Abstract
A frequent problem of traffic flow characteristics acquisition is data loss, which leads to uneven time series analysis. An effective approach to uneven data analysis is the spectral analysis, which requires obtaining process with a constant sampling interval, for example, by restoring missing data, which leads to the appearance of dating error. Thus, the main purpose of this study is to develop a method and software for wavelet analysis of traffic flow characteristics without restoring the missing data.
 To analyze and interpret non-stationary uneven time series obtained from traffic monitoring systems, we propose the wavelet transformation method with adjustment of the sampling intervals, which results in a time-frequency domain with a constant sampling interval. Wavelet analysis is applied to the macroscopic traffic flow characteristics.
 We developed the software for traffic flow wavelet analysis on the "ITSGIS" intelligent transport geo-information framework using the attribute-oriented approach.
 Wavelet analysis of traffic flows characteristics using Morlet wavelets was accomplished for data analysis of the city of Aarhus, Denmark. Wavelet spectra and scalograms were constructed and analyzed, general dependencies in the frequency distribution of extremes, and differences in spectral power were revealed.
 The developed software is being experimentally tested in solving practical problems of municipalities and road agencies in Russia.
Highlights
To analyze and interpret non-stationary uneven time series obtained from traffic monitoring systems, we propose the wavelet transformation method with adjustment of the sampling intervals, which results in a time-frequency domain with a constant sampling interval
We developed the software for traffic flow wavelet analysis on the "ITSGIS" intelligent transport geo-information framework using the attribute-oriented approach
Mode Decomposition Based Hybrid Model for Traffic Flow Prediction // Proceedings of IEEE Third International Conference on Data Science in Cyberspace (DSC)
Summary
Часто встречающейся проблемой при получении характеристик транспортных потоков с технических устройств является потеря исходных данных, которая приводит к необходимости решения задачи анализа неэквидистантных временных рядов. Для анализа и интерпретации нестационарных неэквидистантных временных рядов, полученных из систем мониторинга транспортных потоков, предлагается использовать метод вейвлет-преобразования с подстройкой интервалов дискретизации, результатом которого является частотно-временная развертка с равномерным представлением. Для анализа и интерпретации нестационарных неэквидистантных временных рядов, полученных из систем мониторинга ТП, предлагается использовать метод вейвлет-преобразования с частотно-временной разверткой с равномерным представлением: 1. Вейвлет Морле обладает преимуществом перед другими базисными вейвлетами с точки зрения анализа характеристик ТП — позволяет влиять на выбор ширины окна и доминантной частоты, отвечающей за избирательность вейвлета, что дает возможность настроить функцию для получения наиболее точных результатов как по частоте, так и по времени. Программное обеспечение, реализующее предложенный метод вейвлет-анализа характеристик ТП, разработано с использованием атрибутноориентированного подхода [37] на фреймворке ITSGIS [38], предназначенном для построения интеллектуальных транспортных геоинформационных систем. Nscale - число масштабов, Nshift - число сдвигов, kMorlet, alpha параметры вейвлета Морле
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
