1.一种微波交通数据采集设备的异常值检测方法，其特征在于：包括：(1)读取微波交通数据采集设备采集的数据，对同一维度的数据进行有效维度筛选，得到多维度有效数据；

微波数据的维度包括：自增ID、设备编码、设备车道编码、车道流量、C1车型流量、C2车型流量、C3车型流量、C4车型流量、C5车型流量、车道平均速度、车头时距、车头间距、车道占有率、车道饱和度、采集时间、记录时间；

(2)对多维度有效数据进行标准化处理；

步骤(2)中的标准化处理采用min‑max标准化处理；

(3)对标准化后的多维有效数据进行聚类，得到相应的聚类结果；其中聚类采用Kmeans聚类，具体步骤包括：

1)设定聚类类别数目k，需要聚类的类别数目需要事先确定，最后的结果会把所有原始数据点分为k个类别，而每个类别中的数据都具有相似性；

2)随机分配k个聚类中心，根据给定的数目k自生成k个聚类中心；

3)对每一数据点都计算其与所有聚类中心的欧式距离，然后把数据点分配给最近的聚类中心；

4)重复2)和3)的内容，直到聚类中心收敛，即所有数据点不会随着聚类中心的变化改变其所依附的聚类中心；

(4)对聚类结果中各个类别中的数据的表现进行判定，确定哪些类别的数据为异常数据；

步骤(4)中的判定方法包括业务员的经验和相关维度之间的相关性关系；

车流量＝车辆过车速度*车辆占有率/车辆平均长度；

相关维度之间的相关性关系指的是多维度有效数据中的各维度之间存在一定的线性关系，若某个类别中的数据在所述线性关系的置信区间内，则该类别的数据可以视作异常数据；

步骤(3)中的聚类是根据已有的异常数据的样本值进行训练，对获得异常数据的特征聚类并建立异常数据模型，根据异常数据模型对在新数据中找出类似的异常数据；

业务人员的经验指的是聚类出来的一个类别之中将近99％的数据表现为该类别中的数据包括多个维度是无效数据或者是仅有一个维度是有效数据，则该类别的数据是异常数据；

对步骤(4)中确定的异常数据打上数据异常的标签。

2.根据权利要求1所述的一种微波交通数据采集设备的异常值检测方法，其特征在于：所述多维度有效数据包括车流量、车辆过车速度、车辆占有率。