)自由度的 t分布，χ为 样本数据中的车辆行驶的平均速度数据； tC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 ( ),
Figure imgf000008_0001
其中， n为样本数据的个数， xi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 ^和样本数据条数"， 构造 使 其满足 Ι χ ΐ≥ } = " , 计算公式为
Figure imgf000008_0002
其中， 所述 gC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 ^和全部样本的平均车速值^ 构 造每个检测样本车速值 χ'·的 ζ '得分， 即 ζ'· = (χ'· 、 。
然后， 取2 '的最大值 g, ^g = max{| z,. |} ;
最后， 判断所述 g是否大于 。
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> , 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 3。 其中， 所 述车辆平均行驶速度 的计算公式为 = (^+ + ¾/", "为样本数据条数；
e = V( ,.- )2/(«-i)
所述速度的方差 3的计算公式为 '_1 。
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： R0M/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

权 利 要 求 书
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。
2、 根据权利要求 1所述的交通信息处理方法， 其特征在于， 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。
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。
4、 根据权利要求 3所述的交通信息处理方法， 其特征在于， 所述异常 数据的纵向检测釆用格拉布斯算法。
5、 根据权利要求 4所述的交通信息处理方法， 其特征在于， 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。
6、 根据权利要求 5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。
7、 根据权利要求 1至 6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。
8、 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。
9、 根据权利要求 8所述的交通信息处理装置， 其特征在于， 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。
10、 根据权利要求 9所述的交通信息处理装置， 其特征在于， 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。
11、 根据权利要求 10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 曰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。
12、 根据权利要求 11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。
1 3、 根据权利要求 8至 12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 - z\ -
TCC9.0/llOZN3/X3d 9.6^Ζ0/ΖΪ0Ζ OAV
PCT/CN2011/076331 2010-08-23 2011-06-24 一种交通信息处理方法及装置 WO2012024976A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN 201010260601 CN101950477B (zh) 2010-08-23 2010-08-23 一种交通信息处理方法及装置
CN201010260601.8 2010-08-23

Publications (1)

Publication Number Publication Date
WO2012024976A1 true WO2012024976A1 (zh) 2012-03-01

Family

ID=43453959

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2011/076331 WO2012024976A1 (zh) 2010-08-23 2011-06-24 一种交通信息处理方法及装置

Country Status (2)

Country Link
CN (1) CN101950477B (zh)
WO (1) WO2012024976A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107610469A (zh) * 2017-10-13 2018-01-19 北京工业大学 一种考虑多因素影响的日维度区域交通指数预测方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101950477B (zh) * 2010-08-23 2012-05-23 北京世纪高通科技有限公司 一种交通信息处理方法及装置
CN102097006B (zh) * 2011-02-28 2012-11-28 北京世纪高通科技有限公司 最短测试里程的获取方法及装置
CN102184638B (zh) * 2011-04-28 2013-07-10 北京市劳动保护科学研究所 行人交通数据的数据预处理方法
CN102819682B (zh) * 2012-08-02 2015-01-14 清华大学 一种多阈值空间相关的浮动车数据清洗和修复算法
CN103473609B (zh) * 2013-09-04 2016-09-07 银江股份有限公司 一种相邻卡口间od实时行车时间的获取方法
CN104679970B (zh) * 2013-11-29 2018-11-09 高德软件有限公司 一种数据检测方法及装置
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
CN108734955B (zh) 2017-04-14 2021-06-11 腾讯科技（深圳）有限公司 预测路况状态的方法及装置
CN107564290B (zh) * 2017-10-13 2021-02-19 公安部交通管理科学研究所 一种城市道路交叉口饱和流率计算方法
CN107798875B (zh) * 2017-11-07 2020-11-06 上海炬宏信息技术有限公司 基于浮动车gps数据优化路口通行能力的方法
CN109522309A (zh) * 2018-11-15 2019-03-26 四川长虹电器股份有限公司 一种基于审计系统采购信息记录异常值处理方法
CN115294765A (zh) * 2022-07-28 2022-11-04 深圳市显科科技有限公司 交通情报板智能管理平台

