[发明专利]基于马尔科夫链蒙特卡洛算法的交通流缺失数据估计方法

权利要求书

1.一种基于马尔科夫链蒙特卡洛算法的交通流缺失数据估计方法，其特征在于，包括以下步骤：

S1：接收连续N天的交通流数据，并根据所述连续N天的交通流数据得到交通流数据向量集Y_c＝[Y(1),Y(2),...,Y(N)]，其中，第i天的交通流数据向量为Y(i)＝[y_i(1),y_i(2),...,y_i(D)]i＝1,2,...,N，其中，所述Y_c包括观测数据Y_obs和缺失数据Y_mis，所述N为正整数；

S2：根据所述第i天的交通流数据向量Y(i)设定高斯模型，其中，所述高斯模型的参数空间为Θ；

S3：根据所述参数空间Θ的估计值Θ^k计算所述缺失数据的发生概率p(Y_mis|Y_obs,Θ^k)，并根据当前的观测数据和最新的缺失数据估计值计算所述参数空间Θ的发生概率以及根据所述参数空间Θ的发生概率对所述高斯模型的参数空间Θ的估计值进行更新；

S4：重复执行所述S3，直至得到的马尔科夫链收敛时，估计得到所述交通流的缺失数据。

2.根据权利要求1所述的基于马尔科夫链蒙特卡洛算法的交通流缺失数据估计方法，其特征在于，所述高斯模型的参数空间Θ包括参数c和σ²。

3.根据权利要求1所述的基于马尔科夫链蒙特卡洛算法的交通流缺失数据估计方法，其特征在于，通过以下公式估计得到所述交通流的缺失数据，所述公式为：

其中，N_sample是总样本数，N_Burn-in是丢弃的数据数目。

4.根据权利要求3所述的基于马尔科夫链蒙特卡洛算法的交通流缺失数据估计方法，其特征在于，所述N_sample为1500，所述N_Burn-in为500。