基于特征级融合的高速公路异质交通流数据修复方法

• 作者: 冉斌 张健 曲栩 李林超 李汉初 王永岗
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 交通工程 数据修复 深度学习 随机森林 多源数据 自编码网络
• 年，卷（期）: 2018,（5）
• 页码范围: 972-978
• 页数: 7页
• 分类号: U491.1
• 字数: 4804字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2018.05.029

摘要

为获取完整的交通流数据集,提出了一种交通流数据修复方法.结合多源数据的互补特性,基于深度学习模型构建了时空关联特征提取方法,将高速公路交通流数据缺失情况分为3类,并基于随机森林算法建立修正模型.模型以平均绝对误差最小为优化目标,基于测试集和选择集优化了模型的参数.利用高速公路固定检测器和浮动检测技术获取的多源数据,对比分析了单一数据源与多源数据的修正精度.结果表明:多源数据修正模型明显优于单一数据源修正模型,在点缺失、线缺失和面缺失3种情况下,MAPE的平均值分别提高了24.87％,39.87％和52.93％.此外,随着缺失比例的增加,较单一数据源模型,多源数据修正模型精度更为稳定,在点缺失、线缺失和面缺失3种情况下,其MAPE的方差仅为0.01,0.03和0.08,证明其具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健	东南大学交通学院	51	325	11.0	16.0
2	冉斌	东南大学交通学院	13	188	6.0	13.0
3	王永岗	长安大学公路学院	15	50	4.0	6.0
4	曲栩	东南大学交通学院	1	3	1.0	1.0
5	李汉初	东南大学交通学院	1	3	1.0	1.0