魏俊华 (中国北京市海淀区学院路7号10层1002C室, Beijing 8, 100088, CN)
北京世纪高通科技有限公司 (中国北京市海淀区学院路7号10层1002C室, Beijing 8, 100088, CN)
WEI, Junhua (Room 1002C, 10th floor No.7 Xue Yuan Road,Hai Dian District, Beijing 8, 100088, CN)
| 权 利 要 求 书 1、 一种历史交通信息中事件处理方法， 其特征在于， 包括： 从交通流历史数据中获取异常交通数据和正常交通数据； 根据规定条件从所述异常交通数据中获取交通事件数据； 根据所述交通事件数据和所述正常交通数据获取事件信息。 2、 根据权利要求 1所述的历史交通信息中事件处理方法， 其特征 在于， 所述根据规定条件从所述异常交通数据中获取交通事件数据包 括： 获取异常时间段内考察道路的异常交通数据； 在根据所述考察道路的行驶速度确定所述异常时间段内所述考察 道路的异常交通数据具有突发性， 且根据所述考察道路的样本值异常 持续时间确定所述异常时间段内所述考察道路的异常交通数据具有持 续性， 且根据受所述考察道路影响的道路数量确定所述异常时间段内 所述考察道路的异常交通数据具有空间性时， 将所述异常时间段内所 述考察道路的异常交通数据作为所述考察道路的交通事件数据。 3、 根据权利要求 2所述的历史交通信息中事件处理方法， 其特征 在于， 所述根据考察道路的行驶速度确定所述异常时间段内所述考察 道路的异常交通数据具有突发性包括： 确定所述异常时间段内的第一个考察周期， 将所述第一考察周期 作为当前周期； 确定所述当前周期之前的规定数量的考察周期， 将确定的考察周 期作为历史周期； 根据所述考察道路的当前周期的异常交通数据获取所述考察道路 的当前平均行驶速度； 的历史平均行驶速度； 于相对变化值， 且所述差与所述当前平均行驶速度之比大于绝对变化 值时， 确定所述异常时间段内所述考察道路的异常交通数据具有突发 性； 所述根据所述考察道路的样本值异常持续时间确定所述异常时间 段内所述考察道路的异常交通数据具有持续性包括： 在所述考察道路的样本值异常持续时间高于规定时间时， 确定所 述异常时间段内所述考察道路的异常交通数据具有持续性； 所述根据受所述考察道路影响的道路数量确定所述异常时间段内 所述考察道路的异常交通数据具有空间性包括： 获取所述异常时间段内所述考察道路的相邻道路的异常交通数 据； 在确定所述相邻道路的异常交通数据具有突发性和持续性时， 将 所述相邻道路作为受所述考察道路影响的道路； 在受所述考察道路影响的道路数量高于规定数量时， 确定所述异 常时间段内所述考察道路的异常交通数据具有空间性。 4、 根据权利要求 1所述的历史交通信息中事件处理方法， 其特征 在于， 所述根据所述交通事件数据和所述正常交通数据获取事件信息 的步骤之前还包括： 获取事件历史数据； 在所述交通事件数据与所述事件历史数据内容不一致时， 根据所 述事件历史数据对所述交通事件数据进行修正； 在所述交通事件数据中不存在事件历史数据的内容时， 将所述不 存在的事件历史数据作为交通事件数据。 5、 根据权利要求 1 -4任一所述的历史交通信息中事件处理方法， 其特征在于， 所述根据所述交通事件数据和所述正常交通数据获取事 件信息包括： 根据所述交通事件数据获取样本值异常起始时间， 将所述样本值 异常起始时间作为事件起始时间； 确定所述交通事件数据对应的道路的编号和等级； 根据异常平均速度和正常平均速度获取事件影响程度， 所述异常 平均速度为根据所述交通事件数据获取的规定时刻的平均速度， 所述 根据事件产生时间和事件消散时间获取事件持续时间； 获取所述交通事件数据中受影响的道路范围， 将所述道路范围作 为事件影响范围。 