【技术实现步骤摘要】
一种基于SAE-GAN-SAD的路网交通数据修复方法
本专利技术涉及一种基于SAE-GAN-SAD的路网交通数据修复方法，本专利技术属于智能交通领域。
技术介绍
道路交通流数据的完整性对智能交通系统中道路交通流预测与实时道路调控有着直接的影响。现实道路交通系统中，由于传感器故障以及各种不可抗因素造成的交通流数据缺失问题普遍存在。因此，道路交通流数据修复对智能交通系统的发展有着重要的意义。现阶段的道路交通数据修复的方法主要有利用时间信息或者空间关系对缺失数据进行修复，利用时间相关性进行数据修复的常见算法有历史平均法，移动平均法，指数平滑法等；利用空间相关性进行数据修复的常见算法有基于灰色残差GM(1，N)算法，K最近邻算法等。但是大部分修复算法不能充分挖掘道路交通数据潜在的数据特征，因此数据修复精度不高。
技术实现思路
为了克服已有技术的不足，本专利技术提供一种基于SAE-GAN-SAD的路网交通数据修复的方法，根据路网实时数据，依据已知交通数据采用SAE-GAN-SAD模型对缺失数据进行实时修复，...
【技术保护点】
1.一种基于SAE-GAN-SAD的路网交通数据修复的方法，其特征在于，所述方法包括以下步骤：/n1)获取路网交通数据，构建堆栈自编码器，并对道路交通数据进行特征提取：获取路网中多条路段的道路交通状态数据，并根据多个自编码器构建堆栈自编码器，将路网交通数据作为堆栈自编码器的输入，提取道路交通状态数据时空特征；/n2)构建生成对抗网络模型进行对抗训练：确定生成器与判别器的结构，共同构建成生成对抗网络模型，并将提取的道路交通状态时空特征作为生成器的输入，分别定义生成器与判别器的损失函数，使生成器与判别器同时进行对抗训练，实现根据缺失数据时空特征生成完整数据时空特征；/n3)根据...
【技术特征摘要】
1.一种基于SAE-GAN-SAD的路网交通数据修复的方法，其特征在于，所述方法包括以下步骤：
1)获取路网交通数据，构建堆栈自编码器，并对道路交通数据进行特征提取：获取路网中多条路段的道路交通状态数据，并根据多个自编码器构建堆栈自编码器，将路网交通数据作为堆栈自编码器的输入，提取道路交通状态数据时空特征；
2)构建生成对抗网络模型进行对抗训练：确定生成器与判别器的结构，共同构建成生成对抗网络模型，并将提取的道路交通状态时空特征作为生成器的输入，分别定义生成器与判别器的损失函数，使生成器与判别器同时进行对抗训练，实现根据缺失数据时空特征生成完整数据时空特征；
3)根据生成器生成的时空特征重构修复后完整交通数据：获取经生成对抗网络对抗训练完成后生成的交通状态数据时空特征，利用堆栈自解码器解码出修复后的交通状态数据，实现道路交通状态数据修复。
2.如权利要求1所述的基于SAE-GAN-SAD的路网交通数据修复的方法，其特征在于，所述步骤1)的过程如下：
步骤1.1：获取交通状态数据
获取路网中n条路段的交通状态数据，记做X＝[X1,X2,…,Xn]，其中Xi＝[xi1,xi2,...,xiT](i＝1,2，…n)代表第i条路段共计T个时刻的交通状态数据，xit(t＝1,2,3,…，T)代表第i条路段在第t时刻的交通状态，利用一个掩模矩阵M记录交通状态数据缺失的状态，其中M＝[M1,M2,...,Mn]，Mi＝[mi1,mi2,...,miT]，mit表示第i条路段在第t时刻的交通状态数据是否缺失，表示如下：
记作含有缺失数据的交通状态数据为其中*代表矩阵对应元素相乘；
步骤1.2：构建N(N≥2)层堆栈自编码器
N层堆栈自编码器的基本结构由N个自编码器堆栈构成，自编码器通过对输入数据的编码与解码过程获取输入数据的特征表达；
构建第一层自编码器，编码器...
【专利技术属性】
技术研发人员：徐东伟，魏臣臣，林臻谦，戴宏伟，彭鹏，周磊，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。