Resumen

Una tarea crucial en el análisis de datos de tráfico es el descubrimiento de patrones de similitud, de gran importancia para la comprensión de la movilidad urbana y la gestión del tráfico. Recientemente, se ha propuesto una amplia gama de métodos para el descubrimiento de similitudes y el supuesto básico de los mismos es que los datos de tráfico están completos. Sin embargo, el problema de los datos faltantes es inevitable en el proceso de recopilación de datos de tráfico debido a diversas razones. En este artículo, proponemos la descomposición tensorial bayesiana no paramétrica (BNPTD) para lograr la imputación de datos de tráfico incompletos y el descubrimiento de patrones de similitud simultáneamente. BNPTD es un modelo probabilístico jerárquico, que se compone de la descomposición tensorial bayesiana y el modelo de mezcla del proceso Dirichlet. Además, desarrollamos un algoritmo de inferencia variacional eficiente para aprender el modelo. Se llevaron a cabo experimentos exhaustivos con un conjunto de datos de tarjetas inteligentes recogidos en Guangzhou, China, que demostraron la eficacia de nuestros métodos. Cabe destacar que el BNPTD propuesto es universal y también puede aplicarse a otros datos de tráfico espaciotemporales.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:descubrimiento de patrones de similitud, bnptd, descomposición tensorial bayesiana no paramétrica, algoritmo de inferencia variacional eficiente, imputación de datos de tráfico incompletos, otros datos de tráfico espaciotemporales, proceso de recogida de datos de tráfico, descomposición tensorial bayesiana, modelo probabilístico jerárquico, conjunto de datos de tarjetas inteligentes
• Keywords:similarity pattern discovery, bnptd, bayesian nonparametric tensor decomposition, efficient variational inference algorithm, incomplete traffic data imputation, other spatiotemporal traffic data, traffic data collection process, bayesian tensor decomposition, hierarchical probabilistic model, smart card dataset