基于图正则化和Schatten-p范数最小化的交通数据恢复

作     者：陈小波 梁书荣 柯佳 陈玲 胡煜 CHEN Xiaobo;LIANG Shurong;KE Jia;CHEN Ling;HU Yu

作者机构：江苏大学汽车工程研究院江苏镇江212013 江苏大学管理学院江苏镇江212013 

出 版 物：《西南交通大学学报》 (Journal of Southwest Jiaotong University)

年 卷 期：2022年第57卷第6期

页      面：1326-1333页

核心收录：

学科分类：08[工学] 0838[工学-公安技术] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61773184) 国家重点研发计划(2018YFB0105000) 江苏省六大人才高峰高层次人才项目(JXQC-007) 

主　　题：智能交通 数据恢复 Schatten-p范数 交通数据 图正则化 

摘      要：为充分利用交通数据低秩特性与局部近邻关系,准确恢复交通数据采集系统中的缺失数据,首先,应用基于核范数的低秩矩阵补全模型对交通数据矩阵进行预插补,以获得缺失值的初始估计,基于此,构建表征数据局部近邻结构的图模型;然后,提出融合图正则化和Schatten-p范数最小化的交通数据缺失值恢复模型;进一步,提出基于交替方向乘子框架的优化算法,求解缺失值恢复的最优化问题,得到最终的数据恢复结果;最后,用实际的高速公路交通流量和速度数据比较多种方法的恢复误差,同时给出所提方法的参数敏感性分析.实验结果表明:在完全随机缺失、随机缺失和混合缺失模式下,缺失率为10%~50%时,相比于局部最小二乘、概率主成分分析和低秩矩阵补全等方法,基于图正则化和Schatten-p范数最小化的算法恢复误差降低了3.02%~28.49%.