基于图自编码-生成对抗网络的路网数据修复

摘要：

完整的交通路网数据是实现智能交通系统的前提,故本文提出一种基于图自编码-生成对抗网络的方法对路网中缺失数据进行修复.首先,通过降噪图变分自编码器提取路网缺失数据的时空特征,使其能最大程度捕获原始路网信息;其次,基于该时空特征利用生成对抗网络生成路网数据,加入重建损失并优化生成对抗网络的目标函数,实现对缺失数据的有效插补;最后,采用西雅图(Seattle)和加州(PEMS04)路网速度数据集,针对不同缺失类型和缺失率下的数据修复进行对比实验.当随机缺失率在10％～70％时,Seattle数据集的MAE指标在2.38～3.25之间,PEMS04数据集的MAE指标在1.46～2.38之间;当聚集缺失率在10％～70％时,Seattle数据集的MAE指标在2.51～2.82之间,PEMS04数据集的MAE指标在1.52～1.54之间.对比结果表明,本文提出的路网数据修复方法均优于BP、DSAE、BGCP等模型.

关键词：智能交通;数据修复;图自编码器;生成对抗网络;时空特征;深度学习

所属期刊栏目：21

分类号：U491.1+4(交通工程与公路运输技术管理)

资助基金：国家自然科学基金青年科学基金/;National Natural Science Foundation of China ;浙江省自然科学基金/;Zhejiang Provincial Natural Science Foundation;综合交通运输大数据应用技术交通运输行业重点实验室开放课题基金/;Open Foundation of Key Laboratory of Transport Industry of Big Data Application Technologies for Comprehensive Transport

在线出版日期：2022-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：33-41