[发明专利]基于交通时空信息的交通流缺失数据估算系统及方法

权利要求书

1.一种基于交通时空信息的交通流缺失数据估算方法，应用于计算机装置中，其特征在于，该方法包括步骤：

获取一个期望周期内目标检测点、上游检测点和下游检测点的原始交通数据，并从获取的原始交通数据中提取每个检测点的交通流数据；

对每个检测点的交通流数据进行时间上的聚合压缩成期望周期的交通流时间序列；

将三个检测点的交通流时间序列按照上下游的关系组合成一个空间信息交通流数据矩阵；

判断当前交通应用系统对计算速度要求是高还是低；

当前交通应用系统对计算速度要求高时，利用PPCA模型对所述的空间信息交通流数据矩阵中的缺失数据进行估算，并产生相应的交通流缺失数据估算结果；

当前交通应用系统对计算速度要求低时，对上游检测点和下游检测点的交通流时间序列进行平移，并将平移后的交通流时间序列放入所述空间信息交通流数据矩阵中形成一个时空信息交通流数据矩阵，以及利用KPPCA模型对所述的时空信息交通流数据矩阵中的缺失数据进行估算，并产生相应的交通流缺失数据估算结果。

2.如权利要求1所述的交通流缺失数据估算方法，其特征在于，该方法还包括步骤：利用误差评估指标对目标检测点进行缺失数据的估算误差进行评估，并将交通流缺失数据估算的误差评估结果显示在显示设备上。

3.如权利要求1所述的交通流缺失数据估算方法，其特征在于，若当前交通应用系统是一种对于时间敏感的线上交通应用系统，则对计算速度要求高，若当前交通应用系统是一种对于时间不敏感的线下交通应用系统，则对计算速度要求低。

4.如权利要求1所述的交通流缺失数据估算方法，其特征在于，所述针对检测点上游和下游的交通流时间序列进行平移的具体包括步骤：将上游每天的时间序列向未来平移一个期望周期，以及将下游每天的时间序列向过去平移一个期望周期。

5.如权利要求1所述的交通流缺失数据估算方法，其特征在于，所述的PPCA模型是一种采用基于空间数据的概率主成分分析算法进行交通流缺失数据估算的数据统计分析模型，所述的KPPCA模型是一种采用基于时空数据的核函数概率主成分分析算法进行交通流缺失数据估算的数据统计分析模型。

6.一种基于交通时空信息的交通流缺失数据估算系统，运行于计算机装置中，其特征在于，所述的交通流缺失数据估算系统包括：

原始数据输入模块，用于获取一个期望周期内目标检测点、上游检测点和下游检测点的原始交通数据，并从获取的原始交通数据中提取每个检测点的交通流数据；

数据预处理模块，用于对每个检测点的交通流数据进行时间上的聚合压缩成期望周期的交通流时间序列，将三个检测点的交通流时间序列按照上下游的关系组合成一个空间信息交通流数据矩阵，并判断当前交通应用系统对计算速度要求是高还是低；

PPCA估算模块，用于当前交通应用系统对计算速度要求高时，利用PPCA模型对空间信息交通流数据矩阵中的缺失数据进行估算，并产生相应的交通流缺失数据估算结果；

交通流时间序列平移模块，用于当前交通应用系统对计算速度要求低时，对上游检测点和下游检测点的交通流时间序列进行平移，并将平移后的交通流时间序列放入所述空间信息交通流数据矩阵中形成一个时空信息交通流数据矩阵；

KPPCA估算模块，用于利用KPPCA模型对时空信息交通流数据矩阵中的缺失数据进行估算，并产生相应的交通流缺失数据估算结果。

7.如权利要求6所述的交通流缺失数据估算系统，其特征在于，该系统还包括缺失数据补偿结果评价模块，用于利用误差评估指标对目标检测点进行缺失数据的估算误差进行评估，并将交通流缺失数据估算的误差评估结果显示在显示设备上。

8.如权利要求6所述的交通流缺失数据估算系统，其特征在于，若当前交通应用系统是一种对于时间敏感的线上交通应用系统，则对计算速度要求高，若当前交通应用系统是一种对于时间不敏感的线下交通应用系统，则对计算速度要求低。

9.如权利要求6所述的交通流缺失数据估算系统，其特征在于，所述针对检测点上游和下游的交通流时间序列进行平移的具体包括步骤：将上游每天的时间序列向未来平移一个期望周期，以及将下游每天的时间序列向过去平移一个期望周期。

10.如权利要求6所述的交通流缺失数据估算系统，其特征在于，所述的PPCA模型是一种采用基于空间数据的概率主成分分析算法进行交通流缺失数据估算的数据统计分析模型，所述的KPPCA模型是一种采用基于时空数据的核函数概率主成分分析算法进行交通流缺失数据估算的数据统计分析模型。