基于偏度系数的交通流序列突变检测方法

合集下载

基于时空卷积神经网络GL-GCN的交通流异常检测算法

２０２１年１月２５日第５卷第２期现代信息科技Modern Information TechnologyJan.2021 Vol.5 No.2702021.1收稿日期：2020-11-29基金项目：国家自然科学基金资助项目（61 872230，61572311）基于时空卷积神经网络ＧＬ－ＧＣＮ的交通流异常检测算法徐红飞，李婧（上海电力大学计算机科学与技术学院，上海 200090）摘要：交通流异常检测通常要考虑时间信息、空间信息等信息，这让交通流异常检测变得具有挑战性。

文章重点研究由交通事故、或短暂事件引起的非经常性交通异常检查。

新提出的算法（GL-GCN ）利用交通的时空数据，空间信息采用图卷积网络捕获，时间依赖性采用深度神经网络DeepGLO 的方法建模。

同时捕捉时空特性并建立预测交通流模型，利用异常分数来判断交通流异常。

利用真实的交通流数据，证实了提出的模型具有有效性和优越性。

关键词：交通流；异常检测；深度神经网络；图卷积网络；时空特征中图分类号：TP39文献标识码：A文章编号：2096-4706（2021）02-0070-06Ｔｒａｆｆｉｃ　Ｆｌｏｗ　Ａｎｏｍａｌｙ　Ｄｅｔｅｃｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｓｐａｔｉｏｔｅｍｐｏｒａｌ　Ｃｏｎｖｏｌｕｔｉｏｎ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　ＧＬ－ＧＣＮXU Hongfei ，LI Jing（School of Computer Science and Technology ，Shanghai University of Electric Power ，Shanghai 200090，China ）Abstract ：Traffic flow anomaly detection usually considers time information ，spatial information and others ，which makestraffic flow anomaly detection challenging. This paper focuses on the non-recurrent traffic anomaly inspection caused by traffic accidents or short-term events. The new algorithm （GL-GCN ）uses the spatiotemporal data of traffic ，the spatial information is captured by graph convolution network ，and the time dependence is modeled by DeepGLO neural network. This algorithm captures spatiotemporal characteristics at the same time and establishes the traffic flow prediction model ，and the traffic flow anomaly is judged by the anomaly score. The model is proved to be effective and superior by using the real traffic flow data.Keywords ：traffic flow ；anomaly detection ；deep neural network ；graph convolutional network ；spatiotemporal characteristics0 引言异常检测是数据挖掘的一个重要分支，是发现数据集中异常的现象，在金融、安全、医疗、执法等领域有着广泛的应用。

基于尖点突变理论的交通流参数研究及实例分析

基于尖点突变理论的交通流参数研究及实例分析罗强;袁杰;黄艳国;邓梓欣;唐月梅【摘要】针对某些时刻交通流中三基本参数发生\"跳跃\"式的变化,提出将尖点突变理论应用于交通流参数的特性研究的假设.首先分析了突变理论的特性,并与交通流三参数变化特性进行关联分析;其次以尖点突变理论中势函数和突变流形方程为基础并进行适当的坐标变换,建立了描述交通流三参数变化特性的三维交通流模型;最后通过对实测的交通流数据进行处理分析,验证了交通流三基本参数具有与尖点突变理论相似的特征和变化规律,进一步证明尖点突变理论可用于描述交通流三基本参数关系特性的可行性.根据尖点突变理论得到的三参数之间的关系模型可用以交通流的预测,以弥补交通数据难以采集的缺点.【期刊名称】《广西大学学报（自然科学版）》【年(卷),期】2018(043)006【总页数】6页(P2341-2346)【关键词】交通流理论;三参数;突变特性;数据分析【作者】罗强;袁杰;黄艳国;邓梓欣;唐月梅【作者单位】广州大学土木工程学院,广东广州 510006;广州大学土木工程学院,广东广州 510006;江西理工大学电气工程学院,江西赣州 341000;广州大学土木工程学院,广东广州 510006;广州大学土木工程学院,广东广州 510006【正文语种】中文【中图分类】U491.250 引言交通流三参数即交通流量、速度和密度(占有率)，是描述交通流基本特征的重要指标，是交通工程学研究的一个重要内容[1]。

