多分辨率数据融合方法

模型估计偏差更小

提出一种确定最优数据集的新方法，可有效降低由平均过程引起的速度-密度关系模型估计偏差。

Bai, Lu · Wong, Wai · 许鹏鹏 · 刘攀 · Chow, Andy H.F. · Lam, William H.K. · Ma, Wei · Han, Yu · Wong, Siu-Chung

Transportation Research, Part C: Emerging Technologies 2024

参数信息

最优数据集存在性

1

验证地点数

4

技术优势

偏差更小

平均过程中损失的 HR 变异性越小，模型估计的平均绝对偏差越小。

能找到最优数据

对任意完整平均数据集，本文证明必然存在一个使平均绝对偏差最小的最优数据集，并提供了确定方法。

可显著降低偏差

在四个真实地点的数据上验证，与完整平均数据集相比，使用实用最优数据集估计的模型平均绝对偏差显著降低。

应用场景

• 交通流建模：提高速度-密度关系模型的标定精度，减少偏差。
• 智能交通数据融合：处理多分辨率数据融合时避免平均造成的信息损失。