基于NB和DTW组合模型的稀疏浮动车数据填充

论文摘要

利用浮动车数据对交通状态进行挖掘和分析已经是交通领域的重要研究手段之一,而浮动车数据的稀疏性给数据挖掘工作带来了阻碍。对路网数据缺失特性进行分析后,提出了稀疏浮动车数据的填充模型,模型中对缺失小于30%的偶然性数据缺失采用基于朴素贝叶斯(NB)的分类方法进行数据填充,对缺失大于30%的多发性数据缺失采用基于动态时间规整(DTW)的方法进行二次填充,将两种方法结合并应用于路网实例中,对路段缺失的交通流速度数据进行填充,提升了浮动车数据的路网覆盖率,有效降低了浮动车数据缺失对交通流速度信息的采集、发布以及预测工作带来的影响。

论文目录

• 1 稀疏数据填补方法
•   1.1 数据处理
•   1.2 偶然性缺失填补方法
•     1.2.1 朴素贝叶斯模型
•     1.2.2 朴素贝叶斯模型修正
•   1.3 多发性缺失填补方法
• 2 试验分析
•   2.1 模型可行性分析
•     2.1.1 朴素贝叶斯参数评价
•     2.1.2 DTW相似性评价
•   2.2 模型评价
•     2.2.1 数据缺失程度划分
•     2.2.2 模型对比
•   2.3 试验结果分析
• 3 结 论

文章来源

类型: 期刊论文

作者: 许伦辉,陈凯勋,郭雅婷

关键词: 浮动车,数据缺失,朴素贝叶斯,动态时间规整,速度估计

来源: 中山大学学报(自然科学版) 2019年04期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 公路与水路运输

单位: 华南理工大学土木与交通学院

基金: 国家自然科学基金(61263024),广东省自然科学基金(2015A030313797)

分类号: U491

DOI: 10.13471/j.cnki.acta.snus.2019.04.015

页码: 136-145

总页数: 10

文件大小: 2248K

下载量: 64