《基于GPS实时数据的在线过滤与补遗研究》是一篇探讨如何提高GPS数据质量和可靠性的学术论文。文章主要关注在智能运输系统（ITS）中，如何利用GPS数据进行实时交通流量预测和交通诱导服务。作者包括米葛晓锋、曹斌、郑静静、邓明荣和沈祖志，分别来自浙江省交通厅信息中心和浙江大学计算机学院及管理学院。
摘要中指出，由于GPS原始数据存在随机或系统误差，因此研究有效的数据过滤和补遗方法对于准确预测交通流量至关重要。研究者通过分析GPS历史数据，以最小化变异系数为目标，选择了最佳的GPS数据过滤模型。同时，针对实时数据的缺失，提出了两种补遗算法。接着，他们提出了一种基于动态GPS实时数据的在线数据过滤与补遗一体化算法。最终，通过对2008年杭州市GPS历史数据的应用验证了模型的效果。实验结果显示，基于简单算术平均的滤波模型是过滤GPS数据的最佳选择，而基于时间序列的缺失数据快速补遗算法则能满足实时预报需求，实现高效的数据补遗。
本文涉及的关键知识点包括：
1. GPS定位系统：全球定位系统（GPS）是一种卫星导航系统，用于提供地理位置和时间信息。在交通管理中，GPS数据可以用于实时跟踪车辆位置，进而分析交通流量。
2. 数据过滤：数据过滤是指从原始数据中去除噪声或错误信息的过程，以提高数据质量。在本研究中，作者基于变异系数最小化原则，选取最优的过滤模型，以提高GPS数据的准确性。
3. 数据补遗：当数据存在缺失时，数据补遗旨在填充这些空缺。本研究提出了两种补遗算法，并强调了快速补遗在实时预报中的重要性。
4. 变异系数：变异系数是统计学中衡量数据分布离散程度的指标，用于选择最优过滤模型。
5. 在线算法：在线算法是在数据流到来时实时处理的算法，适合处理不断变化的GPS实时数据。
6. 智能运输系统（ITS）：集成信息技术、通信技术和交通工程的系统，用于提升交通效率和安全性。GPS数据在ITS中的应用包括交通流量预测和交通诱导。
7. 实时交通流量预测：通过分析GPS数据，预测未来某一时刻的交通流量，有助于交通管理和规划。
8. 交通诱导：根据实时交通状况，为驾驶员提供最优路线建议，以减少拥堵和提高道路利用率。
通过以上研究，作者为GPS数据处理提供了一套实用的方法，不仅提升了数据质量，也为智能交通系统的实时服务提供了有力支持。
