基于时空特性分析的交通异常数据修复方法研究

李硕　张萌萌　陈勇恒

摘 要：交通数据的质量修复是使用正确的交通数据进行预测分析以及交通管控的基础，一床数据修复方法主要包括两部分：一是基于单一的时间维或空间维的修复方法，而另一种则是基于时间维度和空间维度相结合的异常数据修复方法。由于交通数据的复杂性，并不是所有的算法都能适应这些数据，而且随着大数据时代的到来，对算法的复杂度等要求越来越高，因此，國内外对交通数据的评价与质量控制的研究并未止步。而本文则对此进行了研究，提出了一种基于时空特性分析的交通异常数据修复方法研究。

关键词：交通数据;异常;数据修复

0 引言

交通信息采集过程中，无论是传感器的故障还是检测环境的影响，致使获取的数据往往存在异常、错误、缺失等质量问题。因此，国内外学者针对异常数据的修复展开了研究。孙玲等[1]提出了一种基于交通数据时空分布特性的交通数据质量控制理。陆化普等建立了基于数据驱动的动态阈值模型，以实现交通故障数据的实时识别。邴其春提出了一种新的交通数据质量控制方法，此方法的核心就是Tucker张量的分解。

1 基于时空特性的交通异常数据修复方法

对于基于时间序列的交通数据质量控制方法模型有很多，本文采取的是二次指数平滑法，而基于空间维度的修复方法本文只采用了相邻车道的修复方法。不同的故障数据情况会选用不同的数据修复方法，当个别时间段的交通数据故障时，可以考虑选用当前路段和当前时间段的历史数据来进行修复，也可以考虑利用缺失车道的相邻的具有相同交通功能的车道的数据进行修复;当连续长时间段的交通数据故障或缺失时，也可以考虑上述两种修复方法。

1.1 土地利用对异常数据修复的影响分析

本文考虑到土地利用类型的变化以及大型交通活动对交通流会产生影响，在相同的地点以及相同时间段内的不同日期的车流量会有很大的不同，如图1所示。本文针对特殊情况下的异常数据修复，通过计算大型交通活动或者时新建用地对交通流产生的吸引强度，通过交通流分配理论对诱增交通量进行分配，从而在基于时间序列的基础上加上分配到路径的流量。

1.2 基于时空特性分析的交通异常数据修复方法

本文既考虑到了在数据修复算法的高效性，又考虑到了突发交通活动对短时间内交通流的影响，因此，本文建立了基于时空分布特性的异常数据修复算法，较好的适用于突发活动的交通流。结合土地利用性质和动态交通流分配，本文提出了以下预测模型：

式中：

Qj表示第j条路段最终预测的交通流量;qj表示第j条路段基于时间序列模型的预测流量;表示第i交通小区诱增出行量;pij表示第i交通小区第j条路段的分配率;K1表示修正系数;n表示划分的交通小区。

2 实验分析

本文选取实验数据源是济南西客站的流量数据，主要选取了两个路段：潍坊路、淄博路。以这两个路上的流量数据为实验数据源，选取了基于时间序列的常用的几种算法进行了实验，主要有：移动平均、加权移动平均、一次指数平滑、二次指数平滑。下面对其分别进行了均方误差与均方百分比误差的分析。

本文选取了济南西客站-潍坊路为数据源，对比分析了移动平均、加权移动平均、一次指数平滑、二次指数平滑四种数据修复算法的误差，从以上实验可以看出，二次指数平滑的效果较好，误差较低。指数平滑相对于移动平均而言，对时间序列进行了加权处理，具有更好的预测效果，二次指数平滑法相对一次指数平滑法而言，二次指数平滑对斜坡形趋势的数据处理效果较好，因此本文在数据修复方法中选取了二次指数平滑。

3 总结

本文针对交通异常数据的修复方法进行了研究，结合交通流的时间特性，利用时间序列放法对异常交通流数据进行预测修复，考虑到交通流的空间特性，结合土地利用性质的变化以及交通流分配理论对异常的交通数据进行了修复。但是，涉及的交通流分配的问题并未作深入的研究，因此，在下一步，可以就交通流分配最优化问题进行研究，进一步的优化数据修复模型。

参考文献：

[1]孙玲，刘浩，牛树云.考虑时空相关性的固定检测缺失数据重构方法[J].交通运输工程学报，2010，10（05）：121-126.

通讯作者：张萌萌