基于优化随机森林算法的浮动车GPS数据插补模型
2022-02-28吕勤学郭杜杜李心赵亮
科学技术与工程 2022年4期
吕勤学,郭杜杜,李心,赵亮
(新疆大学机械工程学院,乌鲁木齐 830046)
随着数字化城市建设,推动了大数据在城市交通的应用[1-2],浮动车全球定位系统(global positioning system,GPS)数据因具有高精度,全天候和易收集等特点,被广泛应用于智能交通领域。但原始浮动车GPS数据易受建筑物、林荫遮挡和信号干扰等因素影响造成数据缺失[3],导致数据特征量减少、特征提取存在偏差[4],影响了浮动车GPS数据在路网状态分析[5-6]、交通流预测以及出行方式判别[7-8]等领域的研究与应用,因此,研究浮动车GPS数据插补具有重要意义。
目前针对浮动车GPS数据缺失研究,主要集中于利用道路匹配算法进行插补。盛彩英等[9]利用空间几何、路网拓扑关系,实现轨迹点插补;Yuan等[10]在路网拓扑关系基础上,通过路段分割法插补缺失数据点;黄振锋等[11]利用曲线拟合算法和评价函数找到最佳道路匹配结果补齐缺失数据;Ersan等[12]利用卡尔曼滤波算法降低浮动车GPS数据与路网之间的偏差率补齐缺失数据;邵天浩等[13]利用哈希函数和路网边权修正方法搜索路网信息对缺失数据点进行修复;谷远利等[14]引入遗传算法迭代出最佳空间相似度和最短路径进行数据点插补。
上述研究从优化算法和空间关联性出发,实现了浮动车GPS缺失数据的有效插补,但这些研究过度依赖路网信息的精准性和完整性,且需要与路网信息进行复杂比对,影响插补精度的提升。由文献[15-16]表明随机森林算法可对地面检测器检测的交通流缺失数据和事件进行有效插补,但尚未运用在浮动车GPS数据插补中。……
登录APP查看全文
