摘要
智能交通系统(intelligent transportation systems, ITSs)被广泛用于智慧城市中,却普遍存在感知数据缺失问题.而交通感知站点有限的存储计算能力严重制约感知数据的恢复,极大影响ITSs的正常使用.虽然可以利用边缘节点强大的存储计算能力解决这个困境,但边缘节点部署的高复杂性和感知数据时空相关性的高动态性对数据精确恢复提出挑战.为了解决上述挑战,提出基于边缘智能计算的城市交通感知数据自适应恢复系统.具体地,首先利用子模优化理论,提出具有理论下界的边缘节点次优部署分配算法.然后,基于低秩理论恢复感知数据,并基于恢复结果估计非缺失下限,通过反馈自适应调整感知站点的数据上传比例,从而保证数据精确恢复.最后,基于澳大利亚600个交通站点1年的感知数据构建原型系统,对所提算法进行评估.实验结果表明,所提算法的边缘节点部署性能达到最优性能的90％以上,缺失数据恢复精度比3种对比方法提高43.8％以上.同时,自适应数据恢复能够平均提高精度40.3％.
基金项目
国家自然科学基金(62172063)
国家自然科学基金(?61872447)
国家自然科学基金(?62072064)
安徽省高校自然科学研究项目(KJ2021ZD0116)
NETL
NSTL
维普
万方数据