基于图张量分解的交通数据处理方法技术

本发明专利技术涉及一种基于图张量分解的交通数据处理方法。该方法将张量转换到图频域并施加时间约束项，以准确估计缺失的交通流量；包括以下步骤：步骤S1：将交通流量数据构造为图张量模型；步骤S2：将图张量分解为两个低秩图张量；步骤S3：构建时间平滑约束；步骤S4：设计目标函数并求解，即在时间平滑约束条件下对两个低秩图张量进行更新优化；步骤S5：利用更新后的两个低秩图张量重建交通流量数据。本方法充分利用交通流量数据的拓扑图结构，以较高的精度恢复出缺失的交通流量数据，为智能交通系统的应用提供参考。

【技术实现步骤摘要】
基于图张量分解的交通数据处理方法
本专利技术涉及图张量分解领域以及交通数据处理领域，特别是一种基于图张量分解的交通数据处理方法。
技术介绍
交通流量数据的恢复对智能交通系统的应用至关重要，因而受到广泛关注。在现代生活中，人们越来越依赖于使用汽车做交通工具出行。导致道路上的车辆越来越多，道路越来越拥堵。如何缓解交通压力成为一个亟待解决的社会问题。在此背景下，利用先进的计算机技术实现对交通系统的智能化管理，指导汽车避开高峰出行和拥堵是缓解交通压力的有效手段。在智能交通系统的应用中，对道路状况的判断和检测依赖于实时且准确地交通数据。交通数据往往由分布在道路上的传感器收集得到。然而由于种种原因，比如传感器损坏、电量用尽、通信故障等等，导致得到的交通数据往往会存在缺失。这就要求我们能够利用现有的不完整的交通数据，以尽可能改动精度恢复出未知的交通数据。为交通系统的路网监控和智能化管理提供依据。关于交通流量恢复的研究主要分为两类:矩阵填充和张量填充。矩阵填充最早由Candès提出，可以应用到交通数据的恢复中。张量填充是矩阵填充往更高维度的拓展本文档来自技高网...

【技术保护点】
1.一种基于图张量分解的交通数据处理方法，其特征在于，包括以下步骤：/n步骤S1、将交通流量数据构造为图张量模型；/n步骤S2、将图张量分解为两个低秩图张量；/n步骤S3、构建时间平滑约束；/n步骤S4、设计目标函数并求解，即在时间平滑约束条件下对两个低秩图张量进行更新优化；/n步骤S5、利用更新后的两个低秩图张量重建交通流量数据。/n

【技术特征摘要】
1.一种基于图张量分解的交通数据处理方法，其特征在于，包括以下步骤：
步骤S1、将交通流量数据构造为图张量模型；
步骤S2、将图张量分解为两个低秩图张量；
步骤S3、构建时间平滑约束；
步骤S4、设计目标函数并求解，即在时间平滑约束条件下对两个低秩图张量进行更新优化；
步骤S5、利用更新后的两个低秩图张量重建交通流量数据。


2.根据权利要求1所述的基于图张量分解的交通数据处理方法，其特征在于，所述步骤S1实现方式为：
假设一个交通道路网络中包含n3个传感器，用于测量一段时间间隔，即时隙内通过的车流量；这n3个传感器在每天n1个时隙里分别记录通过的车流量，持续记录n2天；得到的数据记为图张量：其中，用表示第k个传感器在第j天的第i个时隙所记录到的车流量。


3.根据权利要求1所述的基于图张量分解的交通数据处理方法，其特征在于，所述步骤S2包括以下步骤：
步骤S21、一个图各节点的连接关系可以用拉普拉斯矩阵L0来表示；在已知L0的情况下，首先对L0进行特征分解：
L0＝USU*
其中，U*是U的厄密特共轭；
步骤S22、利用图傅里叶变换将带有缺失数据的图张量转换到图傅里叶域，记为即：



其中，×3是模乘；
步骤S23、将分解为两部分：和首先给出矩阵LR分解的定义；
定义：已知一个矩阵X的SVD分解为：X＝MΣN；那么X的LR分解可以表示为：
X＝LR，
其中，
那么，将的第k个前向切片进行LR分解得到：对的每一个前向切片都进行如上操作，就可以将分解为和两部分。


4.根据权利要求3所述的基于图张量分解的交通数据处理方法，其特征在于，所述步骤S3包括以下步骤：
...

【专利技术属性】
技术研发人员：郑海峰，邓雷，陈耿，冯心欣，陈由甲，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35