[发明专利]一种基于公共交通的异常事件的甄别方法

说明书

本发明公开一种基于公共交通的异常事件的甄别方法，包括：步骤S1、相关数据集的构造，所述数据集是公交和地铁刷卡数据；步骤S2、基于隐马尔科夫链的站点异常状态的识别；步骤S3：基于时空扩散模型的异常事件的甄别。采用本发明的技术方案、可以挖掘出异常事件的扩散模式和发生区域。

技术领域

本发明属于交通检测的技术领域，尤其涉及一种基于公共交通的异常事件的甄别方法。

背景技术

近年来，随着交通一卡通的普及，以及计算机科学技术的发展，城市的行人出行数据被大量的采集。在这种情况下，对于行人出行行为的研究，进入了大数据的时代。通过对一卡通数据的分析，本发明可以更深一步的了解行人出行行为的规律，结合交通部门的其他大数据，可以通过某些方法研究乘客的行为，从而为城市安全管理部门提供决策帮助。由于公交一卡通的使用量巨大，覆盖了绝大部分出行人员，所以克服了传统调查问卷方式的众多缺点，结果更加接近真实的出行行为。

北京交通一卡通大数据对了解站点的流量模式和城市的动态非常有价值，但是目前还没有根据交通一卡通大数据，甄别站点流量的异常，找出流量变化大的站点。

发明内容

公交和地铁是人们出行的重要出行工具，北京城市一卡通记录了乘客的上下车时间、站点等出行信息，对研究城市的动态很有价值。本发明旨在发现公交和地铁站点流量的异常状态，使用时空扩散算法挖掘出异常事件的发生。并研究异常通过站点的连接关系进行时空扩散的模式。

本发明提供一种基于公交和地铁刷卡数据的异常事件的甄别方法，使用隐马尔科夫链和时空扩散模型的异常事件识别，根据站点的流量特点，提出改进的隐马尔科夫链来甄别站点流量的异常，找出流量变化大的站点，针对这些异常状态的站点扩散检测，这些站点的异常状态可能是拥堵、大型活动的举办、或者是恶劣天气等造成的。检测异常状态在站点之间的扩散(这种扩散可能是空间、时间、也可能是时空两方面的)能帮助了解事件的发生过程、站点之间的时空关系。

为实现上述目的，本发明采用如下的技术方案：

一种基于公共交通的异常事件的甄别方法，包括以下步骤：

步骤S1、相关数据集的构造

构造乘客出行的出行链、构造站点流量序列、构造站点的流量等级序列、取部分天数构造流量等级集合L、建立站点之间的拓扑连接关系；

步骤S2、基于隐马尔科夫链的站点异常状态的识别

建立的隐马尔科夫模型异常检测的状态空间只包含两个状态，采用0表示正常状态，采用1表示异常状态，观测概率矩阵是一个2×11的矩阵，其中，2代表隐状态0或1，11表示流量等级的个数，定义站点s_i在d天的时间t的观测概率矩阵是B_t＝[b_i,j]_N×M，N＝2，M＝11：

矩阵的每一行满足条件且0≤b_i,j≤1其中i＝0,1，

形成观测概率矩阵的思路是：s_i在t时刻的流量等级o_t与s_i.L_t中的所有元素差值和越大则状态为异常的概率越大。相反，差值和越小则状态为异常的概率越小，观测概率矩阵的每个元素定义为：

其中，L_t.p_j是L_t中流量等级j的频数。

最后使用维特比算法计算隐状态序列，最终得到站点s_i的上车和下车流量等级异常的时间段。

步骤S3：基于时空扩散模型的异常事件的甄别