一种智能网联交通数据修复方法技术

本公开实施例中提供了一种智能网联交通数据修复方法，属于数据处理技术领域，具体包括：步骤1，通过生成器提取交通流历史数据的隐藏特征并与待修复片段融合，得到融合特征；步骤2，将融合特征输入生成器的时空模块挖掘交通流的时空关联性，得到待修复片段对应的修复值。通过本公开的方案，将待修复片段历史片段融合，再将其与待修复片段加权求和，从而挖掘历史片段内隐藏的高级语义信息，在捕获交通流的长期时间关联特征的同时不大幅增加模型参数和计算时间，然后，融合多头时空注意力与图卷积门控循环单元，深度挖掘交通流内在的时空关联性，并得到修复数据，提高了数据修复的实时性和精准度。时性和精准度。时性和精准度。

【技术实现步骤摘要】
一种智能网联交通数据修复方法


[0001]本公开实施例涉及数据处理
，尤其涉及一种智能网联交通数据修复方法。

技术介绍

[0002]交通流量具有时空特性，能反映实时的交通拥堵情况，对主动管控、应急处理等研究都具有重大意义。随着我国高速公路里程的不断增加和ETC设备的普及，人们可以持续获得大量高速公路流量数据。同时，伴随智能网联车辆的快速增长，智能网联数据由于其灵活性、多样性和时效性，为高速公路设备稀疏的地方提供了数据补充。因此，智能网联数据也成为了智慧高速交通流数据的重要组成部分。但由于设备故障、漏检多检、网络故障等现象，数据中往往会存在缺失值异常值等问题。而缺失的数据通常会限制预测模型的性能，并影响到高速公路主动管控的决策。
[0003]总体来看，国内外现有交通数据修复方法可以分为基于统计学的方法、基于深度学习的方法和基于张量分解的方法三种类型。其中，基于统计学的修复方法主要是通过时间序列变化关系，挖掘时间维度上的内在联系，从而估计缺失点的大小。基于深度学习的修复方法大多采用了图神经网络和循环神经网络等可以发现交通流数据中时空关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能网联交通数据修复方法，其特征在于，包括：步骤1，通过生成器提取交通流历史数据的隐藏特征并与待修复片段融合，得到融合特征；步骤2，将融合特征输入生成器的时空模块挖掘交通流的时空关联性，得到待修复片段对应的修复值。2.根据权利要求1所述的方法，其特征在于,所述步骤1之前，还包括：利用WGAN进行生成器和判别器的对抗训练，调整生成器的超参至判别器无法辨别观测值和修复值。3.根据权利要求2所述的方法，其特征在于,所述步骤1具体包括：步骤1.1，设待修复片段为X
t
∈R
N
×
T
，待修复片段对应的前p个片段为X
r
∈R
N
×
p*T
,前p天的片段为X
d
∈R
N
×
p*T
,前p周的片段为X
w
∈R
N
×
p*T
，将X
r
,X
d
,X
w
通过一个共享的全连接层转换成H
q
∈R
N
×
p*T
×
D
,q∈{r,d,w}；步骤1.2，使用扩散卷积和门控机制提取历史片段的隐藏特征步骤1.3，将隐藏特征加权求和得到H
f
并与待修复片段融合，得到融合特征。4.根据权利要求3所述的方法，其特征在于,所述隐藏特征的计算公式为其中，W
q1
,W
q2
表示扩散卷积核，b
q1
,b
q2
表示偏差项；所述融合特征的计算公式为其中，z
v
＝Z[v,:,:]...

【专利技术属性】
技术研发人员：唐进君，段一鑫，黄合来，李烨，周波，陈吉光，薛红丽，
申请(专利权)人：湖南纽狐科技有限公司，
类型：发明
国别省市：