6、 根据权利要求 5所述的历史交通信息中事件处理方法， 其特征 在于， 所述根据异常平均速度和正常平均速度获取事件影响度包括： 根据异常平均速度 件(0和正常平均速度 以及公式 Υ程度 (t) = v事件 (0 _ V正常 (0 xl00% ν正常 ( 获取事件影响度 Υ程度 （ t ) ； 其中， 所述异常平均速度 V« )为根据所述交通事件数据获取的 t 时刻的平均速度， 所述正常平均速度 V^(0为根据所述正常交通数据获 取的 t时刻的平均速度。 7、 一种历史交通信息中事件处理装置， 其特征在于， 包括： 历史数据获取单元， 用于从交通流历史数据中获取异常交通数据 和正常交通数据； 事件数据获取单元， 用于根据规定条件从所述历史数据获取单元 获取的异常交通数据中获取交通事件数据； 事件信息获取单元， 用于根据所述事件数据获取单元获取的交通 事件数据和所述历史数据获取单元获取的正常交通数据获取事件信 息。 8、 根据权利要求 7所述的历史交通信息中事件处理装置， 其特征 在于， 所述事件数据获取单元包括： 异常数据获取子单元， 用于获取异常时间段内考察道路的异常交 通数据； 突发性判断子单元， 用于在所述考察道路的当前平均行驶速度与 历史平均行驶速度之差大于相对变化值， 且所述差与所述当前平均行 驶速度之比大于绝对变化值时， 判定所述异常时间段内所述考察道路 的异常交通数据具有突发性； 持续性判断子单元， 用于在所述考察道路的样本值异常持续时间 高于规定时间时， 判定所述异常时间段内所述考察道路的异常交通数 据具有持续性； 空间性判断子单元， 用于在受所述考察道路影响的道路数量高于 规定数量时， 判定所述异常时间段内所述考察道路的异常交通数据具 有空间性； 常交通数据具有突发性， 且所述持续性判断子单元判定所述异常交通 数据具有持续性， 且所述持续性判断子单元判定所述异常交通数据具 有空间性时， 将所述异常时间段内所述考察道路的异常交通数据作为 所述考察道路的交通事件数据。 9、 根据权利要求 8所述的历史交通信息中事件处理装置， 其特征 在于， 所述突发性判断子单元包括： 当前周期确定模块， 用于确定所述异常时间段内的第一个考察周 期， 将所述第一考察周期作为当前周期； 历史周期确定模块， 用于确定所述当前周期之前的规定数量的考 察周期， 将确定的考察周期作为历史周期； 当前速度获取模块， 用于根据所述考察道路的当前周期的异常交 通数据获取所述考察道路的当前平均行驶速度； 历史速度获取模块， 用于根据所述考察道路的历史周期的正常交 通数据获取所述考察道路的历史平均行驶速度； 突发性判断模块， 用于在所述考察道路的当前平均行驶速度与历 史平均行驶速度之差大于相对变化值， 且所述差与所述当前平均行驶 速度之比大于绝对变化值时， 判定所述异常时间段内所述考察道路的 异常交通数据具有突发性； 所述空间性判断子单元包括： 相邻数据获取模块， 用于获取所述异常时间段内所述考察道路的 相邻道路的异常交通数据； 相邻道路确定模块， 用于在确定所述相邻道路的异常交通数据具 有突发性和持续性时， 将所述相邻道路作为受所述考察道路影响的道 路； 空间性判断模块， 用于在受所述考察道路影响的道路数量高于规 定数量时， 判定所述异常时间段内所述考察道路的异常交通数据具有 空间性。 1 0、 根据权利要求 7 所述的历史交通信息中事件处理装置， 其特 征在于， 还包括： 事件历史数据获取单元， 用于获取事件历史数据； 事件数据修正单元， 用于在所述交通事件数据与所述事件历史数 据内容不一致时， 根据所述事件历史数据对所述交通事件数据进行修 正； 事件数据补充单元， 用于在所述交通事件数据中不存在事件历史 数据的内容时， 将所述不存在的事件历史数据作为交通事件数据。 