从哪里开始:不均匀间隔的时间序列,有很多异常值或随机性

机器算法验证 时间序列 卡尔曼滤波器 不均匀间隔时间序列
2022-03-26 16:35:23

我真的不知道什么是可能的,并且想要一个指向正确方向的指针。

我有时间和位置的测量值,可以是步行的人、路上的车辆、停车场或办公室的打印机。我需要计算两点之间车辆的行程时间。他们可能走的是一条蜿蜒的路线,甚至需要几天的时间才能从 A 到 B。或者他们可能是行人,或者是紧急服务车辆。

我想要一辆普通车辆沿主要路线的估计行程时间。

只要有人足够靠近具有特定半径的检测器,就会进行检测。有时检测很少,这可能意味着道路是空的,行车时间会很好,尽管它可能表明道路封闭,行车时间会很糟糕。或者可能有很多检测显示交通没有移动,并且可能正在排队关闭道路,但其他车辆正在以正常速度行驶。

这些图看起来像随机噪声。

编辑:

目前我正在研究两种方法:

  1. 使用四分位距丢弃异常值
  2. 使用卡尔曼滤波器。

我认为过滤器是错误的方式,因为我没有旅程时间的模型,除了时不时我不希望它有太大变化。

1个回答

我不知道是否能给你一个预期的答案,但我认为在这种情况下,一些贝叶斯方法会很好。

您可能想看看粒子滤波器而不是卡尔曼,因为我怀疑在这种情况下为卡尔曼滤波器设置正确的模型可能是一个问题。如果你想使用卡尔曼,有不同类型的滤波器,其中一些需要对误差协方差有很好的了解,这可能会造成麻烦,但有些可以用 Mante Carlo 计算。看看无味卡尔曼滤波器。

您可能还喜欢http://www.udacity.com/overview/Course/cs373/CourseRev/apr2012,因为它解释了有关移动车辆和谷歌自动驾驶汽车估计的一些基本知识。(它在python中)。

也许您问题中的更多细节会更有帮助,您可以获得更准确的答案。