[发明专利]一种交通数据弥补方法

权利要求书

1.一种交通数据弥补方法，其特征在于，该方法包括以下步骤：

步骤S1：按照设定的交通数据缺失率对完整交通数据集进行随机缺失处理，获得缺失处理后的完整交通数据集；

步骤S2：对缺失处理后的完整交通数据集和完整交通数据集进行归一化处理，得到归一化后的交通数据；

步骤S3：对基于降噪堆式自动编码器深层网络结构的交通数据弥补模型进行训练，构建出弥补模型，所述基于降噪堆式自动编码器深层网络结构的交通数据弥补模型包括堆式自动编码器和恢复层，其中堆式自动编码器包括输入层，隐层1、隐层2、隐层3、以及它们之间的连接权重W₁、W₂、W₃，恢复层的输入是堆式自动编码器最高层的隐层3，恢复层输出目标为缺失处理前的数据，形成一个降噪堆式自动编码器；

步骤S4：调用弥补模型对输入的含缺失数据的不完整的交通数据进行弥补，得到弥补后的交通数据值。

2.根据权利要求1所述的交通数据弥补方法，其特征在于，所述随机缺失处理是按照设定的交通数据缺失率，指定完整交通数据的缺失率，按照缺失率对完整交通数据进行随机缺失处理，记录缺失数据的位置，得到缺失处理后的完整交通数据集。

3.根据权利要求1所述的交通数据弥补方法，其特征在于，所述归一化处理是选取完整交通数据集中交通数据的最大值X_max，将缺失处理前后的完整交通数据集中的数据与最大值X_max的比值作为归一化到[0，1]区间的交通数据。

4.根据权利要求1所述的交通数据弥补方法，其特征在于，所选取交通数据的周期为一天。

5.根据权利要求1所述的交通数据弥补方法，其特征在于，构建降噪堆式自动编码器深层网络结构的步骤包括：

步骤S31：按照交通数据的周期将归一化后的交通数据分组，得到多个缺失后交通数据组、多个缺失前交通数据组的输入输出数据对；

步骤S32：将得到的输入输出交通数据对分为训练集和测试集；

步骤S33：根据一个周期内交通数据的个数设定深层网络的输入、输出交通数据维数，在限定范围内选取深层网络的隐层数、隐层节点数；

步骤S34：在每个选取的深层网络结构上，利用训练集数据，非监督逐层训练深层网络中堆积的每个自动编码器的权重参数；

步骤S35：在堆积的自动编码器的顶层加入恢复层，有监督地调整深层网络的各层参数；

步骤S36：每个选取的深层网络结构训练完成后，利用测试集数据进行前向运算，根据记录缺失数据的位置得到每个选取的深层网络结构在测试集上的弥补平均误差；选择平均误差最小的深层网络结构作为交通数据弥补的降噪堆式自动编码器深层网络结构。

6.根据权利要求1所述的交通数据弥补方法，其特征在于，所述得到弥补后的交通数据值的步骤包括：

步骤S41：按照选定的交通数据周期将输入的含缺失数据的不完整的交通数据分成若干组交通数据；

步骤S42：将上述若干组交通数据进行归一化处理，得到若干组输入交通数据；

步骤S43：将上述输入交通数据输入深层网络进行前向计算，得到并输出对应的输出数据，即弥补后的交通数据的归一化值；

步骤S44：将上述弥补后的交通数据的归一化值进行反归一化，得到弥补后的交通数据值。