论文摘要
在智能交通系统（ITS）中,为了从浮动车数据中获取准确动态的交通信息,需要实时识别并剔除异常数据。为了检测异常浮动车数据,本文提出一种独特的增强型在线非监督离群点检测算法（EOSA）。该算法由SS算法和K-means聚类算法组成,其中,SS算法可采用基于离散变量和连续变量的概率模型来计算异常分值,将K-means聚类算法与SS算法相结合可以有效提高检测精度。本文采用了深圳市浮动车数据来验证EOSA算法,试验结果表明,该算法能够成功检测到异常的数据,其中包含车辆停放和停车等待时的异常GPS记录。此外,通过试验比较,本文提出的EOSA算法比现有六种常用算法都具有更高的异常数据检测精度。EOSA算法有望应用于基于浮动车数据的智能交通系统。
论文目录
文章来源
类型: 期刊论文
作者: 曹鹏,马婕,施展华
关键词: 智能交通系统,离群点检测,聚类,浮动车数据
来源: 交通运输工程与信息学报 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用
单位: 西南交通大学交通运输与物流学院,同济大学交通运输工程学院
基金: 中央高校基本科研业务费专项资金资助
分类号: U495
页码: 23-35
总页数: 13
文件大小: 846K
下载量: 69