10.19713/j.cnki.43-1423/u.2019.10.030
数据缺失环境下基于DCTPLS-PCA的路网速度预测研究
准确可靠的短时交通流预测是实现良好交通控制与诱导的基础,由于设备故障和通信干扰等原因,交通数据经常存在缺失现象,给交通流预测造成了很大困难.在数据缺失环境下,通过基于三维离散余弦变换的补偿最小二乘回归(DCT-PLS)算法对缺失数据进行修复,利用主成分分析(PCA)对修复后的数据降维,用K近邻(KNN)算法预测路网中各路段速度,并计算预测误差.以长沙市某路网为例,在数据完整和数据缺失2种情况下进行数值实验.研究结果表明:DCT-PLS算法修复精度高于概率主成分分析(PPCA)和贝叶斯主成分分析(BPCA);PCA降维能够大幅减少预测时的计算成本;在数据缺失环境下,基于DCTPLS-PCA的方法在大幅降低计算成本的同时,能够保证很好的预测精度.
数据缺失、DCT-PLS、PCA、路网、速度预测
16
U491(交通工程与公路运输技术管理)
2020-05-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
2612-2619