一种修复交通流异常数据的改进KNN算法

现场采集的交通流数据经常出现错误与缺失等异常现象。为有效修复交通流异常数据，文中提出一种改进的KNN算法——相关系数-调幅权重法。该算法采用每天采集的所有数据构造固定长度状态向量，以适应异常数据随机分布的特点；采用相关系数筛选近邻指标，以满足近邻须为相似交通流的要求；采用相关系数和调幅系数对传统距离倒数权重进行修正，以克服相关系数过小和近邻距离过远带来的不利影响。基于实测交通流数据进行蒙特卡洛分析，结果表明该算法具有良好的数据修复能力，能适应近邻相关系数与欧式距离严重背离的情况。