首页|基于机器学习的交通流参数异常数据处理模型研究

基于机器学习的交通流参数异常数据处理模型研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
交通流数据作为交通系统重要的输入变量,交通流数据采集器所采集的交通流数据质量直接影响着交通系统运行的稳定性;针对交通流数据中所出现的采样数据异常情况,提出一种基于随机森林的缺失值填补及孤立森林算法的交通流异常数据筛选方法,在此基础上通过线性回归模型对数据中缺失值及异常值进行填补构建整体交通流数据有效性处理框架;结果表明经过异常值处理模型修复的数据整体满足有效交通流数据要求,可为交通情况预测及交通系统运行提供数据支撑.
Research on Data Processing Model of Traffic Flow Parameter Anomaly Based on Machine Learning

周博、贾树林、胡江宇、马双宝、罗维平

展开 >

武汉纺织大学 机械工程与自动化学院,湖北 武汉 430200

湖北省数字装备重点实验室,湖北 武汉 430200

交通流数据 数据清洗 孤立森林 线性回归 异常值处理

2021

武汉纺织大学学报
武汉纺织大学

武汉纺织大学学报

影响因子：0.316
ISSN：2095-414X
年,卷(期)：2021.34(2)
  • 2
  • 9