邵毅明，甘元艺，侯雨彤，钟 颖

（重庆交通大学 交通运输学院，重庆 400074）

准确、可靠的交通流预测信息可以直接应用于先进的交通管理系统和信息服务系统，为出行者提供实时有效的交通运行信息［1］。同时，可靠的交通流预测是交通管理部门采取交通控制和诱导措施的重要依据。通过对短时交通流的预测，可以提前调整交通管理控制手段，从而提高交通运行效率［2－4］。交通流数据是时间序列数据，数据质量直接影响交通流预测结果的精度。在实际道路交通系统中，由于检测设备、传输设备等出现故障的原因，使采集的交通流数据或多或少存在缺失［5－6］。虽然缺失数据的数量随着信息技术的发展有逐渐变少的趋势，但是为了保证交通流预测结果的准确性，在少量数据缺失的情况下，依然有必要对交通流数据修复方法进行研究。

目前，交通流缺失数据时间相关性修复方法多是采用历史均值法、历史相邻加权法以及预测修复3种［7］。历史均值法采用前n天当前时间点的对应数据均值并填充［8］，历史相邻加权法获取前一天同一时刻的历史数据和当天前一时刻的实测值进行加权平均来修复缺失数据［9］。历史均值法、历史相邻加权法属于基于历史数据的缺失数据修复，这两类方法简单易行，能够解决时间序列修复对连续异常数据修复能力不足的问题，但存在不能反映交通流真实变化的情况。交通流数据从本质上而言属于时间序列数据，所以基于时间序列的各种缺失值修复方法都适合交通流缺失数据的修复，预测修复就是典型［10］。……