交通数据补全方法、系统及存储介质技术方案

本申请公开了一种交通数据补全方法，先获取第一交通数据序列，第一交通数据序列为缺失数据的序列；然后获取第一交通数据序列中每一个缺失数据对应的离散属性；然后根据离散属性与第一交通数据序列，得到第一交通数据序列对应的多维度数据嵌入；根据多维度数据嵌入得到情景嵌入；将情景嵌入输入至Transformer结构，得到学习结果；将学习结果输入至全连接网络，得到补全数据，以补全缺失的交通数据，能够为智能交通系统提供数据支持，以便于智能交通系统完成城市交通规划和管理。统完成城市交通规划和管理。统完成城市交通规划和管理。

【技术实现步骤摘要】
交通数据补全方法、系统及存储介质


[0001]本申请涉及城市交通
，特别涉及一种交通数据补全方法、系统及存储介质。

技术介绍

[0002]智能运输系统在优化交通路网的工作中扮演了重要的角色，为了能够分析和避免交通拥堵现象，智能运输系统需要大量完整、准确、实时的交通数据。我国当前已在主要的交通路段安装了大量不同类型的检测器，如感应线圈检测器,微波传感器,视频检测器等,以便给交通拥堵的分析提供数据基础。这些检测器可以采集到多种类型的交通流数据，如速度,占有率,交通流量等。
[0003]然而，交通数据采集过程中因各种因素存在信息丢失或采集异常，严重情况下可能因设备故障导致大量数据丢失。大多数情况下，研究人员难以获得可用的高质量数据集，而是获得部分缺失的数据甚至稀疏数据。