传统的交通流理论研究是建立在二维平面上的连续交通流三参数之间的关系模型。

如20世纪30年代著名学者格林希尔兹通过对大量的实测数据进行分析，提出了二维平面上的速度—密度线性模型[1]。

Zhu等[2]基于Nagel-Schreckenberg(NaSch)交通流模型，提出了一种具有密度依赖随机化的元胞自动机流量模型来模拟交通流量。

熊烈强等[3]通过对混合交通流的动力学模型的表达式进行积分运算，分析流量、密度和超车换道率之间函数的极值，得到了混合交通流参数之间的函数模型。

偏度系数-中位数-变异系数方法应用及SAS实现

的百分位数。
以拟合２０年中国居民营养与健康状况调查数０２
据中０～１人群身高百分位数曲线为例，绍Ｌ８岁介ＭＳ
方法在ＳＳ中的实现。Ａ１Ｌ、、算．ＭＳ计
Ｃ０（）＝ｔ［ＬｔＳｔＺ］ ” ｌｔＭ（）１＋（）（） ” ｏ
ｃｅｔｆｋｗｎｓ— ｅｉ．ｅｃｎｆａａｏ，ＭＳ拟合儿童青少年生长曲线的ＳｉｅｅｓｍｄａｃｆｉｔｒｔｎＬ）ｎｏｓｎｏｉｅｏｖｉｉＡＳ实现方法。方法根据ＬＭＳ方法
原理，通过编写ＳＡＳ程序和菜单操作拟合儿童青少年生长发育百分位数曲线。通过将本文方法拟合结果与实际值以及ＬＭＳ方法专用软件（ＭＳｈｒｋｒ拟合结果相比较，Ｌｃａｍａｅ）ｔ研究两种软件拟合结果的一致性以及与实际值的符合情况。结果给出了ＬＭＳ的ＳＳ实现方法，Ａ拟合的我国０～１８岁儿童青少年身高百分位数曲线与实际值以及ＬｃａｔｋｒＭＳｈｒｅ软件ｍａ的一致性良好。结论使用ＳＳ编程结合菜单操作可以实现ＬＡＭＳ曲线拟合，为实际工作者应用ＬＭＳ方法提供了方便。
等）。
ＬＭＳ方法的ＳＡＳ实现
，
ｎ组后，过ＢｘＣｘ变换对各组数据进行正态）通ｏ－ｏ
化，然后利用偏度系数（ｏｆｃｅｔｆｓｅｎｓ，、ｃｅｉｗｅｓＬ）中ｉｎｏｋ位数（ｄａ，以及变异系数（ｏｆｃｅｔｏａｉ— ｍｅｉＭ）ｎｃｅｉｆｖｒｉｎａｔｎＳ描述各年龄组的分布特征。以年龄ｔ自变量ｉ，）ｏ为分别拟合Ｌ、ｓ的平滑曲线并用公式（）算所需Ｍ、１计

不同突变检验方法在萧濉新河流域径流序列中的研究

不同突变检验方法在萧濉新河流域径流序列中的研究
钱筱暄
【期刊名称】《世界生态学》
【年(卷),期】2024(13)2
【摘要】径流序列的突变性研究对于探讨气候变化与人类活动下的水文循环的演
变规律具有重要的意义。

本文以安徽省萧濉新河流域1973~2022年径流量为例,
采用T方法、有序聚类法、滑动t检验、Mann-Kendall检验法、Yamamoto法、Pettitt法等6种方法对比分析水文序列突变特性,结果表明:1973~2022年流域年
径流序列的突变点为1987年、1995年、2010年,T方法、有序聚类法、滑动t检验、Mann-Kendall检验法、Pettitt法结论基本一致,其中Mann-Kendall检验法检测突变点最精确,包括了其他检验方法的所有结果,此方法也反映出径流序列的趋
势性。

【总页数】8页(P274-281)
【作者】钱筱暄
【作者单位】安徽省(水利部淮河水利委员会)水利科学研究院合肥;水利水资源安
徽省重点实验室蚌埠
【正文语种】中文
【中图分类】P33
【相关文献】
1.省道S202萧濉新河大桥防洪评价
2.淮水北调萧濉新河某段河道渗漏分析
3.几种河川径流序列突变检验方法的对比
4.萧濉新河流域径流规律研究
5.不同水文序列突变检测方法在漳河观台站径流分析中的对比研究
因版权原因，仅展示原文概要，查看原文内容请购买。

