实时补缺方法对交通信息融合精度的影响
针对各种检测方式中因检测设备失效或因错误数据的排除处理等导致的数据缺失情况,本文提出了时间序列法、空间序列法和历史数据法等3种缺失数据实时补缺方法,并以城市快速路的浮动车数据和微波数据的数据融合为例,通过比较上述方法的补缺精度以及对数据融合精度的影响,分析了不同补缺方法的适用性以及数据补缺处理中的使用优先级.结果表明,基于时间序列和空间序列补缺方法的数据融合结果的平均相对误差均能控制在20％以内,所提出的实时数据补缺方法具有良好的实用性.
多源数据融合、实时数据补缺、BP神经网络
39
U495(交通工程与公路运输技术管理)
国家"973"计划资助项目2012C13725403
2013-06-03（万方平台首次上网日期，不代表论文的发表时间）
共7页
587-593