1 1、根据权利要求 7- 1 0任一所述的历史交通信息中事件处理装置， 其特征在于， 所述事件信息获取单元包括： 起始时间获取子单元， 用于根据所述交通事件数据获取样本值异 常起始时间， 将所述样本值异常起始时间作为事件起始时间； 编号等级获取子单元， 用于确定所述交通事件数据对应的道路的 编号和等级； 影响程度获取子单元， 用于根据异常平均速度和正常平均速度获 取事件影响程度， 所述异常平均速度为根据所述交通事件数据获取的 取的规定时刻的平均速度； 持续时间获取子单元， 用于根据事件产生时间和事件消散时间获 取事件持续时间； 影响范围获取子单元， 用于获取所述交通事件数据中受影响的道 路范围， 将所述道路范围作为事件影响范围。 |
本发明涉及交通信息处理领域， 尤其涉及一种历史交通信息中 事件处理方法及装置。
背 景技术
近年来， 城市交通拥堵、 交通事故频发以及交通环境恶化等交 通问题越来越严峻， 成为当前迫切需要解决的课题。 由此， 人们希望 能够预测到未来的交通信息， 使人们的出行得到引导， 从而使交通状 况得到改善。
通过对交通信息数据进行分析处理， 能够统计出一定的特征规 律， 而该特征规律可以用于交通信息的预测。 传统的交通信息分析方 法中， 会先将历史交通信息数据中的异常值过滤出去 ， 然后对过滤后 的历史交通信息数据进行分析统计。 其中， 通常釆用数据检验方法去 除异常值。
在实现本发明的过程中， 发明人发现现有技术中至少存在如下 问题：对于历史交通信息数据中的异常值而言 ，其可能包含例如事故、 管制等事件信息， 而交通事件的偶发性对交通信息预测结果的影 响非 常大， 因此， 按照由传统的交通信息分析方法所统计出的特 征规律进 行预测的话， 交通信息预测结果的可靠性较低。
发 明 内 容
本发明的实施例提供一种历史交通信息中事件 处理方法及装 置， 能够提高交通信息预测结果的可靠性。
为达到上述目的， 本发明的实施例釆用如下技术方案：
一种历史交通信息中事件处理方法， 包括： 从交通流历史数据中获取异常交通数据和正常 交通数据； 根据规定条件从所述异常交通数据中获取交通 事件数据； 根据所述交通事件数据和所述正常交通数据获 取事件信息。 一种历史交通信息中事件处理装置， 包括：
历史数据获取单元， 用于从交通流历史数据中获取异常交通数 据和正常交通数据；
事件数据获取单元， 用于根据规定条件从所述历史数据获取单 元获取的异常交通数据中获取交通事件数据；
事件信息获取单元， 用于根据所述事件数据获取单元获取的交 信息。
本发明实施例提供的历史交通信息中事件处理 方法及装置， 通 过从交通流历史数据中获取异常交通数据和正 常交通数据， 根据规定 条件从所述异常交通数据中获取交通事件数据 ， 并根据所述交通事件 数据和所述正常交通数据获取事件信息， 这些事件信息可以很好的反 应交通信息的偶发性， 因此， 能够利用获取的事件信息对短期预测中 的交通参数预测值进行调整， 从而， 能够提高交通信息预测结果的可 靠性。
附 图 说 明
为了更清楚地说明本发明实施例的技术方案， 下面将对实施例 描述中所需要使用的附图作一简单地介绍， 显而易见地， 下面描述中 的附图仅仅是本发明的一些实施例， 对于本领域普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以根据这些附图获得其他的附 图。
图 1为本发明实施例提供的一种历史交通信息中 件处理方法 的流程示意图；
图 2为本发明实施例提供的一种历史交通信息中 件处理装置 的构成示意图；
图 3为本发明实施例提供的一种基于历史数据的 通信息预测 框图；
