科研之友
微信
新浪微博
Facebook
分享链接
摘要
文中选取了预测均值匹配、K近邻和贝叶斯时间矩阵分解三种时空相关数据修复方法，基于上海市中环路交通流数据，以时间相关方法为基准，评价分析不同缺失模式下不同方法的修复效果.结果表明：K近邻方法可有效追踪交通流的变化，修复精度和稳定性较好，时间相关和贝叶斯时间矩阵分解方法在特定场景可能失效.引入空间信息可有效提升修复精度，相邻检测器、上游检测器和下游检测器的数据对修复效果提升的贡献依次递减.
- 单位
文中选取了预测均值匹配、K近邻和贝叶斯时间矩阵分解三种时空相关数据修复方法，基于上海市中环路交通流数据，以时间相关方法为基准，评价分析不同缺失模式下不同方法的修复效果.结果表明：K近邻方法可有效追踪交通流的变化，修复精度和稳定性较好，时间相关和贝叶斯时间矩阵分解方法在特定场景可能失效.引入空间信息可有效提升修复精度，相邻检测器、上游检测器和下游检测器的数据对修复效果提升的贡献依次递减.
