RM在ITS数据恢复中的应用研讨.pdfVIP

第25卷第4期 计 算技术与 自 动化 vol-25．No．4 2006年l2月 andAutomation Dec．2006 ComputingTechnology 文章编号：1003—6199(2006)04—021．0—03 RM在ITS数据恢复中的应用研究 张立东1，王英龙1，赵建玉2，刘丽英1 (1．山东省计‘算中心，山东济南250014；2．济南大学控制学院，山东济南250022) 摘 要：丢失数据的恢复是ITS数据质量控制的重要内容之一．该文把小时交通量统计序列作为时间 序列，利用时间序列的回归预测技术，重点研究建立了交通量时间序列的线性模型、指数模型和对数模型。 通过实际数据恢复应用结果比较得出，回归模型更有优越性。 关键词：交通数据质量控制；智能交通系统；时间序列；回归模型；预测技术 中图分类号：U491 文献标识码：A ResearchonRestorationofITSDatavia Model Regressive ZHANG Li—don91，WANGYing—lon91，ZHAOJian—yu2，LIULi—yin91 Center，Jinan250014，China； (1．ShandongComputer Sehoolof 2．Contr01Science JinanUniversity，Jinan250022，China) Abstract：Restorationoflosttrafficdataisoneofthe factorsinITSdata contr01．Thistookhourtrafficvol— key quality paper umeastime discussedhow linear all series，then tObuild model(LM)，exponentialmodel(EM)andlogisticmodel(LoM)，which RM tO Model(RM)．Theresultsshowedwas tocommonmethods． belongedRegressive comparative superior words：trafficdata Key qualitycontrol；ITS；timeseries；regressivemodel(RM)；predictiontechnique 模型(RM)研究了ITS数据质量控制中丢失数据 的恢复算法． 1 前 言 2 时间序列单元回归预测技术[3】[4】 高精度的智能交通系统(ITS)数据是交通信 息服务的前提，为了保证ITS数据的质量，必须对 2．1单元线性回归模型 其进行质量控制llJ。质量控制中涉及三类问题数 设Y(k)为随机时间序列，可用下列一阶回归 据：错误数据，丢失数据和不精确数据．在文献[2] 模型来表示，即： [5]中讨论了用线性差值法或同期历史数据平均法 实现丢失数据的恢复…．但线性差值法无法适用 式中{s(k)}是均