【技术实现步骤摘要】
本专利技术属于智能交通，尤其涉及一种基于张量分解的数据缺失下交通流量预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
2、大规模部署的etc系统记录了高速公路上绝大多数的车辆运行状态，为研究高速公路交通运行状态，进行交通流量预测提供了坚实的数据基础。但是，由于设备故障，数据传输中断，对向车辆误记等问题，真实的交通流数据通常存在缺失和异常现象。如果在交通流预测过程中缺少一部分数据，预测模型的性能将大幅下降。因此，如何在数据缺失条件下准确高效地进行交通流量预测，是一个很重要的问题。
3、一般情况，在数据缺失条件下进行交通流预测的方法有三类：删除缺失数据再进行预测、先修复缺失数据再进行预测、直接使用缺失数据进行预测。第一类方法是指先删除包含缺失值的部分数据，然后使用传统的流量预测方法进行预测。这种方法实施方便，但是因为其数据不完整，会明显降低流量预测的准确度。因此，它仅限于数据缺失率较低，对流量预测精度要求不高的情况下使用。第二类方法是指先使用数据修复的方法修复缺...
【技术保护点】
1.一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，
2.如权利要求1所述的一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，所述包含缺失值的交通流量通过增加特征维度，转化为三阶张量。
3.如权利要求2所述的一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，对所述三阶张量进行塔克分解，分解得到特征张量。
4.如权利要求3所述的一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，所述特征张量为核张量与空间因子矩阵、特征因子矩阵和时间因子矩阵的乘积。
5.如权利要求1所述的一种基于张量分解的数...
【技术特征摘要】
1.一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，
2.如权利要求1所述的一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，所述包含缺失值的交通流量通过增加特征维度，转化为三阶张量。
3.如权利要求2所述的一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，对所述三阶张量进行塔克分解，分解得到特征张量。
4.如权利要求3所述的一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，所述特征张量为核张量与空间因子矩阵、特征因子矩阵和时间因子矩阵的乘积。
5.如权利要求1所述的一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，所述图卷积层计算张量的时空特征并推导，得到输出预测特征。
6.如权利要求5所述的一种基于张量分解的数据缺失下交通流量预测方法，其特征在于，所述时空特征为张量与空间邻接矩...
【专利技术属性】
技术研发人员：王超，张云帆，吴伟令，王奕彤，王骋程，徐召，徐润，唐进君，段一鑫，
申请(专利权)人：山东省交通规划设计院集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。