交通流量数据缺失值的插补方法  

Imputation Methods for Missing Values in Traffic Flow Data

作　　者：韩卫国[1,2] 王劲峰[1] 胡建军[3] 

机构地区：[1]中国科学院地理科学与资源研究所 [2]中国科学院研究生院,北京100039 [3]北京市公安交通管理局科研所

出　　处：《交通与计算机》2005年第1期39-42,共4页Computer and Communications

基　　金：北京市自然科学基金资助项目 (80 3 3 0 1 5 )

摘　　要：交通流量的时空数据挖掘需要完整的数据 ,因此必须处理交通流量数据中的缺失值。文章叙述了数据的缺失方式和常用的插补方法 ,根据交通流量数据时间上的周期性和空间上的相关性 ,采用平均值方法、最大期望法和数据增量法等确定性和随机性方法插补缺失数据 ,分析了这些方法的优缺点 ,并对插补结果进行比较。提出了交通缺失值插补的研究方向。Missing values in traffic flow data should be imputed because complete data are needed for space-time data mining. First, missing mechanisms and common imputati on methods are reviewed. Next, some deterministic and stochastic methods such as average value, expectation maximization and data augmentation are used in the i mputation because these data are periodic in time and correlative in space. Then advantages and disadvantages of these methods are analyzed, and imputation resu lts of them are compared. Finally, further researches on imputation methods for missing values in traffic flow data are proposed.

关 键 词：交通流量 优缺点 挖掘 增量法 期望 随机性 插补方法 数据缺失 时空数据 确定性 

分 类 号：U491[交通运输工程—交通运输规划与管理] TP312[交通运输工程—道路与铁道工程]