CIM：插补时空数据框架2021篇

基于联合矩阵分解的交通拥堵数据缺失数据填补

paper link

摘要：
现实中，由于一些意外错误而造成部分交通数据的缺失是不可避免的，这不仅影响交通管理，也阻碍了交通数据研究的发展。在本文中，我们提出了一种基于联合矩阵分解的交通拥堵数据插补模型（简称CIM）。 CIM 对交通拥堵模式的特征（包括周期性、道路相似性和时间相干性）进行联合建模，以估计缺失的拥堵值。具体来说，我们首先根据交通拥堵数据构建一个 3 阶张量。然后，我们利用空间和时间信息，通过联合矩阵分解对周期性和道路相似性进行建模。最后，我们将局部约束纳入矩阵分解过程中，以确保时间相干性。真实交通数据集上的实验结果表明，同时对拥堵模式的三个特征进行建模是有效的，并且 CIM 优于缺失交通数据插补任务的基线。

引言
近年来，交通拥堵问题引起了研究者的广泛关注，它与人们的日常生活和城市发展有着密不可分的关系。海量的交通数据使得交通领域的研究成为可能，例如交通流预测、出行时间预测和交通拥堵预测，有助于缓解交通拥堵并有效管理交通[1-9]。例如，根据预测的交通状况，当局可以优化交通信号灯时间，人们可以动态调整