图 4为本发明实施例提供的一种从异常交通数据 提取事件信 息的流程示意图；
图 5为本发明实施例提供的一种事件信息的应用 。
具体 实 施方 式
下面将结合本发明实施例中的附图， 对本发明实施例中的技术 方案进行清楚、 完整地描述， 显然， 所描述的实施例仅仅是本发明一 部分实施例， 而不是全部的实施例。 基于本发明中的实施例， 本领域 普通技术人员在没有作出创造性劳动前提下所 获得的所有其他实施 例， 都属于本发明保护的范围。
为了能够提高交通信息预测结果的可靠性， 本发明实施例提供 了一种历史交通信息中事件处理方法， 如图 1所示， 包括：
1 01、 从交通流历史数据中获取异常交通数据和正常 交通数据； 其中， 所述 "交通流历史数据" 主要通过对如浮动车数据、 线 圈数据、 视频数据等各种釆集到的原始数据进行处理所 得到， 其内容 包含在某个时间段内车辆经过某道路所需的时 间或者行驶速度等反 应道路行驶特征的数据。 另外， 后文所述的 "事件历史数据" 是通过 如摄像头查询、 广播监听、 网站搜索等人工方式获取的经过严格审查 的交通数据， 其包含了事件发生的时间、 位置、 事件类型和事件内容 等信息。
举例而言， 从交通流历史数据库中读取交通流历史数据， 按照 特征日和时间带对交通流历史数据中的交通特 征信息（如旅行时间和 行驶速度）进行分析， 将交通特征信息的样本数值属于正常值范围外 的交通流历史数据作为异常交通数据， 而除异常交通数据外的交通流 历史数据即为正常交通数据。例如 ,对道路的行驶速度样本进行分析 , 将严重偏离均值的行驶速度样本点作为异常值 ， 其余行驶速度样本点 作为正常值， 那么行驶速度样本点为异常值的交通流历史数 据即为异 常交通数据， 行驶速度样本点为正常值的交通流历史数据即 为正常交 通数据。 1 02、 根据规定条件从所述异常交通数据中获取交通 事件数据； 在所述异常交通数据中， 有些数据是因交通事件的发生而造成 的， 而有些数据是由于系统误差出现的精度问题。 因交通事件的发生 所产生的异常交通数据隐含了事件信息， 在此将这些隐含事件信息的 数据称为交通事件数据。
举例而言， 由于交通事件的发生是突发的， 并且会存在一定的 持续时间和影响范围， 因此， 可以从这三个方面对交通事件数据进行 判定。
突发性可以根据道路的平均行驶速度在前后时 间上的跳变来定 义。 例如， 获取异常时间段 T 1 内考察道路 R 1的异常交通数据。 确定 异常时间段 T 1 内的第一个考察周期， 将第一考察周期作为当前周期。 其中， 考察周期是指釆集交通流历史数据的单位时间 带。 确定当前周 期之前的规定数量的考察周期， 将确定的考察周期作为历史周期。 根 据考察道路 R 1的当前周期的异常交通数据获取考察道路 R1的当前平 均行驶速度 V I , 并且， 根据考察道路 R 1的历史周期的正常交通数据 获取考察道路 R1 的历史平均行驶速度 V2。 在 V 1 -V2 > A , 并且 (V 1 -V2) /V 1 > B , 可认为考察道路 R1 的道路交通状态出现突发性， 即异常时间段 T 1 内考察道路 R 1的异常交通数据具有突发性。 其中， A为相对变化值， B为绝对变化值， 而 A和 B的值可以根据设置而改 变。
持续性从时间角度定义了事件出现的特征， 事件一般会持续一 段时间。 例如， 假设事件一般会持续 C分钟， 若考察道路的样本值异 常持续时间高于 C分钟， 则确定异常时间段 T 1 内考察道路 R 1的异常 交通数据具有持续性。 若持续时间少于 C分钟， 则可认为此异常交通 数据为由于系统误差或者输入误差引起的数据 异常。
