效果一览
文章概述
Python实现基于DFCP张量分解的城市路网连续缺失流量估计方法.应用MAPE和RMSE的结果比较了不同缺失类型和缺失率对它们性能的影响。我们还分析了间隔型缺失情景下随机缺失模式和非随机缺失模式的准确性。通过实验
研究内容
◾ 步骤1:选择研究区域的相似路段集,估计缺失交通量值。相关分析用于评估片段的相似性。
◾ 步骤2:构建基于DFCP张量的模型结构,用4路张量模型表示逐日、逐段、逐时隙、逐数据的维度。此外,还确定了来自每个维度的输入数据的大小。
◾ 步骤3:计算每个维度的正则化惩罚系数。采用贝叶斯优化的超参数方法求解最优值。
◾ 步骤4:比较在张量模型中包含和排除多源数据时的输入结果。此外,在不同的缺失类型和不同的缺失率,并与其他基准方法进行比较评估。
(1)我们将同构数据融合集成到CP张量分解框架中,以处理长期