小波的信号突变点检测在车流量检测器中的应用

Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙｏｆｖｅｈｉｃｌｅ＿ｎＯＷｄｅｔｅｃｔｏｒ．ｔｈｅｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌｏｆｒｆｅｑｕｅｎｃｙｖａｉａｒｔｉｏｎｃｕｒｖｅｉｓｅｓｔａｂｌｉｓｈｅｄｗｈｅｎｖｅｈｉｃｌｅｓｐａｓｓｅｄａｉｎｄｕｃｔｉｏｎｃｏｉｌｔｈｒｏｕｇｈｓａｍｐｌｉｎｇａｌａｒｇｅｎｕｍｂｅｒｏｆｅｘｐｅｉｍｅｒｎｔａｌｄａｔａ．Ａｎｅｗｍｅｔｈｏｄｉｓｇｏｔｔｅｎｂｙ
关键词：交通工程；车流量检测；小波变换；感应线圈
Ｋｅｙｗｏｒｄｓ：ｔｒａｆｉｃｆｅｎｇｉｎｅｅｉｒｎｇ；ｖｅｈｉｃｌｅ — ｌｆｏｗｄｅｔｅｃｔｉｏｎ；ｗａｖｅｌｅｔｔｒａｎｓｆｏｍ；ｒｉｎｄｕｃｔｉｏｎｃｏｉｌ
中图分类号：ＴＰ３９１
文献标识码：Ａ
文章编号：１００６－４３１１（２０１３）３１ — ０２２６ — ０３
０引言
断感应学模型检测器调谐电路的基准频率为（１０２００ＫＨＺ），对某一了解各条道路上的车流量以实现交通信息统计、信息发布台检测器来说，其调谐回路的基准频率相对比较稳定，集和交通控制。国内外对车流量的检测方法主要有感应线圈中在一个比较小的范围内。当感应线圈上有车辆经过时，检测、超声波式检测、雷达检测、红外线检测和基于计算机调谐电路的输出频率会增加几ｋＨｚ至几十ｋＨｚ。由于感应

基于突变强度的交通事件自动检测算法

An Automatic Incident Detection Algorithm Based on Mutation Strength
LI Hong-wei1lan6, ZHU Hong-wei7
(1. College of Civil and Transportation Engineering, Hohai University, Nanjing 210024, China; 2. Faculty of Maritime and Transportation, Ningbo University, Ningbo 315211, Zhejiang, China; 3. Xinjiang Institute of Technology, Akesu 843100, Xinjiang, China; 4. National Traffic Management Engineering & Technology Research Centre Ningbo University Sub-centre, Ningbo 315211, Zhejiang, China;
China; 7. Wuhan Transportation Science Research Institute, Wuhan 430015, China)
Abstract: In order to design an automatic incident detection(AID) algorithm for expressway traffic incidents with high detection rate, this paper analyses the change characteristics of traffic flow, speed and occupancy parameters in the longitudinal time series when traffic accidents occur based on the mutation strength theory, drawing the following conclusions: the values of mutation strength of traffic parameters in incident time are larger. An AID algorithm for expressway based on the product of mutation strength of three parameters as an incident evaluation index was established. By comparing the new algorithm with three algorithms based on the measured data of expressway traffic incidents, it was verified that the detection rate of the new algorithm is high, which is 100.00%, the false detection rate is 5.75%. At the same time, it is concluded that the stability of the longitudinal time series

一种基于样本熵和贝叶斯的时间序列突变检测方法[发明专利]

专利名称：一种基于样本熵和贝叶斯的时间序列突变检测方法专利类型：发明专利
发明人：孙东永,张洪波,徐明珠,孔令魁,李杨津,李振欣,王琪
申请号：CN202010511526.1
申请日：20200608
公开号：CN111667009A
公开日：
20200915
专利内容由知识产权出版社提供
摘要：本发明提供一种基于样本熵和贝叶斯的时间序列突变检测方法，包括依据选取的径流时间序列，首先选取水文系统的径流时间序列，然后通过滑动技术选取子序列计算子序列的样本熵值，依据子序列熵值的趋势变化特征初步判断突变点的位置，最后通过贝叶斯变点分析突变点的真伪。

本发明方法能够准确地判断径流序列的突变点。

申请人：长安大学
地址：710064 陕西省西安市南二环中段
国籍：CN
代理机构：北京东方盛凡知识产权代理事务所(普通合伙)
代理人：谢秀娟
更多信息请下载全文后查看。

