车辆行程时间历史数据中蕴含着在特定时空下车辆可重复出现的交通特征,这对于有关行程时间预测等研究和应用具有重要价值。行程时间历史数据一般都是通过采集系统获得的。这种方法获得的数据样本中混有不能反应真实交通状态的异常值,会对行程时间预测相关研究的准确性和有效性产生影响。论文以车牌识别数据为基础,研究行程时间异常值固有的时空分布特征,实现车辆行程时间异常值检测。主要工作内容如下:(1)针对车牌识别数据中存在的缺失数据和重复数据两类脏数据,研究了相对应的数据预处理算法。(2)提出一种基于对数正态分布混合模型的行程时间异常值检测算法。该方法将一定时间内累积的行程时间数据样本,按照一天离散化的时间段进行分组。对于每组数据采用对数正态分布混合模型从密度分布的角度进行聚类分析,利用异常值分布上的右向长尾特征并结合R-Square指标动态确定最优聚类数目,解决了行程时间异质性导致的聚类数目难以确定的问题。实验表明,与基于距离聚类的检测方法相比,该算法在具有更好的检测效果的同时,也可获得各时间段内对有效值和异常值进行区分的阈值。(3)提出一种基于L2约束最小二乘法的行程时间异常阈值计算方法。该方法对混合模型获得的异常阈值随时间变化具有一定的波动性且同一道路不同数据样本的异常阈值趋势具有形状上的相似性这一直观现象进行研究。利用随机抽样方法对行程时间数据样本进行处理获得多组子样本,进而构造各时间段内异常阈值的波动区间,接着使用回归分析方法得到可反应异常阈值变化趋势的拟合曲线;在此基础上通过皮尔森相关系数对不同数据样本的异常阈值拟合曲线进行相似性度量,验证了不同样本的拟合曲线具有高度相似性。实验表明,异常阈值拟合曲线可确定任意具体时刻对有效值和异常值进行区分的阈值,从而对异常值进行检测。同时,拟合曲线具有对其他数据样本中的异常值进行识别的功能,这不仅提升了异常值检测的效率,而且对于因质量欠佳无法用对数正态分布混合模型进行异常值检测的数据样本处理也很有意义。