基于改进KNN算法的交通流异常数据修复方法

作者：秦一菲; 马明辉^*; 王岩松; 郭辉; 张亮

来源：计算机测量与控制, 2018, 26(12): 180-184.

DOI：10.16526/j.cnki.11-4762/tp.2018.12.041

• 交通流
• 异常数据修复
• KNN算法
• 近邻值

交通流数据分析是交通规划、控制、管理等工作实施的基础;交通流数据异常会给交通状态辨识及交通管理和控制带来困扰,不利于交通领域各方面研究及工作的开展;因此,对异常数据进行修复具有必要性;为了提高交通流异常数据修复精度,进一步改善交通数据质量,构建了基于改进K近邻(K-Nearest Neighbor,KNN)算法的交通流异常数据修复模型;通过对KNN基础模型中k值和状态向量进行优选、提出距离占比的近邻值权重选取方式,实现对其模型的改进;为了验证模型的有效性,采用实测交通流数据进行实验分析;实验结果表明,改进的KNN数据修复模型具有更高的修复精度,其平均相对误差为9.88%,能够有效改善数据质量,为智能交通控制体系提供基础数据支持。

• 单位
  上海工程技术大学