基于回归模型的高速公路交通流数据修复方法.pdfVIP

第５０卷第２期山西建筑Ｖｏｌ．５０Ｎｏ．２

·１２８·２０２４年１月Ｊａｎ．２０２４

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２４．０２．０３４

ＤＯＩ：

基于回归模型的高速公路交通流数据修复方法

张兆宽，李国华

（深圳市城市交通规划设计研究中心股份有限公司，山东青岛２６６０００）

摘要：针对当前高速公路交通流数据修复不精确、效率低等问题，提出一种基于多元回归的数据修复模型，该模型以线性回

归、岭回归和套索回归作为基础子模型，通过训练数据筛选最优修补子模型，进而借助该子模型来修复异常值，从而实现准确

高效地数据拟合修复；为了验证模型的有效性，模型以美国加州Ｉ－５高速公路的车道交通流数据进行实验分析，并引入传统

均值修复法作为对比分析；实验结果表明：模型相较于均值修复法所产生时间损耗相差较小，但具有更高的修复精度，交通量

数据修复准确率提升９６％，速度数据修复准确率提升９５％，占有率数据修复准确率提升９７％。

关键词：高速公路；交通流数据；数据修复；多元回归

中图分类号：ＴＵ９８４．１９１文献标识码：Ａ１００９－６８２５（２０２４）０２－０１２８－０５

文章编号：

０引言

高速公路交通流数据采集受设备、天气等非人为原

因限制，通常会造成数据内部存在缺失、冗余等异常问

题，数据质量水平不达标，进而导致后续基于此的数据分

析、数据预测等存在失准现象，因此事前数据修复对于开

展交通类研究工作尤为重要。

针对交通数据修复工作，当前主流的修复方法包含或多个原始数据，其识别流程如下：将Ｔ指定为第ｎ个

ｎ

［１］

特殊值修补法、热卡填补法和Ｋ近邻修补法等。特殊数据的时间戳，对于时间区间（采集间隔）Ｔ，若Ｔ的时

ｍｍ

值修复法是利用指定数值或已有数据的平均值／众数来间区间内仅包含一个Ｔ，则表明数据正确，不存在异常

ｎ

替代异常值，通过数据挖掘方法来分析变量间的相关关［３］

值；反之，则表明存在异常值。

系。热卡填补法是通过在原始数据中寻找和异常值特征１．２数据异常识别

最相似的对象，