基于SDE和GPR的高速公路交通流风险识别方法及系统

本发明提出了一种基于SDE(Stochastic Differential Equation)和GPR(Gaussian Process Regression)的高速公路交通流风险识别方法及系统，有效考虑了观测数据中的随机性和不确定性。该方法基于随机微分方程(SDE)和高斯过程回归(GPR)，通过SDE捕捉交通流量数据的漂移和扩散估计，结合GPR实现基于贝叶斯后验推断的离群点检测。为提高实用性，引入基于统计检验的灵活阈值设置，平衡模型拟合与检测复杂性。与传统SDE方法相比，本发明的SDE‑GPR方法展现出更强的鲁棒性，更适合交通系统复杂性，实验表明，本发明具有优于GPR的回归性能和更低的误报率。本发明为交通流数据的离群点检测提供了更先进、更准确的方法，为实时交通状况监控与管理开辟新途径。