跳到主要导航 跳到搜索 跳到主要内容

时空视图学习支持的城市交通数据缺失补全与短期预测

  • 王 培晓

科研成果: 期刊稿件 › 论文 › 同行评审

摘要

随着智能交通系统的快速发展,准确的交通流预测技术已经成为缓解城市交通拥堵的重要手段,也是城市交通科学合理运行管理的必要条件。近年来,随着物联网的快速发展,许多固定位置的传感器已被安装在物理世界中,以持续协作地监控城市路网的交通状态,为交通流预测相关的研究提供了重要的数据源。然而,在现实世界中,由于采集技术和隐私等问题的存在,传感器采集的交通时序数据存在普遍的缺失现象,并极大地限制了交通时序数据的建模能力,制约了交通流预测模型的性能。因此,论文围绕“缺失交通数据补全”“顾及缺失值的交通数据预测”,基于时空视图学习方法,主要完成了以下4个研究内容。
投稿的翻译标题Missing imputation and short-term prediction of urban traffic flow based on spatiotemporal view learning
源语言中文
页(从-至)2037-2037
页数1
期刊Cehui Xuebao/Acta Geodaetica et Cartographica Sinica
卷53
期10
出版状态已出版 - 1 10月 2024

基金资助

国家重点研发计划(2022YFB3904102);国家博士后创新人才支持计划(BX20230360);中国博士后面上项目(2023M743454);国家自然科学基金(42401524)。

关键词

  • 采集技术
  • 城市交通
  • 时序数据
  • 数据缺失
  • 短期预测
  • 交通流预测
  • 数据预测
  • 城市路网

收录

  • CSCD

学术指纹

探究 '时空视图学习支持的城市交通数据缺失补全与短期预测' 的科研主题。它们共同构成独一无二的学术指纹。

引用此