智能车联网通过大量的地面传感器收集的数据来获得有关交通状况的信息，所收集的数据通常具有不规则的空间和时间分辨率，数据丢失是面对智能车联网中的一个常见问题。鉴于此，考虑了大型和多样化车联网中的缺失数据问题。通过在智能车联网中提取公共交通模式，比较了函数估计和张量分解等方法来估计这些缺失值的优劣后，提出了张量低秩近似估计新方法，该方法在缺失数据的情况下获得流量模式，得到大规模车联路网的低秩表示。通过不同的道路车联网实验测试，表明新方法的估计精度、数据集的偏差达到了较好的效果。
科研之友
微信
新浪微博
Facebook
分享链接
