张涛， 张健，2，3， 祁欣月， 陈长煜

（1.西藏大学工学院，西藏 拉萨 850000； 2.东南大学交通学院，江苏 南京 211189；3.东南大学江苏省城市智能交通重点实验室，江苏 南京 211189）

引言

交通流量、速度和密度是城市交通系统规划、设计和运行的基本参数。然而，无论数据采集技术如何，目前各国的许多交通信息管理系统都存在着交通数据丢失的问题。这一直也是智能交通系统（ITS）面临的一个严重挑战。经过研究发现，由于各种因素的影响，世界各地的交通主管部门都遭受了不同程度的信息丢失或异常，即交通采集数据（统计交通量、速度、占用率等）出现缺失、错误等现象，无法反映路网的实际交通状态，因此大量的交通研究，如交通状态识别、交通管理等，都受到不完整数据的限制［1］。例如，美国大约15%的公路交通数据是不可用的；以中国北京为例，日常交通流量的缺失率通常在10%左右，其中检测器故障占4%，其他原因占6%，甚至缺失率有时会达到20%～25%；国际著名的交通数据库PeMS有超过5%的数据出现丢失，等等［2］。这样的数据缺失问题严重阻碍了对交通数据进一步的应用，因为大多数现有的分析方法依赖于完整的数据（至少在归算之后），如交通预测、优化交通网络、路线规划。其中，数据质量一直被认为是交通预测面临的主要挑战之一［3］。如果没有采用合适的插补方法，将缺失的交通数据简单估计或丢弃，这将严重影响ITS的性能，也会对后续分析产生很大影响。通常丢失的数据不仅仅存在于交通领域，还存在于其他学科。……