个性诊断(Personality Diagnosis,PD)算法只适合应用于离散型空间,应用到连续型空间时需要先进行离散化处理,导致其应用范围受限。对个性诊断算法进行改进,并应用到实时路况估计中,提出基于连续型的个性诊断和热门路段的路况估计模型(Improved Personality Diagnosis and Popular Road Model,IPDPR)。首先根据数据覆盖率提取高覆盖率路段作为基准个性类型;然后判别路网中所有路段的类型,即计算相似性概率;接着根据相似性概率获得缺失项的取值概率分布;最后计算概率最大值作为估计值。实验结果表明,本文所提IPDPR模型估计误差比概率主成分分析(Probabilistic Principal component analysis,PPCA)算法小53.88%,比滑动平均法小11.47%.
针对基于GPS的浮动车技术因无法做到对路网的时空间全覆盖导致部分路段实时交通状态缺失问题,提出基于热门路段个性化诊断(personality diagnosis base on popular road,PDPR)模型对各路段上的缺失速度值进行估计。使用K均值算法对所有原始数据作离散化处理,根据数据覆盖率对路段进行分类;以高覆盖率路段的速度数据为辅助,使用个性诊断算法(personality diagnosis,PD)对低覆盖率路段进行缺失速度估计,把估计值映射到连续型空间。实验结果表明,PDPR模型估计误差比PPCA(probabilistic principal component analysis)算法低32.84%,比滑动平均法低5.70%。