技术实现思路

[0004]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种交通数据补全方法、系统及存储介质，能够补全缺失的交通数据。
[0005]本申请第一方面实施例提供了一种交通数据补全方法，包括：
[0006]获取第一交通数据序列，所述第一交通数据序列为缺失数据的序列；
[0007]获取所述第一交通数据序列中每一个缺失数据对应的离散属性；
[0008]根据所述离散属性与所述第一交通数据序列，得到所述第一交通数据序列对应的多维度数据嵌入；
[0009]根据所述多维度数据嵌入得到情景嵌入；
[0010]将所述情景嵌入输入至Transformer结构，得到学习结果；
[0011]将所述学习结果输入至全连接网络，得到补全数据。
[0012]根据本申请第一方面实施例的交通数据补全方法，至少具有如下有益效果：本申请实施例的交通数据补全方法，先获取第一交通数据序列，第一交通数据序列为缺失数据的序列；然后获取第一交通数据序列中每一个缺失数据对应的离散属性；然后根据离散属性与第一交通数据序列，得到第一交通数据序列对应的多维度数据嵌入；根据多维度数据嵌入得到情景嵌入；将情景嵌入输入至Transformer结构，得到学习结果；将学习结果输入至全连接网络，得到补全数据，以补全缺失的交通数据，能够为智能交通系统提供数据支持，以便于智能交通系统完成城市交通规划和管理。
[0013]根据本申请第一方面的一些实施例，所述Transformer结构包括若干Transformer模块，若干所述Transformer模块依次连接；每个所述Transformer模块均包括多头注意力计算层、全连接层和两层残差层，所述多头注意力计算层、其中一所述残差层、所述全连接层、另一所述残差层依次连接。
[0014]根据本申请第一方面的一些实施例，所述离散属性包括节点、周日期和时间点。
[0015]根据本申请第一方面的一些实施例，所述根据所述离散属性与所述第一交通数据序列，得到所述第一交通数据序列的多维度数据嵌入，包括：
[0016]采用第一线性连接层对所述周日期进行特征提取，得到周日期嵌入；
[0017]采用第二线性连接层对所述时间点进行特征提取，得到时间点嵌入。
[0018]根据本申请第一方面的一些实施例，所述根据所述离散属性与所述第一交通数据序列，得到所述第一交通数据序列的多维度数据嵌入，还包括：
[0019]采用深度游走方法计算所述节点的嵌入，得到节点嵌入。
[0020]根据本申请第一方面的一些实施例，所述根据所述多维度数据嵌入得到情景嵌入，包括：
[0021]将所述周日期嵌入、所述时间点嵌入、所述节点嵌入分别进行归一化处理；
[0022]将进行归一化处理后的所述周日期嵌入、所述时间点嵌入、所述节点嵌入进行拼接，得到所述情景嵌入。
[0023]根据本申请第一方面的一些实施例，所述将所述情景嵌入输入至Transformer结构，得到学习结果，包括：
[0024]将所述情景嵌入分别与第一权重参数、第二权重参数、第三权重参数相关联，具体为：
[0025]Q＝X
·
W
Q
[0026]K＝X
·
W
K
[0027]V＝X
·
W
V
[0028]其中，W
Q
表征所述第一权重参数，W
K
表征所述第二权重参数，W
V
表征所述第三权重参数，X表征所述情景嵌入，Q表征所述多头注意力计算层的自注意力机制中的检索向量，K表征所述多头注意力计算层的自注意力机制中的关键值，V表征所述多头注意力计算层的自注意力机制中的值向量，
·
表征矩阵乘法运算符；
[0029]将所述检索向量、所述关键值、所述值向量输入第一公式，得到学习结果；
[0030]所述第一公式为：
[0031][0032]其中，Att(Q，K，V)表征所述学习结果，表征所述值向量的平方根。
[0033]本申请第二方面实施例提供了一种交通数据补全系统，包括：
[0034]至少一个存储器；
[0035]至少一个处理器；
[0036]至少一个程序；
[0037]所述程序被存储在所述存储器中，所述处理器执行至少一个所述程序以实现：
[0038]如本申请第一方面任一项实施例所述的交通数据补全方法。
[0039]本申请第三方面实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行信号，所述计算机可执行信号用于执行：
[0040]如本申请第一方面任一项实施例所述的交通数据补全方法。
[0041]本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0042]本申请的附加方面和优点结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0043]图1为本申请第一方面的一些实施例的交通数据补全方法的步骤流程图；
[0044]图2为本申请第一方面的一些实施例的交通数据补全方法的步骤流程图；
[0045]图3为本申请第一方面的一些实施例的交通数据补全方法的流程示意图；
[0046]图4为本申请第一方面的一些实施例的交通数据补全方法的步骤流程图。
具体实施方式
[0047]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0048]需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0049]在本申请的描述中，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通数据补全方法，其特征在于，包括：获取第一交通数据序列，所述第一交通数据序列为缺失数据的序列；获取所述第一交通数据序列中每一个缺失数据对应的离散属性；根据所述离散属性与所述第一交通数据序列，得到所述第一交通数据序列对应的多维度数据嵌入；根据所述多维度数据嵌入得到情景嵌入；将所述情景嵌入输入至Transformer结构，得到学习结果；将所述学习结果输入至全连接网络，得到补全数据。2.根据权利要求1所述的交通数据补全方法，其特征在于，所述Transformer结构包括若干Transformer模块，若干所述Transformer模块依次连接；每个所述Transformer模块均包括多头注意力计算层、全连接层和两层残差层，所述多头注意力计算层、其中一所述残差层、所述全连接层、另一所述残差层依次连接。3.根据权利要求1所述的交通数据补全方法，其特征在于，所述离散属性包括节点、周日期和时间点。4.根据权利要求3所述的交通数据补全方法，其特征在于，所述根据所述离散属性与所述第一交通数据序列，得到所述第一交通数据序列的多维度数据嵌入，包括：采用第一线性连接层对所述周日期进行特征提取，得到周日期嵌入；采用第二线性连接层对所述时间点进行特征提取，得到时间点嵌入。5.根据权利要4所述的交通补全方法，其特征在于，所述根据所述离散属性与所述第一交通数据序列，得到所述第一交通数据序列的多维度数据嵌入，还包括：采用深度游走方法计算所述节点的嵌入，得到节点嵌入。6.根据权利要求5所述的交通数据补全方法，其特征在于，所述根据所述多维度数据嵌入得到情景嵌入，包括：将所述周日期嵌入、所述时间点嵌入、所述节点嵌入分别进行归一化处理；将进...

【专利技术属性】
技术研发人员：余剑峤，宋晓壮，叶勇超，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：