基于PCA和ICA的交通流量数据压缩方法比较研究

被引:11
作者
赵志强
张毅
胡坚明
李力
机构
[1] 清华大学自动化系
关键词
智能运输系统; 数据压缩; 主成份分析(PCA); 独立成份分析(ICA); 交通流;
D O I
暂无
中图分类号
U491.112 [];
学科分类号
082302 ; 082303 ;
摘要
针对交通流量数据的特点,分别采用基于主成份分析(PCA)和独立成份分析(ICA)的方法对其进行数据压缩研究和比较。首先,对城市道路和高速公路的交通流统计特性进行分析:发现采样时间的大小不会影响研究结果,而流量离差的统计分布为接近高斯分布的超高斯分布。然后分别采用基于PCA和ICA的方法进行交通流数据的压缩与重构,并对结果进行全面比较。试验结果表明:由于城市道路和高速公路的交通流离差数据均接近高斯分布,因此PCA在数据压缩中的效果较好;而高速公路的交通流数据压缩结果优于城市道路,因为其更加规律和稳定。这一结果反映了交通流波动的随机特征,对于进一步的交通流分析有着重要的意义。
引用
收藏
页码:109 / 113+118 +118
页数:6
相关论文
共 3 条
[1]   区域交通流的时空预测与分析 [J].
韩卫国 ;
王劲峰 ;
高一鸽 ;
胡建军 .
公路交通科技, 2007, (06) :92-96
[2]   区域交通流特征提取与交通状态评估方法研究 [J].
郭伟 ;
姚丹亚 ;
付毅 ;
胡坚明 ;
刘宁 .
公路交通科技, 2005, (07) :101-104+114
[3]  
Independent component analysis: algorithms and applications[J] . Neural Networks . 2000 (4)