因为城市路网是一个整体， 某条道路出现流量异常， 会对其相 邻道路的流量的分配产生影响， 形成一定的影响区域， 因此， 空间性 是指时间发生时的影响范围， 可通过影响相邻道路的数量进行定义。 例如，获取异常时间段 T 1内考察道路 R 1的相邻道路的异常交通数据， 在根据上述方法确定这些相邻道路的异常交通 数据具有突发性和持 续性时， 将所述相邻道路作为受所述考察道路影响的道 路。 并且， 在 受考察道路 R1影响的道路数量高于规定数量 D时， 确定异常时间段 T1 内考察道路 R1的异常交通数据具有空间性。
在根据上式方法确定异常时间段 T1 内考察道路 R1的异常交通 数据同时具有突发性和持续性以及空间性时， 将该异常交通数据作为 考察道路 R1的交通事件数据提取出来。
另外， 事件历史数据是经过审核后发布出来的事件信 息， 可靠 性较高， 但是由于釆集的渠道和成本等因素， 事件历史数据的覆盖率 有限。 然而， 事件历史数据可以对提取出的交通事件数据进 行检验、 修正和补充， 从而得到更加精准的交通事件数据。
具体可以为， 获取与所述交通事件数据对应的事件历史数据 ， 检验所述交通事件数据与所述事件历史数据内 容是否一致。 在所述交 通事件数据与所述事件历史数据内容不一致时 ，根据所述事件历史数 据的内容对所述交通事件数据的内容进行修正 。检验事件历史数据的 内容是否都已在所述交通事件数据中存在。如 果所述交通事件数据中 不存在事件历史数据的内容， 将所述不存在的事件历史数据作为交通 事件数据。
1 03、 根据所述交通事件数据和所述正常交通数据获 取事件信 息。
其中， 所述事件信息包括事件起始时间、 道路编号、 道路等级、 事件影响程度、 事件持续时间和事件影响范围等。
举例而言， 根据所述交通事件数据获取样本值异常起始时 间， 即道路交通状态产生跳变的时间， 将所述样本值异常起始时间作为事 件起始时间 T。 根据所述交通事件数据确定发生事件信息的道 路的道 路编号 Ν和发生事件信息的道路的道路等级 L , 在对发生事件信息的 道路进行分析时，对受该事件影响的道路交通 状态的突变和异常持续 时间进行分析， 将道路交通状态突变产生在最下游（道路交通 状态产 生跳变的时间最早） 的、 并且突变最严重 （当前平均行驶速度 VI-历 史平均行驶速度 V2和（当前平均行驶速度 VI-历史平均行驶速度 V2) I 当前平均行驶速度 VI 的值最大） 的、 异常持续时间最长的道路作为 事件发生位置。
事件影响程度 ^ W 为事件造成的道路交通状态的变化程度， 是事件持续时间的函数。 其可以根据由交通事件数据得到的规定时刻 的异常平均速度以及由正常交通数据得到的规 定时刻的正常平均速 度来获得。 例如， 用以下公式求得事件影响程度 1
Y赫 (t) = V 事件 (0 _ V 正常 (0 xl00%
程度 其中， 异常平均速度 v » ftW 为根据所述交通事件数据获取的 t 时刻考察路段 R的平均速度， 即事件发生后 t时刻考察路段 R的平均 速度， 而正常平均速度 ( 0 为根据所述正常交通数据获取的 t 时刻 考察路段 R的平均速度，即正常情况下无交通事件 t时刻考察道路 R1 的平均速度。
由于事件引起的道路交通状态异常变化的时间 ， 以及受影响区 域内的各道路的持续时间不一致， 因此， 需要获取事件产生时间和事 件消散时间， 其中， 事件产生时间即为事件发生位置的交通状态发 生 突变的时间， 事件消散时间即为受影响区域内的每条道路都 恢复到正 常状态的时间。根据该事件产生时间和事件消 散时间就可以得到事件 持续时间 时间 ( r ) 。 获取所述交通事件数据中受影响的道路范围， 用相对于受事件 发生位置影响的半径表示， 将所述道路范围作为事件影响范围 《 W , 并且， 事件影响范围 1 也是事件持续时间 ^^( 的函数。
