![](https://csdnimg.cn/release/download_crawler_static/18511077/bg1.jpg)
第
36
卷第
12
期
2011
年
12
月
武汉大学学报·信息科学版
Geomatics
and
Information
Science
of
Wuhan University
Vo
l.
36
No.12
Dec.
2011
文章编号
:1671-8860(2011)12-1392-05
文献标志码
:A
短时交通流量模式提取及时变特征分析
李清泉1,
2
曹晶1,
2
乐阳1,
2
李志恒
3
(1
武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路
129
号,
430079)
(2
武汉大学交通研究中心,武汉市珞喻路
129
号,
430079)
(3
清华大学自动化系,北京市清华园
1
号,
100084
)
摘
要:提出了一种基于三步策略的方法来提取交通流模式并对其时变特征进行分析。首先,根据交通流量
内部变化将其分割成非等长的一系列具有明显物理意义的子序列;然后,利用定量递归分析
(recurrence
quan
tification analysis ,
RQA)
提取各子序列的统计参数;最后,通过聚类获得交通流典型模式。实验结采表明,此
方法能有效提取交通流中隐含的
4
种模式及它们在全天中的时间分布和时变特征,以及它们在工作日和非工
作日时态分布上的差异。
关键词:交通工程;模式提取;时交分析;聚类;交通流量;累积和;定量递归分析
中图法分类号
:P208
若要进行交通流的多模态及模态时变分析,
首先应该根据交通流的内部变化特征寻找特征突
变的"拐点",进而将交通流时序分割成一系列子
序列。时间序列拐点探测的算法非常多
fI]
,这些
算法各有优劣,具体应用视需求而定。基于累积
和
(CUSUM)
的方法仅需进行简单的加减运算即
可完成,简单高效
[IJ]
,比较适合海量交通流数据
的处理。另外,近年来
RQA
被广泛应用到医学、
经济学以及地球科学等学科涉及的时间序列问题
的研究中[叫。在交通数据挖掘领域,文献
[7J
利
用
RQA
对交通流的时变统计特征进行分析,利
用聚类算法得到流量和占有率变化关系之间的状
态。对于时间序列的聚类分析,
K-means
聚类是
一种典型的基于分割的聚类算法,简单且应用
广泛。
本文提出了一种三步策略来提取交通流模式,
并分析这些模式在一周内不同工作日以及非工作
日的时变特征。首先,根据
CUSUM
方法得到的拐
点将交通流量序列分割成一系列非等长子序列;和
j
RQA
提取各个子序列的统计参数,井和交通流量
子序列的描述统计参数一起作为子序列的特征空
间;利用
K-means
聚类获得交通流模式。
收稿日期
:20
1.1
-10-16
。
1
交通流模式提取模型
1.
1
基于
CUSUM
的流量序列分割算法
对于交通流量序列来说,人为等时段分割序
列会造成交通流量内在的统计特征以及波动过程
的破坏。因此,需采用一种可以根据流量序列内
部变化特征对时间序列进行自然划分的策略。
CUSUM
通过对序列中诸如均值或者方差等数据
信息的积累,将过程中小的偏移加以放大,从而提
高检测小偏移的灵敏度,达到探测序列发生改变
的拐点的目的。
基于
CUSUM
的拐点探测算法的基本思想
为:首先,求出序列均值,即
V=
(Vl
十
V2
+
…+
V
n
) /
n
,
再计算该序列内各点的累积和
,
Si = Si• l
十(
Vi
的,
i=1
,
2
,…
,
n
(其中,累积和的初值为
0)
,当
1
Sp
1 =
max
{ 1 Si 1 , i =
1
,
2
,…,旧时,刊即为
拐点。
拐点可以将原始流量序列分割成具有明显物
理意义的两个子序列,即后一部分流量和前一部
分相比发生了转折性的变化。利用递归与分治的
策略,对分割后的每一个子序列基于拐点进行二
项目来源:国家自然科学基金重点资助项目
(40830530
刘国家自然科学基金资助项目
(60872132):
国家
973
计划资助项目
(2006CB70550)
:中国科学院资源与环境信息系统国家重点实验室开放研究基金资助项目
(2008-2009)
。