低秩交通张量补全

缺失异常一并重建

利用交通时空数据的代数低秩性，同时处理缺失与异常，重建真实值。

Hu, Liyang · 贾育衡 · Weijie, Chen · Longhui, Wen · 叶智锐

IEEE Transactions on Intelligent Transportation Systems 2023

参数信息

数据集数量

4

处理任务类型

2

技术优势

异常下仍能恢复

利用非结构化离群点的稀疏性，RSCPN 能从同时含缺失和损坏的观测中重建真实值。

四种数据集均领先

在缺失插补与损坏恢复任务上，提出的模型在四种数据集上均显著优于现有最佳方法。

应用场景

• 智能交通数据恢复：用真实交通数据训练，替换假设数据干净的旧方法。
• 交通数据质量管理：重建同时含缺失与异常的数据，保障数据可用性。
• 交通系统数据预处理：作为前置步骤清洗损坏数据，提高后续模型输入质量。