The problem of imputation of the missing data from the continuous counts of road traffic

• Autorzy: Spławińska M.

Identyfikatory

DOI

10.1515/ace-2015-0009

• Języki publikacji: EN

Abstrakty

EN

Missing traffic data is an important issue for road administration. Although numerous ways can be found to impute them in foreign literature (inter alia, the most effective method, that is Box-Jenkins models), in Poland, still only proven and simplified methods are applied. The article presents the analyses including an assessment of the completeness of the existing traffic data and works related to the construction of SARIMA model. The study was conducted on the basis of hourly traffic volumes, derived from the continuous traffic counts stations located in the national road network in Poland (Golden River stations) from the years 2005 – 2010. As a result, the proposed model was used to impute the missing data in the form of SARIMA (1.1,1)(0,1,1)168. The newly developed model can be used effectively to fill in the missing required days of measurement for estimating AADT by AASHTO method. In other cases, due to its accuracy and laboriousness of the process, it is not recommended.

Słowa kluczowe

EN

road traffic; data collection; imputation; missing data; SARIMA model

PL

ruch drogowy; zbiór danych; przypisanie; dane brakujące; model SARIMA

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2015
• Tom: Vol. 61, nr 1
• Strony: 131--145
• Opis fizyczny: Bibliogr. 22 poz., il., tab.

Twórcy

autor

Spławińska M.

• Cracow University of Technology, Faculty of Civil Engineering

Bibliografia

• 1. Zbieranie, archiwizacja i analizy danych ze stacji ciągłych pomiarów ruchu, Etap III, Archiwizacja wyników pomiarów ze stacji GR i PAT oraz analiza wyników pomiarów ze stacji F-P, RPP-2 i RPP-5 za okres od 01.11 do 31.12.2004, Transprojekt – Warszawa Sp. z o.o., Warszawa 2005
• 2. Zbieranie, archiwizacja i analizy danych ze stacji ciągłych pomiarów ruchu w roku 2008, Etap III, Analiza roczna i edycja wyników pomiarów prowadzonych w stacjach GR i PAT w roku 2009, Transprojekt – Warszawa Sp. z o.o., Warszawa 2010
• 3. S. Sharma, P. Lingras, M. Zhong “Effect of Missing Values Estimations on Traffic Parameters”, Transporatation Planning and Technology, Vol.27, No.2, 119-144, 04.2004
• 4. M. Zhong, P. Lingras, S. Sharma “Estimation of missing traffic counts using factor, genetic, neural, and regression techniques”, Transport Research Part C: Emerging Technologies Volume 12, Issue 2, 139-166, 04.2004
• 5. AASHTO Guidelines for Traffic Data Programs, American Association of State Highway and Transportation Officials, 1992
• 6. Federal Highway Administration (FHWA), Traffic Monitoring Guide, 2001
• 7. S. Datla, S. Sharma “Consideration of Weather Conditions to Estimate Missing Traffic Data”, Transportation Research Record: Journal of the Transportation Research Board 2049, 71-80, Washington DC 2008
• 8. M. Zhong, S. Sharma, P. Lingras “Genetically Designed Models for Accurate Imputations of Missing Traffic Counts”, Transport Research Record 1879, 71-79, Washington DC 2004
• 9. M. Zhong, S. Sharma, P. Lingras “Matching Patterns for Updating Missing Values of Traffic Counts. Transportation Planning and Technology”, Vol. 29, No.2, 141 ÷ 156, 04.2006
• 10. B. Ghosh, B. Basu, M. O’Mahony “A Bayesian Time-Series model for Short-Term Traffic Flow Forecasting”, Journal of Transportation Engineering, Volume 133, Issue 3, 180-189, 03.2007
• 11. M. Sabry, H. Abd-El-Latif, S. Yousef, N. Badra “Use of Box and Jenkins Time Series Technique in Traffic Volume Forecasting”, Research Journal of Social Sciences, 83-90, 2007
• 12. Y. Zhang, L. Yuncai “Comparison of Parametric and Nonparametric Techniques for Non-peak Traffic Forecasting”, World Academy of Science, Engineering and Technology 51, 236-242, 2009
• 13. M. Zhong, S. Sharma, P. Lingras “Genetically-Designed Time Delay Neural Networks for Multiple-interval Urban Freeway Traffic Flow Forecasting”, Neural Information Processing – Letters and Reviews, Vol.10, Nos. 8-9, 201-209, 08.-09.2006
• 14. P. Lingras, S. Sharma, M. Zhong “Prediction of Recreational Travel using Genetically Designed Regression and Time Delay Neural Network Models”, Transport Research Record 1805, 16-24, Washington DC 2002
• 15. M. Zhong, S. Sharma, P. Lingras “Short-Term Traffic Prediction on Different Types of Roads with Genetically Designed Regression and Time Deley Neural Network Models”, Journal of Computing in Civil Engineering, 94-103, 01.2005
• 16. M. Zhong, S. Sharma, P. Lingras “Refining Genetically designed Models for Improved Traffic Prediction on Rural Roads”, Transporatation Planning and Technology, Vol.28, No.3, 213-236, 06.2005
• 17. A. Sokołowski, Prognozowanie i analiza szeregów czasowych. Kraków, 25 –26.06.2009
• 18. A. Zeliaś, B. Pawełek, S. Wanat “Prognozowanie ekonomiczne teoria, przykłady, zadania”, PWN, Warszawa 2003
• 19. A. Lichota “Prognozowanie krótkoterminowe na lokalnym rynku energii elektrycznej”, Rozprawa doktorska, Akademia Górniczo – Hutnicza, Kraków 2006
• 20. M. Spławińska „Analiza stabilności charakterystyk zmienności natężeń ruchu w dłuższym okresie”, 9902-9911, Logistyka 6/2014
• 21. T. Wright, P. S. Hu, J. Young, A. Lu “Variability in Traffic Monitoring Data”, Final Summary Report, Oak Ridge National Liboratory, US Department of Energy, 08.1997
• 22. A. Olma „Określenie współczynników przeliczeniowych do szacowania natężeń ruchu drogowego w obszarach miejskich”, Praca doktorska, Politechnika Śląska, Gliwice 2005