基于改进个性诊断和热门路段的路况估计

• 作者: 蔡文学 邱珠成 陈康 黄晓宇
• 来源期刊: 系统工程
• 学科: 交通运输
• 关键词: 智能交通 实时路况 个性诊断算法 热门数据集 路段速度
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 方法与应用
• 页码范围: 134-140
• 页数: 7页
• 分类号: U495
• 语种: 中文

摘要

个性诊断(Personality Diagnosis,PD)算法只适合应用于离散型空间,应用到连续型空间时需要先进行离散化处理,导致其应用范围受限.对个性诊断算法进行改进,并应用到实时路况估计中,提出基于连续型的个性诊断和热门路段的路况估计模型(Improved Personality Diagnosis and Popular Road Model,IPDPR).首先根据数据覆盖率提取高覆盖率路段作为基准个性类型;然后判别路网中所有路段的类型,即计算相似性概率;接着根据相似性概率获得缺失项的取值概率分布;最后计算概率最大值作为估计位.实验结果表明,本文所提IPDPR模型估计误差比概率主成分分析(Probabilistic Principal component analysis,PPCA)算法小53.88％,比滑动平均法小11.47％.