基于时空多尺度矩阵分解的高速公路交通流缺失数据补全方法

本发明公开了基于时空多尺度矩阵分解的高速公路交通流缺失数据补全方法，包括：获取高速公路多源异构交通数据，构建观测矩阵其中N表示空间位置数量，T表示时间步数；采用贝叶斯时序矩阵分解将观测矩阵分解为多尺度空间因子矩阵和时间因子矩阵的乘积；将多尺度空间因子矩阵拆分为路段级、区域级、网络级特征矩阵，引入多阶向量自回归过程建模时间因子矩阵的动态演化；通过贝叶斯推断框架和吉布斯采样算法进行模型参数学习；利用贝叶斯推断得到的W和X重构观测矩阵，输出补全后的数据矩阵。本方法有效解决了传统插值方法表达能力弱、计算复杂度高、对缺失值处理能力有限等问题，显著提高了数据补全精度。