Como uno de los sistemas de Internet de las Cosas más grandes del mundo, la colección electrónica de peajes (ETC) de las autopistas de China genera casi mil millones de transacciones de datos cada día, registrando las trayectorias de tráfico de casi todos los vehículos en la autopista, lo que tiene un gran valor de aplicación potencial. Sin embargo, existen transacciones perdidas y falsas inevitables en el sistema ETC de la autopista, lo que conlleva ciertos índices de falsos y faltantes en los datos ETC. En este trabajo, se propone un algoritmo de búsqueda dinámica SegrDTW basado en un algoritmo DTW mejorado según las características de los datos ETC de la autopista con restricciones de datos origen-destino (OD) y acoplamiento entre la senda de la barrera y la trayectoria del vehículo. A través de la construcción de la ventana espacial de recuperación de segmentos, la complejidad espacial del algoritmo DTW se reduce efectivamente, y la eficiencia de la detección de datos ETC anómalos se mejora considerablemente. En experimentos reales de datos de tráfico, el algoritmo SegrDTW solo necesita 3,36 s para medir los eventos anómalos de un solo conjunto de datos de senda OD durante 10 días. En comparación con los algoritmos principales, el SegrDTW tiene el mejor rendimiento. Por lo tanto, la propuesta proporciona un método viable para la detección de eventos anómalos en los datos ETC de la autopista en una provincia e incluso en todo el país.