[发明专利]一种基于动态自适应生成对抗网络的交通数据修复方法

说明书

本发明公开了一种基于动态自适应生成对抗网络的交通数据修复方法。所述方法包括以下步骤：获取原始交通数据，构成原始交通数据矩阵；利用数据标准化处理原始交通数据矩阵，确定异常数据位置，并对其进行预处理；构建多个待修复交通数据矩阵；组建由全连接神经网络构成的生成对抗网络，并基于博弈思想迭代训练生成器与对抗器；引入一种动态自适应机制，自动识别生成对抗网络的最佳迭代次数，并利用待修复交通数据矩阵完成生成对抗网络的模型训练；利用多种模型评价指标评估动态自适应生成对抗网络的修复性能。本发明具有算法计算复杂度低、修复精度高、实时动态性强等优点，可为智能城市交通规划与管理、实时公交调度与优化等提供保障。

技术领域

本发明涉及智能交通技术领域，具体涉及一种基于动态自适应生成对抗网络的交通数据修复方法。

背景技术

城市道路交通网络是一个数据丰富且存在特定运行规律的复杂系统，它有序支撑了城市居民的便捷生活，也促进了现代城市的稳健发展。然而，随着传感器技术、通信技术等先进方法的迅猛发展，交通数据迎来了爆炸性增长，缺失、异常等劣质数据也随之产生。导致交通数据缺失的主要因素包括软件或硬件故障，数据的缺失比率和缺失类型也依实际环境呈复杂变化。因此，采用有效算法对缺失交通数据进行高精度修复，从而保障交通数据的后续建模与分析甚至城市路网交通系统稳定运行都有极为重要的作用。

现阶段的交通数据修复方法主要包括传统插值方法、统计学习与生成对抗网络算法(王力,李敏,闫佳庆,张玲玉,潘科,李正熙.(2018).基于生成式对抗网络的路网交通流数据补全方法.交通运输系统工程与信息,18(6),9.)。存在的主要缺陷包括无法有效修复缺失的交通数据以及无法解决高缺失率交通数据修复等问题。特别对于大规模交通数据集，数据的时空特性十分复杂，传统的修复方法已经无法应对新形式下的修复目标。因此，建立稳定且高效的交通数据修复模型十分必要。

发明内容

为克服现有技术的不足，本发明提供了一种基于动态自适应生成对抗网络的交通数据修复方法。该方法动态驱使生成对抗网络自适应其数据生成过程，解决GAN迭代过程不稳定、过拟合与欠拟合等问题，进而有效提高交通数据的修复精度和效率。

本发明的目的至少通过如下技术方案之一实现。

一种基于动态自适应生成对抗网络的交通数据修复方法，包括以下步骤：

S1、通过布置在城市路网干道上的传感器不间断获取原始交通数据，构成原始交通数据矩阵；

S2、利用数据标准化处理原始交通数据矩阵，并通过可视化方式绘制交通数据随时间变化的热力图，确定异常数据位置，并对其进行预处理；

S3、构造时空交通数据矩阵，并按不同的缺失类型和比例随机删除部分数据，构建多个待修复交通数据矩阵；

S4、组建由全连接神经网络构成的生成对抗网络(GAN)，并基于博弈思想迭代训练生成器与对抗器；

S5、引入一种动态自适应机制，自动识别生成对抗网络的最佳迭代次数，并利用待修复交通数据矩阵完成生成对抗网络的模型训练；

S6、利用多种模型评价指标评估动态自适应生成对抗网络的修复性能。

进一步地，步骤S1中，采集的原始交通数据包括交通流量、速度或者密度。

进一步地，步骤S2具体如下：

对原始交通数据进行预处理，按如下标准化公式完成不同数据量纲的统一：