基于时序马尔科夫模型的电子警察采集数据异常识别 |
| |
引用本文: | 韦学武,朱海峰,刘彦斌,温熙华,龚方徽.基于时序马尔科夫模型的电子警察采集数据异常识别[J].公路与汽运,2020(2):42-46,126. |
| |
作者姓名: | 韦学武 朱海峰 刘彦斌 温熙华 龚方徽 |
| |
作者单位: | 中电海康集团研究院 |
| |
基金项目: | 工信部2016年工业转型升级(中国制造2025)项目(0714-EMTC02-5737/5)。 |
| |
摘 要: | 针对电子警察采集数据存在的数据延迟、数据缺失和异常偏离三类常见问题,在保证数据未出现延迟和缺失时,基于马尔科夫模型判断数据的异常偏离;考虑流量序列间的关联关系,建立基于历史数据的转移概率矩阵,在此基础上利用马尔科夫模型进行流量概率分布预测,进而利用EM算法拟合概率分布得到对应的均值和标准差;根据模型预测结果和设定的流量合理分布阈值,以置信区间的形式直接判断流量的异常偏离情况。实例验证结果表明,基于马尔科夫模型的流量预测准确率达87%,异常偏离识别准确率为83%左右。
|
关 键 词: | 智能交通 电子警察 数据异常 流量预测 马尔科夫模型 期望最大化(EM)算法 |
本文献已被 CNKI 维普 等数据库收录! |
|