通过上述方式建立事件信息数据库， 可以釆用查表法以事件影 响程度、 事件起始时间和道路等级为条件查询事件持续 时间和事件影 响范围， 即对应不同时间、 不同等级道路上发生的事件， 在一定的影 响程度下， 从数据库中查询该事件的持续时间和影响范围 。 可以根据 这两个值， 对短期预测中的交通参数预 'J值进行调整。
本发明实施例提供的历史交通信息中事件处理 方法， 通过从交 通流历史数据中获取异常交通数据和正常交通 数据， 根据规定条件从 所述异常交通数据中获取交通事件数据， 并根据所述交通事件数据和 所述正常交通数据获取事件信息， 这些事件信息可以很好的反应交通 信息的偶发性， 因此， 能够利用获取的事件信息对短期预测中的交通 参数预测值进行调整， 从而， 能够提高交通信息预测结果的可靠性。
与上述方法相对应地， 本发明实施例还提供了一种历史交通信 息中事件处理装置， 如图 2所示， 包括：
历史数据获取单元 201 , 用于从交通流历史数据中获取异常交 通数据和正常交通数据；
事件数据获取单元 202 , 用于根据规定条件从所述历史数据获 取单元 201获取的异常交通数据中获取交通事件数据；
事件信息获取单元 203 , 用于根据所述事件数据获取单元 202 获取的交通事件数据和所述历史数据获取单元 201获取的正常交通数 据获取事件信息。
进一步地， 所述事件数据获取单元 202具体包括：
异常数据获取子单元， 用于获取异常时间段内考察道路的异常 交通数据；
突发性判断子单元， 用于在所述考察道路的当前平均行驶速度 行驶速度之比大于绝对变化值时， 判定所述异常时间段内所述考察道 路的异常交通数据具有突发性；
持续性判断子单元， 用于在所述考察道路的样本值异常持续时 间高于规定时间时， 判定所述异常时间段内所述考察道路的异常交 通 数据具有持续性；
空间性判断子单元， 用于在受所述考察道路影响的道路数量高 于规定数量时， 判定所述异常时间段内所述考察道路的异常交 通数据 具有空间性；
事件数据确定子单元， 用于在所述突发性判断子单元判定所述 通数据具有持续性， 且所述持续性判断子单元判定所述异常交通数 据 具有空间性时， 将所述异常时间段内所述考察道路的异常交通 数据作 为所述考察道路的交通事件数据。
进一步地， 所述突发性判断子单元包括：
当前周期确定模块， 用于确定所述异常时间段内的第一个考察 周期， 将所述第一考察周期作为当前周期；
历史周期确定模块， 用于确定所述当前周期之前的规定数量的 考察周期， 将确定的考察周期作为历史周期；
当前速度获取模块， 用于根据所述考察道路的当前周期的异常 交通数据获取所述考察道路的当前平均行驶速 度；
历史速度获取模块， 用于根据所述考察道路的历史周期的正常 交通数据获取所述考察道路的历史平均行驶速 度；
突发性判断模块， 用于在所述考察道路的当前平均行驶速度与 历史平均行驶速度之差大于相对变化值， 且所述差与所述当前平均行 驶速度之比大于绝对变化值时， 判定所述异常时间段内所述考察道路 的异常交通数据具有突发性；
进一步地， 所述空间性判断子单元包括：
相邻数据获取模块， 用于获取所述异常时间段内所述考察道路 的相邻道路的异常交通数据；
相邻道路确定模块， 用于在确定所述相邻道路的异常交通数据 具有突发性和持续性时， 将所述相邻道路作为受所述考察道路影响的 道路；
空间性判断模块， 用于在受所述考察道路影响的道路数量高于 规定数量时， 判定所述异常时间段内所述考察道路的异常交 通数据具 有空间性。
进一步地， 所述历史交通信息中事件处理装置还包括： 事件历史数据获取单元， 用于获取事件历史数据；
事件数据修正单元， 用于在所述交通事件数据与所述事件历史 数据内容不一致时，根据所述事件历史数据对 所述交通事件数据进行 修正；
