[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在审
| 申请号： | 201510471228.3 | 申请日： | 2015-08-04 |
| 公开（公告）号： | CN105206039A | 公开（公告）日： | 2015-12-30 |
| 发明（设计）人： | 李志恒;张毅;李力;姚丹亚;胡坚明;汪烁枫 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G08G1/00 | 分类号： | G08G1/00;G06F19/00 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张大威 |
| 地址： | 100084 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出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，包括：S1：接收连续N天的交通流数据，并根据连续N天的交通流数据得到交通流数据向量集，其中，交通流数据向量集包括观测数据和缺失数据，N为正整数；S2：根据第i天的交通流数据向量设定高斯模型；S3：根据高斯模型的参数空间的估计值计算缺失数据的发生概率，并根据当前的观测数据和最新的缺失数据估计值计算参数空间的发生概率，以及根据参数空间的发生概率对高斯模型的参数空间的估计值进行更新；S4：重复执行S3，直至得到的马尔科夫链收敛时，估计得到交通流的缺失数据。本发明的方法能够极大地提升交通流缺失数据的估计精度与速度。 | ||
| 搜索关键词： | 基于 马尔科夫链蒙特卡洛 算法 通流 缺失 数据 估计 方法 | ||
【主权项】：
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Yc＝[Y(1),Y(2),...,Y(N)]，其中，第i天的交通流数据向量为Y(i)＝[yi(1),yi(2),...,yi(D)]i＝1,2,...,N，其中，所述Yc包括观测数据Yobs和缺失数据Ymis，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Θk计算所述缺失数据的发生概率p(Ymis|Yobs,Θk)，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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510471228.3/，转载请声明来源钻瓜专利网。
