Bắt đầu từ đâu: Chuỗi thời gian cách đều nhau, với rất nhiều ngoại lệ hoặc ngẫu nhiên


8

Tôi thực sự không biết những gì có thể, và muốn một con trỏ đi đúng hướng.

Tôi có các phép đo thời gian và vị trí có thể là bất cứ thứ gì từ một người đi bộ, phương tiện trên đường hoặc trong bãi đậu xe hoặc máy in trong văn phòng. Tôi cần phải tính toán thời gian hành trình cho các phương tiện giữa hai điểm. Có thể họ đi theo con đường uốn khúc, hoặc thậm chí mất nhiều ngày để đi từ A đến B. Hoặc họ có thể là người đi bộ hoặc phương tiện dịch vụ khẩn cấp.

Tôi muốn thời gian hành trình ước tính cho một chiếc xe bình thường dọc theo tuyến đường chính.

Các phát hiện là bất cứ khi nào ai đó đủ gần máy dò, có bán kính cụ thể. Đôi khi có rất ít sự phát hiện, điều đó có thể có nghĩa là con đường trống rỗng và thời gian hành trình sẽ tốt, mặc dù nó có thể cho thấy con đường đã bị đóng, và thời gian hành trình sẽ rất khủng khiếp. Hoặc có thể có rất nhiều phát hiện cho thấy giao thông không di chuyển, và nó có thể đang xếp hàng để tắt đường, nhưng các phương tiện khác đang di chuyển với tốc độ bình thường.

Các ô trông giống như tiếng ồn ngẫu nhiên.

BIÊN TẬP:

Hiện tại tôi đang xem xét hai phương pháp:

  1. Sử dụng phạm vi liên vùng để loại bỏ các ngoại lệ
  2. Sử dụng bộ lọc Kalman.

Tôi nghĩ rằng bộ lọc là con đường sai lầm khi tôi không có một mô hình cho thời gian hành trình khác với từng khoảnh khắc tôi không hy vọng nó sẽ thay đổi nhiều.


1
Đây trông giống như một tác phẩm đòi hỏi một bài báo phương pháp luận trong Biên niên sử thống kê ứng dụng và một bài viết thực chất trong Tạp chí Nghiên cứu Giao thông vận tải . Bạn không nên mong đợi cộng đồng viết cả hai bài báo cho bạn trong cả câu trả lời cũng như bình luận, và muốn tìm kiếm sự hợp tác của một nhà thống kê giao thông hoặc nhà kinh tế. Hoặc ném nó vào một sinh viên tốt nghiệp về thống kê hoặc kinh tế như một chủ đề luận văn.
StasK

2
@StasK Tôi không mong đợi cộng đồng viết bài cho tôi, tôi đã yêu cầu con trỏ đi đúng hướng. Cảm ơn bạn đã cho tôi biết rằng đây là một công việc đáng kể, mặc dù.
Peter Wood

Tôi nghĩ đó là, đó là tất cả những gì tôi muốn nói. Nếu bạn có các khoảng thời gian không đồng đều, bạn có thể muốn xem xét sử dụng mô hình biến thiên và mô hình hóa, thường được coi là một công cụ thống kê không gian.
StasK

@StasK Tôi không nghĩ rằng kuceing và variograms là những gì tôi cần. Hình dạng của tuyến đường giữa hai điểm tương đối không rõ và không quan trọng trong loại kết quả mà chúng tôi đang tìm kiếm. Chúng tôi có hai điểm với các phát hiện tại mỗi điểm, và rất nhiều phát hiện hành trình không có thật. Chúng tôi muốn lọc tiếng ồn và có được ước tính tốt về tình trạng đường hiện tại và lịch sử. Rất cảm ơn sự quan tâm của bạn.
Peter Wood

Câu trả lời:


1

Tôi không biết nếu có thể cung cấp cho bạn một câu trả lời mong đợi, nhưng tôi nghĩ rằng một số phương pháp Bayes sẽ tốt trong trường hợp này.

Bạn có thể muốn xem qua các bộ lọc hạt thay vì Kalman vì tôi nói rằng đó có thể là một vấn đề để thiết lập mô hình chính xác cho bộ lọc Kalman trong trường hợp này. Nếu bạn muốn dùng Kalman, có nhiều loại bộ lọc khác nhau và một số trong số chúng yêu cầu kiến ​​thức tốt về hiệp phương sai, có thể gây rắc rối, nhưng một số có thể tính toán với Mante Carlo. Hãy xem Bộ lọc Kalman không có nhãn.

Bạn cũng có thể thích http://www.udacity.com/overview/C thuyết / cs373 / CferenceRev / apr2012 vì nó giải thích một số điều cơ bản về ước tính cho phương tiện di chuyển và xe tự lái của google. (và nó ở trăn).

Có thể một số chi tiết trong câu hỏi của bạn sẽ hữu ích hơn và bạn có thể nhận được câu trả lời chính xác hơn.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.