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007179373A (ja) * 2005-12-28 2007-07-12 Nissan Motor Co Ltd ナビゲーション情報システムおよびそのための車両端末
CN101325004A (zh) * 2008-08-01 2008-12-17 北京航空航天大学 一种实时交通信息的数据补偿方法
US20090079586A1 (en) * 2007-09-20 2009-03-26 Traffic.Com, Inc. Use of Pattern Matching to Predict Actual Traffic Conditions of a Roadway Segment
CN101488284A (zh) * 2008-01-16 2009-07-22 闵万里 道路交通状况即时预测的智能管理系统
US20100063715A1 (en) * 2007-01-24 2010-03-11 International Business Machines Corporation Method and structure for vehicular traffic prediction with link interactions and missing real-time data
CN101694747A (zh) * 2009-08-25 2010-04-14 北京世纪高通科技有限公司 异常车速的识别方法和装置
CN101694743A (zh) * 2009-08-25 2010-04-14 北京世纪高通科技有限公司 预测路况的方法和装置
CN101950477A (zh) * 2010-08-23 2011-01-19 北京世纪高通科技有限公司 一种交通信息处理方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7355528B2 (en) * 2003-10-16 2008-04-08 Hitachi, Ltd. Traffic information providing system and car navigation system
CN1725208A (zh) * 2004-07-19 2006-01-25 上海市市政工程管理处 一种用于城市快速道路的交通信息处理系统
CN1963847B (zh) * 2005-11-07 2011-03-09 同济大学 预测公交车到站的方法
US7899611B2 (en) * 2006-03-03 2011-03-01 Inrix, Inc. Detecting anomalous road traffic conditions
CN101783075B (zh) * 2010-02-05 2012-05-23 北京科技大学 一种城市环形道路交通流预测系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007179373A (ja) * 2005-12-28 2007-07-12 Nissan Motor Co Ltd ナビゲーション情報システムおよびそのための車両端末
US20100063715A1 (en) * 2007-01-24 2010-03-11 International Business Machines Corporation Method and structure for vehicular traffic prediction with link interactions and missing real-time data
US20090079586A1 (en) * 2007-09-20 2009-03-26 Traffic.Com, Inc. Use of Pattern Matching to Predict Actual Traffic Conditions of a Roadway Segment
CN101488284A (zh) * 2008-01-16 2009-07-22 闵万里 道路交通状况即时预测的智能管理系统
CN101325004A (zh) * 2008-08-01 2008-12-17 北京航空航天大学 一种实时交通信息的数据补偿方法
CN101694747A (zh) * 2009-08-25 2010-04-14 北京世纪高通科技有限公司 异常车速的识别方法和装置
CN101694743A (zh) * 2009-08-25 2010-04-14 北京世纪高通科技有限公司 预测路况的方法和装置
CN101950477A (zh) * 2010-08-23 2011-01-19 北京世纪高通科技有限公司 一种交通信息处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZAN YAN ET AL.: "Data Analysis Method on Urban History Traffic Flow Based on Mixed Model.", PROCEEDINGS OF "THE 5TH CHINA ANNUAL CONFERENCE AND EXHIBITION ON INTELLIGENT TRANSPORT SYSTEMS & THE 6TH INTERNATIONAL ENERGY-EFFICIENCY AND NEW ENERGY VEHICLES INNOVATION DEVELOPMENT FORUM AND EXHIBITION"., vol. 1, 31 December 2009 (2009-12-31), pages 282 - 291 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107610469A (zh) * 2017-10-13 2018-01-19 北京工业大学 一种考虑多因素影响的日维度区域交通指数预测方法
CN107610469B (zh) * 2017-10-13 2021-02-02 北京工业大学 一种考虑多因素影响的日维度区域交通指数预测方法

Also Published As

Publication number Publication date
CN101950477B (zh) 2012-05-23
CN101950477A (zh) 2011-01-19

Similar Documents

Publication Publication Date Title
WO2012024976A1 (zh) 一种交通信息处理方法及装置
US10573173B2 (en) Vehicle type identification method and device based on mobile phone data
CN109215347B (zh) 一种基于众包轨迹数据的交通数据质量控制方法
WO2019085807A1 (zh) 一种路况信息获取方法及其设备、存储介质
CN107103775B (zh) 一种基于群智计算的道路质量检测方法
WO2019047905A1 (zh) 一种交通路况分析系统、方法以及装置
CN107563566B (zh) 一种基于支持向量机的公交站间运行时间区间预测方法
CN107085944B (zh) 一种交通数据处理系统及方法
WO2011079681A1 (zh) 旅行时间预测的方法及装置
WO2019183752A1 (zh) 一种车前积雪与结冰的检测报警方法、存储介质和服务器
CN109190811B (zh) 一种基于自适应扩展卡尔曼滤波的车辆速度跟踪方法
CN109598930B (zh) 一种自动检测高架封闭系统
WO2011150712A1 (zh) 一种交通流信息的处理方法及处理装置
CN105046959B (zh) 基于双窗口滑动匹配机制的城市道路行程时间提取方法
WO2011079689A1 (zh) 路况数据特征值提取的方法和装置
CN109118786B (zh) 一种基于量化自适应卡尔曼滤波的车辆速度预测方法
CN110766940A (zh) 道路信号交叉口运行状况评估方法
CN105279963B (zh) 一种获取路况信息的方法及装置
CN102622883B (zh) 判定交通事件解除的方法及装置
WO2017107790A1 (zh) 一种基于大数据预测路段状况的方法及装置
CN105551241B (zh) 一种基于fcd及ep多源数据的实时拥堵分析方法
CN107038857B (zh) 一种公交数据获取方法及公交数据平台
CN104217591A (zh) 动态路况检测方法及系统
CN107730882B (zh) 基于人工智能的道路拥堵预测系统及方法
WO2012058968A1 (zh) 视频数据源评价方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11819351

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC

122 Ep: pct application non-entry in european phase

Ref document number: 11819351

Country of ref document: EP

Kind code of ref document: A1