基于时空特征对抗网络的路网交通流缺失数据补全方法

张耀方 ¹陈坚¹

扫码查看

作者信息

1. 重庆交通大学交通运输学院重庆市 400074
折叠

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.

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

引用本文复制引用

基金项目

四川省科技计划(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

段落导航