科研之友
微信
新浪微博
Facebook
分享链接
摘要
旅行时间是评价路网运行状态的重要参数，由于设备故障等原因导致旅行时间数据存在缺失问题，因此针对不完备旅行时间数据填补的研究十分必要。传统的张量分解模型基于低秩性假设而忽视了不同数据缺失结构隐含的局部特征，导致模型在不同缺失模式下表达效果不同且高数据缺失率场景下精度降低。针对这一问题，将张量数据结构与交通场景相关联，挖掘出两种高频数据缺失场景。针对随机缺失场景，构建了考虑维度偏置的历史旅行时间张量，并在此基础上提出了一种考虑时间关联性的旅行时间填补方法，该方法能够解决高数据缺失率下张量结构被破坏而导致精度低的问题；针对纤维化缺失场景，将时空相似路段数据融入张量分解模型，规范模型分解方向，解决传统张量分解忽略局部一致性导致的不适用纤维化缺失场景这一问题。最后以瑞安市卡口数据为例对旅行时间填补方法进行验证，结果表明，所提出的方法相较其他模型方法具有更优的性能表现。
- 出版日期2022
- 单位北京航空航天大学
