基于潜特征分析的时空交通数据恢复方法
信号处理
2022-08-17 v1 人工智能
机器学习
摘要
缺失数据是数据驱动智能交通系统（ITS）中不可避免且常见的问题。过去十年中学者针对缺失交通数据恢复做了诸多研究，然而如何充分利用时空交通模式以提升恢复性能仍是一个开放问题。针对交通速度数据的时空特性，本文将缺失数据恢复视为矩阵补全问题，提出一种基于潜特征分析的时空交通数据补全方法，从未完整数据中发掘时空模式与底层结构以完成恢复任务。为此，我们引入空间与时间相关性以捕获各维度的主要潜在特征。最后，这些潜特征通过潜特征分析应用于恢复交通数据。实验与评估结果表明，模型的评估准则值较小，表明模型具有更优性能。结果显示该模型能准确估计连续缺失数据。
引用
@article{arxiv.2208.07739,
title = {A Latent Feature Analysis-based Approach for Spatio-Temporal Traffic Data Recovery},
author = {Yuting Ding and Di Wu},
journal= {arXiv preprint arXiv:2208.07739},
year = {2022}
}