一种基于异常检测的道路网络脆性评价方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201911211789.4(22)申请日 2019.12.02(71)申请人北京航空航天大学地址 100191 北京市海淀区学院路37号(72)发明人李大庆　刘诗炎　(74)专利代理机构北京慧泉知识产权代理有限公司 11232代理人王顺荣　唐爱华(51)Int.Cl.G08G 1/01(2006.01)G06Q 50/26(2012.01)G06Q 10/06(2012.01)(54)发明名称一种基于异常检测的道路网络脆性评价方法(57)摘要本发明提出了一种基于异常检测的城市路网脆性评价方法，步骤如下：A：基于异常检测识别城市路网中的异常边；B：提出基于异常指数的路网脆性评价方法；C：提出基于异常区域的路网脆性评价方法；D：分析城市路网脆性的演化特征。

本发明利用路网实际运行数据，构建出一种基于异常检测的路网脆性评价方法，该方法可使决策者直观地分析异常的产生期、传播期、恢复期，从而选择合理的调控时机；根据异常区域的地理分布情况，优先进行重点区域调控；挖掘出常发性异常路段，提出路段级别的防控及疏导措施，从而避免或减少路网脆性带来的危害；具有实时性、系统性、易研判、应用广等优点。

权利要求书3页说明书10页附图1页CN 111145536 A 2020.05.12C N 111145536A1.一种基于异常检测的道路网络脆性评价方法，其特征在于：其步骤如下：步骤A：基于异常检测识别道路网络中的异常边；步骤B：提出基于异常指数的路网脆性评价方法；步骤C：提出基于异常区域的路网脆性评价方法；步骤D：分析道路网络脆性的演化特征。

2.根据权利要求1所述的一种基于异常检测的道路网络脆性评价方法，其特征在于：在步骤A中所述的″基于异常检测识别道路网络中的异常边″，其具体含义为：根据道路网络的历史运行数据确定各条路段的正常运行状况；在此基础上，选择适当的异常检测技术识别道路网络中的异常边；常用的路段运行状况参数通常包括速度、车流量和车密度；常用的异常检测技术包括z分数、基于密度的聚类方法、支持向量机、贝叶斯网络和隐马尔可夫模型；这里以基于z分数的异常检测技术以及速度V作为路段运行状况参数为例进行说明，包含以下两个步骤：步骤A1：计算正常运行状况数据的统计参数；步骤A2：识别给定阈值下的异常边；其中，步骤A1所述的″计算正常运行状况数据的统计参数″，其具体作法如下：获取一预定时期内道路网络中各条路段在正常天及正常时段下的速度V；计算所有路段在特定时刻t 下速度的均值μ(t)及标准差δ(t)；其中，步骤A2所述的″异常边″，其具体含义如下：给定一时刻t，给定路段运行状况差于其正常运行状况，且差值大于给定异常判定阈值q，我们定义该路段为时刻t下路网中的异常边e q(t)；其中，步骤A2所述的″识别给定阈值下的异常边″，其具体做法如下：获取异常天及异常时段下路网中所有路段的运行状况数据；在确定路段正常运行状况的基础上，计算各条路段在给定时刻下的z值，通过对比z值和给定异常判定阈值q来识别路网中的异常边，即：式中，z i(t)表示路段i在时刻t下的z值；v i(t)表示路段i在时刻t下的速度值；μi(t)表示路段i正常运行状况时，在时刻t下的均值；δi(t)表示路段i正常运行状况时在时刻t下速度的标准差；式中，e l(t)表示路段i在时刻t下的异常状态，值为1说明路段i在时刻t下为异常边，值为0说明路段i在时刻t下为非异常边；q为给定的异常判定阈值。

基于GA、RBF_和改进Cao_方法的空中交通流预测方法

基于GA、RBF和改进Cao方法的空中交通流预测方法*王莉莉▲赵云飞（中国民航大学天津市空管运行规划与安全技术重点实验室天津300300）摘要：针对传统空中交通流量预测方法精度不足、时效性差的问题，考虑空中交通流量时间序列的混沌特征，在相空间重构理论的基础上，研究了结合遗传算法（GA）、径向基（RBF）神经网络与改进Cao方法的空中交通流量预测方法。