事件数据补充单元， 用于在所述交通事件数据中不存在事件历 史数据的内容时， 将所述不存在的事件历史数据作为交通事件数 据。
进一步地， 所述事件信息获取单元 203包括：
起始时间获取子单元， 用于根据所述交通事件数据获取样本值 异常起始时间， 将所述样本值异常起始时间作为事件起始时间 ；
编号等级获取子单元， 用于确定所述交通事件数据对应的道路 的编号和等级；
影响程度获取子单元， 用于根据异常平均速度和正常平均速度 获取事件影响程度， 所述异常平均速度为根据所述交通事件数据获 取 获取的规定时刻的平均速度；
持续时间获取子单元， 用于根据事件产生时间和事件消散时间 获取事件持续时间；
影响范围获取子单元， 用于获取所述交通事件数据中受影响的 道路范围， 将所述道路范围作为事件影响范围。
本发明实施例提供的历史交通信息中事件处理 装置， 通过从交 通流历史数据中获取异常交通数据和正常交通 数据， 根据规定条件从 所述异常交通数据中获取交通事件数据， 并根据所述交通事件数据和 所述正常交通数据获取事件信息， 这些事件信息可以很好的反应交通 信息的偶发性， 因此， 能够利用获取的事件信息对短期预测中的交通 参数预测值进行调整， 从而， 能够提高交通信息预测结果的可靠性。
下面， 以交通信息预测为例对本发明实施例进行说明 。 如图 3 所示， 从交通流历史数据库中读取交通流历史数据， 并对该交通流历 史数据进行统计分析， 得到异常交通数据和由正常交通数据统计得到 的统计特征， 该统计特征主要用于常发性预测中。 其中， 异常交通数 据可以按照上文所述方法进行提取， 而根据正常交通数据得到统计特 征的方法可以参看现有技术， 在此不再赘述。 从事件历史数据库中读 取事件历史数据， 用该事件历史数据对统计分析得到的异常交通 数据 进行检验、 修正和补充。 在对异常交通数据进行了修正和补充后， 如 图 4所示， 按照上文所述的方法判断异常交通数据是否突 发性、 持续 性和空间性， 如果异常交通数据同时满足这三个条件， 则异常交通数 据为交通事件数据，按照上文所述方法对该交 通事件数据进行统计分 析， 得到事件起始时间、 道路等级、 道路编号、 事件影响程度、 事件 持续时间和事件影响范围。 在进行偶发性预测的过程中， 利用事件起 始时间、 道路等级和事件影响程度查询时间持续时间和 事件影响范 围， 如图 5所示。
在按照上述方法进行交通信息预测时， 通过从交通流历史数据 中获取异常交通数据， 并利用事件历史数据对所述异常交通数据进行 验证和补正， 根据规定条件从所述异常交通数据中获取交通 事件数 据， 并根据所述交通事件数据和所述正常交通数据 获取事件信息， 这 些事件信息可以很好的反应交通信息的偶发性 ， 因此， 能够利用获取 的事件信息对短期预测中的交通参数预测值进 行调整， 从而， 能够提 高交通信息预测结果的可靠性。
本领域普通技术人员可以理解实现上述实施例 方法中的全部或 部分流程， 是可以通过计算机程序来指令相关的硬件来完 成， 所述的 程序可存储于一计算机可读取存储介质中， 该程序在执行时， 可包括 如上述各方法的实施例的流程。 其中， 所述的存储介质可为磁碟、 光 盘、 只读存储记忆体 （Read-On l y Memo ry , ROM ) 或随机存储记忆体 ( Random Ac ce s s Memo ry , RAM ) 等。
以上所述， 仅为本发明的具体实施方式， 但本发明的保护范围 并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露 的技术 范围内，可轻易想到变化或替换，都应涵盖在 本发明的保护范围之内。 因此， 本发明的保护范围应所述以权利要求的保护范 围为准。