[发明专利]一种多模态道路交通异常检测方法

权利要求书

1.一种多模态道路交通异常检测方法，包括如下步骤：

1)建立时空子区：将一天划分为若干时间片段，每个时间片段称为一个时间子区；将城市道路交通异常检测的实施区域划分为若干空间片段，每个空间片段称为一个空间子区；任意一个时间子区和任意一个空间子区的交集称为时空子区；时空子区的建立，采用等距时空划分法和非等距时空划分法。

2)历史轨迹数据的预处理：将浮动车GNSS定位历史数据处理为历史轨迹的抽样车速数据；

实时轨迹数据的预处理：将浮动车GNSS定位实时数据处理为实时轨迹的抽样车速数据；

3)历史轨迹数据分析和特征提取：利用所述历史轨迹的抽样车速数据，对于每个时空子区，用交通特征变量的概率分布描述交通特征，建立交通特征模型并进行参数估计，建立历史行程速度概率分布，得到历史交通特征模型P_h；

实时轨迹数据分析和特征提取：利用所述实时轨迹的抽样车速数据，将实时交通数据进行模型建立和参数估计，获取当前交通状况的特征函数，建立实时行程速度概率分布，得到实时交通特征模型P_rt；

4)异常检测：通过Jensen–Shannon散度衡量所述历史交通特征模型与所述实时交通特征模型的差异，通过利用历史交通特征模型计算得到的Jensen-Shannon散度与利用实时交通特征模型计算得到的Jensen-Shannon散度，计算得到历史与实时交通特征差异值；当历史交通特征与实时交通特征相近时，将得到较小的Jensen–Shannon散度值；当历史交通特征与实时交通特征差别较大，将得到较大的Jensen–Shannon散度值，即存在异常的概率较大；

5)异常严重性量化表征：利用所述历史与实时交通特征差异值，计算交通状况异常指数；异常状况的严重程度用交通异常指数表征，范围为0-10，其中0表示无异常，10表示高度异常；

6)系统性能评价：计算交通异常状态的漏报率，计算交通异常状态的误报率，评价交通异常状态检测的准确性，衡量系统运行的稳定程度。

2.如权利要求1所述的道路交通异常检测方法，其特征在于，步骤1)采用下述方法之一：

1a)等距时空划分法：确定时间维度的片段尺度，时间片段跨度为固定值，取30min作为一个时间片段；确定空间维度的片段尺度，空间片段跨度为固定值，取200m×200m的空间网格作为一个空间片段；

1b)基于路网密度的非等距时空划分法：基于路网密度作为判断指标，当路网密度大于等于2km/km²时，取30min的时间片段和200m×200m的空间片段；当路网密度小于2km/km²时，取30min的时间片段和400m×400m的空间片段；

1c)基于高峰小时流量的非等距时空划分法：基于高峰小时流量作为判断指标，当高峰小时流量大于等于1000辆/小时时，取30min的时间片段和200m×200m的空间片段；当高峰小时流量小于1000辆/小时时，取30min的时间片段和400m×400m的空间片段。

3.如权利要求1所述的道路交通异常检测方法，其特征在于，步骤2)所述的历史轨迹数据的预处理包括：

2a)数据结构化：将浮动车GNSS定位历史数据进行数据清洗、数据集成、数据转换、数据归约，得到结构化GNSS定位历史数据；

2b)快速地图匹配：结合城市路网数据，通过地图匹配算法，将结构化GNSS定位历史数据投影到城市路网，建立所述结构化GNSS定位历史数据中的定位点与路段的匹配关系，得到所述结构化GNSS定位历史数据中的定位点与所述路段的匹配关系表，并修正定位漂移带来的误差；

2c)历史轨迹的车速计算和抽样：根据所述结构化GNSS定位历史数据计算交通运行特征参数，得到历史轨迹的车速数据，并对所述历史轨迹的车速数据进行数据抽样，得到历史轨迹的抽样车速数据。