为降低传统Cao方法人为参数选择引入的误差，提高相空间重构精度，通过判定虚假邻近点，以及迭代比较嵌入维度离差和可接受偏差，确定重构相空间嵌入维度值的选择标准，进而得到重构后的空中交通流量时间序列数据；为提升径向基神经网络预测精度并降低参数误差，使用遗传算法优化RBF神经网络的中心矢量、加权系数和输出层阈值，再通过最优系数标定后的神经网络对重构后的时间序列进行预测；利用实际空中交通流量数据进行仿真以验证方法的有效性，并结合最大Lyapunov指数和预测结果分析了预测的时效性以及时间尺度对精度影响。

结果显示：①改进后的预测方法具有更好的非线性拟合能力，提高了交通流量时间序列的预测精度；②以5min时间间隔预测为例，相比传统RBF神经网络，改进方法的平均绝对误差、均方误差以及平均绝对百分比误差分别降低了19.44%、34.78%和27.21%；③相比反向传播（BP）神经网络和长短期记忆（LSTM）神经网络，所提方法的平均绝对误差分别降低了36.20%和16.10%，运行速度分别提高了27.42%和35.00%。

综上所述，所提方法能更好地解析系统的混沌特性，提升空中交通流量预测精度与速度。

关键词：航空运输管理；空中交通流量预测；混沌时间序列；改进Cao方法；径向基神经网络中图分类号：V355.1文献标识码：A doi:10.3963/j.jssn.1674-4861.2023.01.012A Method for Predicting Air Traffic Flow Based on a CombinedGA,RBF,and Improved Cao MethodWANG Lili▲ZHAO Yunfei(ATM Operation Planning and Safety Techniques Key Lab of Tianjin,Civil Aviation University of China,Tianjin300300,China)Abstract:Considering the chaotic characteristic of air traffic flow time series data,a prediction model based on the phase space reconstruction theory is proposed to improve the accuracy and effectiveness of previous air traffic flow prediction methods,which combines genetic algorithm(GA),radial basis function(RBF)neural network(NN)and improved Cao method.First,to reduce the error introduced by the human in the traditional Cao method and improve the accuracy of phase space reconstruction,the criteria for determining the dimension of the reconstructed phase space is developed by identifying false neighboring points and iteratively comparing the deviation of the embedded dimension with its acceptable limits.In this way,reconstructed air traffic flow time series data is developed.Second-ly,to improve the prediction accuracy of the traditional RBF neural network,GA is employed to optimize center vec-tors,weight coefficients,and output layer thresholds of the neural network.Then,the reconstructed time series are predicted by the calibrated RBF neural network with optimal coefficients.Finally,the proposed method is verified using the observed air traffic flow data,the effectiveness of the prediction is evaluated,and the influence of the time scale on the accuracy is analyzed by incorporating the maximal Lyapunov exponent and the quality of the predic-收稿日期：2022-06-02*国家自然科学基金委员会与中国民用航空局联合基金项目（U1633124）资助▲第一作者（通信作者）简介：王莉莉（1973—），博士，教授.研究方向：空中交通流量管理.E-mail：*****************tion.Study results show that①the proposed method fits the nonlinear data well and improves the accuracy of traffic flow prediction.②Taking the prediction with a5-min time interval as the instance,compared with the traditional RBF neural network,the mean absolute errors(MAE),mean square errors(MSE)and mean absolute percentage er-ror(MAPE)is reduced by19.44%,34.78%,and27.21%,respectively.③Compared with the back propagation(BP) neural network and the long short-term memory(LSTM)neural network model,the MAE of the proposed method is reduced by36.20%and16.10%,respectively,and the response speed is increased by27.42%and35.00%.In sum-mary,the proposed method can explain the intricate chaotic properties of the system and improves the accuracy and efficiency of air traffic flow prediction.Keywords:air transport management;air traffic flow prediction;chaotic time series;improved Cao method;radial basis function neural network0引言空中交通系统受外界环境影响产生了很强的随机性，但航路的固定性、航空器的跟驰性等又使其存在确定性，这正是以非线性、复杂性和随机性为特征的混沌系统的体现。

