基于改进孤立森林算法的交通流异常数据检测模型 |
| |
引用本文: | 宫晓婞,董培信.基于改进孤立森林算法的交通流异常数据检测模型[J].重庆交通大学学报(自然科学版),2024(5):61-69+90. |
| |
作者姓名: | 宫晓婞 董培信 |
| |
作者单位: | 大连海事大学交通运输工程学院 |
| |
基金项目: | 国家自然科学基金项目(71974023); |
| |
摘 要: | 针对交通流异常数据实时检测问题,提出一种基于改进孤立森林算法与K-Means++算法相结合的交通流异常数据检测模型。首先,使用交通流量和交通流速度数据构建交通流序列;然后,利用改进孤立森林算法,构建交通流数据的异常评分模型,并通过K-Means++算法构建滑动窗口计算出异常评分的阈值,以此来实现对交通流数据异常值的实时检测;最后,通过实例分析验证模型的合理性和可行性。研究结果表明:改进孤立森林算法与K-Means++结合的方法可以准确地确定异常评分的阈值进而检测出异常数据;该模型与仅考虑交通流流量的模型、传统孤立森林模型相比,AUC分别高出29.7%和5.3%,与其他常用的LOF、ABOD、OCSVM方法相比,AUC均有所提高。该模型准确率明显提升,在交通流异常数据检测中具有更好的适用性,能够为交通管理部门提供交通状况检测支持,提高交通管理效率。
|
关 键 词: | 交通工程 异常检测模型 改进孤立森林算法 交通流数据 K-Means++算法 |
|
|