【技术实现步骤摘要】
一种面向复杂城市交通网络的缺失流量数据恢复方法
本专利技术属于数据挖掘和智能交通领域，涉及缺失数据恢复，是一种面向复杂城市交通网络的缺失交通流量数据恢复方法。
技术介绍
随着交通信息化的快速发展,交通数据爆炸式地增长。其中单位时间过车量是描述交通流的一个重要指标，其变化规律反应了交通流基本性质。但是因为采集、传输或存储的故障，数据会存在错误、丢失的问题。据的缺失不仅降低了数据的有效性，同时也给后续的工作带来了困扰。残缺交通数据恢复是针对海量交通数据的有效化处理，对交通管理系统(TMS)和智能交通系统(ITS)的后续分析有着重要意义。迄今为止，有大量的研究文献对交通缺失数据恢复进行了大量研究。也有许多预测研究中着重强调了针对缺失数据的处理。从利用交通数据特性可以归纳为：利用时间关联和利用时空关联性两种。在利用时间关联性方面,最初有一些研究利用交通数据的周期性通过计算历史平均值来恢复。例如QiLi等人在《PPCA-basedmissingdataimputationfortrafficflowvolume:asystematicalapproach》中通过日周期性、局...
【技术保护点】
1.一种面向复杂城市交通网络的缺失流量数据恢复方法，其特征在于，包括以下步骤：第一步：通过道路视频监控获取公众出行信息，其中包括车牌号、过车时间和卡口编号三个属性。从中提取车辆原始轨迹数据以及对应卡口流量数据；第二步：通过轨迹挖掘将路网中的相近卡口映射到矩阵空间中相近的位置，利用词嵌入和数据降维方法获取卡口在二维空间中的向量表达,并离散化二维向量空间获取路网的矩阵化表达，并将卡口的流量对应填入矩阵构成路网流量图片；第三步：基于卷积神经网络和多模态神经网络结构，构建缺失数据恢复模型；将恢复后的路网完整数据作为输入进行迭代计算，训练模型；第四步：利用训练完成的模型，对缺失路网流量进行恢复。
【技术特征摘要】
1.一种面向复杂城市交通网络的缺失流量数据恢复方法，其特征在于，包括以下步骤：第一步：通过道路视频监控获取公众出行信息，其中包括车牌号、过车时间和卡口编号三个属性。从中提取车辆原始轨迹数据以及对应卡口流量数据；第二步：通过轨迹挖掘将路网中的相近卡口映射到矩阵空间中相近的位置，利用词嵌入和数据降维方法获取卡口在二维空间中的向量表达,并离散化二维向量空间获取路网的矩阵化表达，并将卡口的流量对应填入矩阵构成路网流量图片；第三步：基于卷积神经网络和多模态神经网络结构，构建缺失数据恢复模型；将恢复后的路网完整数据作为输入进行迭代计算，训练模型；第四步：利用训练完成的模型，对缺失路网流量进行恢复。2.根据权利要求1所述的一种面向复杂城市交通网络的缺失流量数据恢复方法，其特征在于，所述利用基于词嵌入技术改进的卡口嵌入模型，根据车辆轨迹和滑动时间窗口，训练获得能体现卡口间关联性的卡口向量。具体包括：卡口嵌入模型分为两层：第一层是映射层，即卡口嵌入的输出，卡口li经过映射v获得卡口高维向量v(li)。第二层是预测层，根据第一层输出的卡口向量v(li)预测其附近卡口。为解决分类结果太多导致的计算量太大问题，采用计算代价函数时负采样计算，即训练的目标是将高概率分配给真实的附近卡口，同时低概率分配给随机选择的对比卡口。3.根据权利要求2所述的一种面向复杂城市交通网络的缺失流量数据恢复方法，其特征在于，还包括通过扩散-收缩算法将卡口二维向量li∈O,其中O是路网中所有卡口集合，在尽可能保留相对位置的前提下放入矩阵中。包括以下三步：首先用一定大小的网格切割该欧式空间，切割完成后会出现一些方格内没有卡口点，一些方格内有一个点，一些方格内有多个点；然后由中心向外扩散将一个有多个点的方格中的点向外扩散；最后，因为上一步扩散会产生一些不必要的空隙，所以需要收缩。4.根据权利要求3所述的一种面向复杂城市交通网络的缺失流量数据恢复方法，其特征在于，所述扩散-收缩算法具体包括：S22切割:首先通过随机采样计算卡口点密度dnodes,然后根据密度确定方格边长长度:接下来，以box_length为方格边长将欧式空间分割，得到一个矩阵M，bi,j表示M的第i行，第j列元素，经过切割后的矩阵中有三种类型的元素：没有包含任何卡口的，包含一个卡口的，包含多个卡口的；S23扩散：将多余的点由内向外扩撒，从处理中心方格开始，处理顺序为一圈一圈地...
【专利技术属性】
技术研发人员：肖云鹏，帅杰，刘宴兵，朱耀堃，刘浩宇，朱萌钢，李暾，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。