基于最大偏差相似性准则的交通流聚类算法

Ｔｒａｆｆｉｃｆｌｏｗｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｍａｘｉｍｕｍｄｅｖｉａｔｉｏｎｓｉｍｉｌａｒｉｔｙｃｒｉｔｅｒｉｏｎ
ＨｕａｎｇＨｅｌｉｅ，ＣａｉＹａｎｇｕａｎｇ，ＣａｉＨａｏ，ＱｉＹｕａｎｈａｎｇ
（ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇｏｎｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｃｏｍｍｏｎｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓａｒｅｎｏｔｉｄｅａｌｆｏｒｔｒａｆｆｉｃｆｌｏｗｗｉｔｈｓｔｒｏｎｇｒａｎｄｏｍｉｃｉｔｙａｎｄｆｒｅｑｕｅｎｔｆｌｕｃｔｕａｔｉｏｎ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｅｗｔｒａｆｆｉｃｆｌｏｗｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅｍｅｎｔｗｈｉｃｈｗａｓｃａｌｌｅｄｍａｘｉｍｕｍｄｅｖｉａｔｉｏｎｓｉｍｉｌａｒｉｔｙｃｒｉｔｅｒｉｏｎ（ＭＤＳＣ），ａｎｄｐｒｏｐｏｓｅｄａｔｒａｆｆｉｃｆｌｏｗｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅＭＤＳＣ．ＴｈｅＭＤＳＣｃｏｕｌｄｅｆｆｅｃｔｉｖｅｌｙｄｅｓｃｒｉｂｅｔｈｅｃｕｒｖｅｓｈａｐｅｓｉｍｉｌａｒｉｔｙｏｆｆｒｅｑｕｅｎｔｆｌｕｃｔｕａｔｉｎｇｔｒａｆｆｉｃｆｌｏｗ，ｗｈｉｃｈｈａｄｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｓｉｍｐｌｅ，ｒｅａｓｏｎａｂｌｅ，ｆｌｅｘｉｂｌｅａｎｄｓｏｏｎ．Ｔｈｅｐｒｏｐｏｓｅｄｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｄｉｄｎｏｔｎｅｅｄｔｏｓｐｅｃｉｆｙｔｈｅｎｕｍｂｅｒｏｆｃｌａｓｓｅｓｉｎａｄｖａｎｃｅ，ｗｈｉｃｈｃｏｕｌｄｅｎｓｕｒｅｔｈａｔｔｈｅｃｕｒｖｅｓｏｆｄｉｆｆｅｒｅｎｔｃｌａｓｓｅｓｈａｖｅｏｂｖｉｏｕｓｄｉｆｆｅｒｅｎｃｅｓａｎｄｔｈｅｃｕｒｖｅｓｉｎｔｈｅｓａｍｅｃｌａｓｓｈａｖｅｈｉｇｈｓｉｍｉｌａｒｉｔｙ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｅｃｌｕｓｔｅｒｉｎｇｅｆｆｅｃｔｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｉｓｓｉｇｎｉｆｉｃａｎｔｌｙｂｅｔｔｅｒｔｈａｎｔｈａｔｏｆｔｈｅｃｏｍｍｏｎｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓ，ａｎｄｔｈｅｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｃａｎｂｅｔｔｅｒｍｅｅｔｔｈｅｎｅｅｄｓｏｆｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎｓ．Ｋｅｙｗｏｒｄｓ：ｔｒａｆｆｉｃｆｌｏｗｃｕｒｖｅ；ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ；ｃｕｒｖｅｓｈａｐｅ；ｓｉｍｉｌａｒｉｔｙ

基于变异系数的交通流序列突变检测方法

基于变异系数的交通流序列突变检测方法
蒋大治;张亮亮
【期刊名称】《智能城市》
【年(卷),期】2017(003)010
【摘要】对一个稳定的时间序列而言,时间序列的变异系数比较稳定,当时间序列发生突变时,其变异系数也会随之发生不同程度的改变.基于变异系数这一特性,通过滑动窗口技术,建立了滑动变异系数的交通流时间序列突变检测方法,并进行实证研究.研究结果表明:滑动变异系数方法能够有效检测交通流序列突变,且检测结果对滑动窗口长度取值依赖性较小.
【总页数】3页(P38-40)
【作者】蒋大治;张亮亮
【作者单位】苏交科集团股份有限公司,江苏南京 210000;苏交科集团股份有限公司,江苏南京 210000
【正文语种】中文
【中图分类】U491.1
【相关文献】
1.基于偏度系数的交通流序列突变检测方法 [J], 蒋大治;张亮亮
2.基于变异系数的交通流序列突变检测方法 [J], 蒋大治;张亮亮;
3.基于盒维数序列变异系数的轴承外圈失效特征 [J], 王华中;魏晖;高志刚
4.一种基于序列到序列时空注意力学习的交通流预测模型 [J], 杜圣东;李天瑞;杨燕;王浩;谢鹏;洪西进
5.不同水文序列突变检测方法在漳河观台站径流分析中的对比研究 [J], 鲍振鑫;张建云;王国庆;刘翠善;严小林;刘晶;刘悦
因版权原因，仅展示原文概要，查看原文内容请购买。

