基于时空特征对抗网络的路网交通流缺失数据补全方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对高速公路的交通流数据缺失问题,为解决现有方法对时空特征挖掘交通流特征不充分的情况,提出了基于时空特征对抗网络的模型.该模型使用门循环控制单元(GRU)快速学习数据中的时序规律,通过图卷积神经网络学习路网拓扑中的空间关联性,用时空特征融合的对抗网络互相博弈不断优化生成网络和判别网络,以实现生成网络构建数据判别网络,达到对缺失数据的精确补全.基于真实数据的实验结果表明,与其他修复方法相比,该方法能够很好地拟合数据中时间规律性、空间关联性和时空关联性,达到有效补全缺失数据的目的.

作者：

张耀方、陈坚

展开 >

作者单位：

重庆交通大学交通运输学院重庆市 400074

关键词：

智能交通交通流时空特征对抗网络缺失数据插补方法

基金：

四川省科技计划

项目编号：

2022YFH0016

出版年：

2024

公路

中国交通建设集团有限公司

公路

CSTPCD北大核心

影响因子：0.54

ISSN：0451-0712

年,卷(期)：2024.69(5)