基于集体离群点挖掘的城市交通异常检测研究

针对时空数据环境下的城市交通异常检测问题，文章提出一种基于集体离群点挖掘的“线下拟合-线上检测”一体化检测模型。该模型采用以距离-密度-权重为度量的改进聚类(distance-density-weight k-medoids, DDWK-medoids)算法，根据城市交通态势自适应确定交通枢纽点的数量和位置，通过对数据进行不同分辨率拟合，将交通流量异常检测与交通轨迹异常检测相结合。在该检测模型中，数据的时间属性与空间属性均未以数值的形式直接参与计算，有效降低了运算复杂度。实验结果表明，该模型算法对于不同规模数据集的处理速度均显著优于对比算法，尤其是对于样本充足的大规模数据集，检测的准确率更具有明显优势。