Median-of-Means方法在偏度系数中的应用

Median-of-Means方法在偏度系数中的应用
刘鹏飞;杨文婷;张茹;周勤
【期刊名称】《统计研究》
【年(卷),期】2024(41)4
【摘要】传统偏度系数的定义涉及样本均值和三阶矩,使其对离群值十分敏感。

本文在偏度系数的估计中引入Median-of-Means方法,提出偏度系数的新估计量,并证明其相合性和渐近正态性。

此外,基于经验似然方法提出一种新的偏度系数检验
统计量,证明其渐近性质并进行数值模拟。

结果表明,本文提出的估计量具有一定稳
健性,检验统计量表现也优于传统方法。

最后将所提出的估计与检验方法应用于实
际数据分析发现,估计结果比较稳健,进一步表明原有的偏度系数估计方法并不适用。

【总页数】8页(P153-160)
【作者】刘鹏飞;杨文婷;张茹;周勤
【作者单位】江苏师范大学数学与统计学院;江苏师范大学
【正文语种】中文
【中图分类】O212
【相关文献】
1.偏度系数-中位数-变异系数方法应用及SAS实现
2.基于偏度系数的交通流序列
突变检测方法3.动态联系数与全偏确定度相耦合的区域农业旱灾脆弱性评价方法4.偏度系数和峰度系数的信度估计5.基于半偏联系数和动态差异度系数的区域旱灾
风险评估方法
因版权原因，仅展示原文概要，查看原文内容请购买。

交通流的突变模型

交通流的突变模型交通流是现代都市生活中的一个重要组成部分，其顺畅与否对城市的整体交通运行及居民的出行体验产生重要的影响。

然而，由于城市化进程不断加快，人口的快速增长、私人交通工具数量的急剧增加以及道路建设的滞后等问题，交通拥堵问题也日益突出。

因此，在交通规划和管理领域，如何准确地预测和分析交通流的演变，根据预测结果采取适当的措施，以改善交通流状况，成为了一个热门的研究领域。

在交通流分析领域，突变模型是一种常用的分析方法，它能够反映交通流在一定环境下所发生的大规模的系统性变化。

例如，在节假日、恶劣天气等特殊事件下，交通流量会发生突然的变化，使得交通拥堵程度和通行时间等指标发生逆转。

这种情况下，突变模型可以提供一种有效的分析工具，来预测交通流变化的规律和趋势，以便为公共交通和城市交通规划提供参考。

突变模型的基本原理是通过对交通流数据的时间序列分析来确定交通流量的基本特征和规律，进而预测未来交通流变化。

其主要包括以下几个方面：1. 数据预处理：在进行突变模型分析时，需要首先进行数据预处理，即对原始数据进行平滑处理，并消除数据的季节性、周期性等非突变因素的影响。

2. 数学模型：在数据预处理完成后，需要建立数学模型，来表征交通流量在时间序列中的波动和变化规律。

根据统计学原理，突变模型通常采用时间序列分析方法，如自回归移动平均模型（ARIMA）、季节性自回归移动平均模型（SARIMA）等，来描述变量之间的关系和规律。

3. 模型拟合与诊断：模型拟合是指通过将模型应用于实际数据，来确定模型参数的过程。

模型诊断则是通过对模型偏差、残差等各项指标的分析，判断模型的适用性和可靠性，从而对模型进行调整和改进。

4. 模型预测与评估：在完成模型的拟合和诊断后，需要采用模型进行预测，并对预测结果进行评估。

评估方法包括计算预测误差、对预测值进行置信区间估计、进行模拟和实验验证等。

总体来说，交通流的突变模型是一种基于时间序列分析的数据模型，适用于分析周期性、季节性和非周期性变化的交通流量数据。