Método de Regresión de Características Escasas para la Predicción del Tráfico

La predicción del tráfico es una parte integral de los sistemas de transporte inteligente modernos. Aunque se han propuesto muchas técnicas en la literatura para abordar el problema, la mayoría de ellas se centran casi exclusivamente en la precisión de las predicciones e ignoran otros aspectos importantes del problema. En el presente artículo, se presenta un nuevo método para la predicción del tráfico a gran escala, tanto precisa como rápida, denominado “regresión de características escasas”. Inicialmente, se extrae un conjunto de características seleccionadas cuidadosamente de los datos de tráfico disponibles. Luego, algunas de las características iniciales se vuelven escasas, a saber, se transforman en conjuntos de características escasas. Finalmente, se diseña un modelo de regresión lineal utilizando el conjunto de características escasas, que se entrena al resolver un problema de optimización utilizando una pseudoinversa aproximada escasa como precondicionador. Evaluamos el método propuesto realizando experimentos en dos conjuntos de datos de tráfico del mundo real, y los resultados experimentales mostraron que el método presenta el mejor equilibrio entre la precisión de las predicciones y el tiempo requerido para lograrlas, en comparación con un conjunto de modelos de referencia.