姚加林，朱闯

数据缺失环境下基于DCTPLS-PCA的路网速度预测研究

姚加林，朱闯

(中南大学 交通运输工程学院，湖南 长沙 410075)

准确可靠的短时交通流预测是实现良好交通控制与诱导的基础，由于设备故障和通信干扰等原因，交通数据经常存在缺失现象，给交通流预测造成了很大困难。在数据缺失环境下，通过基于三维离散余弦变换的补偿最小二乘回归(DCT-PLS)算法对缺失数据进行修复，利用主成分分析(PCA)对修复后的数据降维，用K近邻(KNN)算法预测路网中各路段速度，并计算预测误差。以长沙市某路网为例，在数据完整和数据缺失2种情况下进行数值实验。研究结果表明：DCT-PLS算法修复精度高于概率主成分分析(PPCA)和贝叶斯主成分分析(BPCA)；PCA降维能够大幅减少预测时的计算成本；在数据缺失环境下，基于DCTPLS-PCA的方法在大幅降低计算成本的同时，能够保证很好的预测精度。

数据缺失；DCT-PLS；PCA；路网；速度预测

随着经济社会的快速发展，小汽车保有量急剧增加，由此导致了日益严重的城市交通拥堵问题。智能交通系统被认为是缓解城市交通拥堵的重要方案之一，交通控制与诱导是城市交通管理中的重要组成部分，在智能交通系统中发挥着举足轻重的作用。而准确可靠的短时交通流预测是实现良好交通控制与诱导的基础，因此研究短时交通流预测对于缓解城市拥堵具有重要意义。数据采集是实现交通流预测的第一步，然而在交通数据采集过程中，由于设备故障、通信干扰等原因，经常存在数据缺失现象，这给准确的交通流预测造成巨大困难。……