-
摘要: 为提高交通模型输入信息的可靠性, 通过对交通传感器采集到的动态交通数据的故障进行识别, 并根据不同的故障种类采取补充、还原或修正等方法对数据进行修复。分析结果表明, 动态交通数据的故障识别与修复方法是可行的, 尤其是对数据的补充处理, 可以很好地解决因为数据丢失而给后续处理带来的困难。Abstract: This paper described the method of malfunction identifying of dynamic traffic data and data-processing procedure with respect to the type of data malfunction, such as omitting, reverting and modifying. All of these can provide accuracy and credible input information to prediction model of traffic states. The result indicates that the methods are feasible, especially, data-modifying resolves the problem of later data-processing brought by data-missing.
-
表 1 数据丢失情况
Table 1. Lost data number
项目 日期 3日星期一 4日星期二 5日星期三 6日星期四 7日星期五 8日星期六 9日星期日 实测数据个数 712 703 717 699 604 689 714 缺失数据个数 8 17 3 21 116 31 6 
下载: 导出CSV
表 2 处理前后数据对比结果
Table 2. Compared result of original data and processed data
时间 数据类型 原始数据 修改后的数据 处理后的数据 绝对相对误差 11:20 54 78 53.49 0.014 13:06 45 77 42.98 0.055 13:56 52 10 52.05 0.012 14:36 58 25 58.67 0.011 15:26 58 11 54.64 0.060 16:40 54 10 54.32 0.003
下载: 导出CSV
-
[1] 龙晖, 姜桂艳. 交通传感器数据的筛选和检验条件分析[A]. 2003全国智能交通系统交通信息采集与融合技术研讨会[C]. 杭州: 浙江大学出版社, 2003. [2] 姜桂艳. 服务于城市交通流诱导系统的动态交通分配方法研究[D]. 长春: 吉林工业大学, 1998. [3] 陈玉祥, 张汉亚. 预测技术与应用[M]. 北京: 机械工业出版社, 1985. [4] Stanislaw B. Data screening evaluation test report[R]. Chicago: Urban Transportation Center, 1996. [5] Koppelman F S, Lin W. Development of an expressway incident detection algorithm for the advance area based on the California algorithm set[R]. Evanston: the Transportation Center, 1997. [6] 张若旗. 数据融合技术在动态交通信息研究中的应用[D]. 长春: 吉林大学, 2002. [7] 刘同明, 夏祖勋. 数据融合技术及其应用[M]. 北京: 国防工业出版社, 2000. [8] 权太范. 信息融合神经网络-模糊推理理论与应用[M]. 北京: 国防工业出版社, 2002. -
点击查看大图
图(6) / 表(2)
计量
- 文章访问数: 260
- HTML全文浏览量: 94
- PDF下载量: 308
- 被引次数: 0
