基于改进KNN算法的交通流异常数据修复方法

• 作者: 张亮 王岩松 秦一菲 郭辉 马明辉
• 来源期刊: 计算机测量与控制
• 关键词: 交通流 异常数据修复 KNN算法 近邻值
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 设计与应用
• 页码范围: 180-184
• 页数: 5页
• 分类号: U491
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.12.041

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王岩松	上海工程技术大学汽车工程学院	81	323	10.0	14.0
2	郭辉	上海工程技术大学汽车工程学院	59	156	6.0	8.0
3	张亮	上海工程技术大学汽车工程学院	4	12	3.0	3.0
4	马明辉	上海工程技术大学汽车工程学院	4	11	2.0	3.0
5	秦一菲	上海工程技术大学汽车工程学院	2	8	2.0	2.0