[发明专利]一种基于时空约束的交通数据张量填充方法

说明书

本发明涉及一种基于时空约束的交通数据张量填充方法，获取不完整的交通数据，建立交通流数据张量；建立基于因子分解的张量填充模型；通过分析数据时空特性，构建时空约束张量，对所述基于因子分解的张量填充模型进行优化；进行加入时空约束的张量填充，恢复出原始交通数据。本发明提出的一种基于时空约束的交通数据张量填充方法，将一种基于因子分解的张量填充方法应用于交通数据恢复领域，并充分挖掘交通数据的时空相关性和低秩特性，提高了恢复完整交通数据的精度。

技术领域

本发明涉及一种基于时空约束的交通数据张量填充方法。

背景技术

随着物联网技术和大数据产业的逐步发展和广泛应用，人们对数据的信息 量、精确度以及时效性等要求越来越严苛。作为物联网的重要应用场景，智能交 通系统(Intelligent Transportation System)将先进的信息技术、数据传输技术、 电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系 统，从而建立的一种实时、准确、高效的综合交通运输管理系统。因此智能交通 系统在数据的采集、处理、分析、利用等方面同样面临着巨大的挑战。

在交通信息系统中，由于传感器布局、通信故障以及数据自身不完整等原因， 导致数据缺失的情况尤为严重。具体来说，智能交通系统可以从各种固定和移动 传感器收集交通数据，但例如回路探测器和道路侧摄像机之类的固定式传感器具 有有限的空间覆盖，而GPS传感器之类的可移动传感器以高精度收集数据也不 稳定。在通信传输方面，传感器和数据中心的信息传输受到工作环境的不稳定， 以及无线传输网络时延的传输节点有限等因影响，可能导致交通信息缺失，甚至 有时数据丢失率极高。

发明内容

本发明的目的在于提供一种基于时空约束的交通数据张量填充方法，以克服 现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种基于时空约束的交通数据张量 填充方法，按照如下步骤实现：

步骤S1：获取不完整的交通数据，建立交通流数据张量；

步骤S2：建立基于因子分解的张量填充模型；

步骤S3：通过分析数据时空特性，构建时空约束张量，对所述基于因子分 解的张量填充模型进行优化；

步骤S4：进行加入时空约束的张量填充处理，恢复出原始交通数据。

在本发明一实施例中，在所述步骤S1，通过与车辆GPS进行交互，采集车 辆GPS数据，获取待进行数据恢复区域内i个相互连接的路段连续k天的道路 平均速度数据；将一天等间隔地分成j个时刻，构造成为一个大小为i×j×k的交 通流数据张量并将所获取到的不完整的交通流数据张量与所要恢复出的 完整的交通流数据张量的关系表示为：

其中，P_Ω(·)表示线性映射，Ω为所获取到的交通数据子集，将张量中Ω 子集不包含的位置填充为零。

在本发明一实施例中，在所述步骤S2中，所述基于因子分解的张量填充模 型对应的目标函数以及约束条件如下：

其中，*表示张量乘积，和是将待求解的张量分解成两个较小的张量， 张量为一预设中间张量，||·||_F表示张量Frobenius范数，即将三维张量展开成 一维向量后对该向量求Frobenius范数。

在本发明一实施例中，在所述步骤S3中，还包括如下步骤：

步骤S31：构建时间约束张量；通过大小为j×j的托普利兹矩阵T构建时间 约束矩阵，如下所示：

根据时间约束矩阵构建一个大小为j×j×k的时间约束张量该时间约束张 量的第一个正向切面为上述托普利兹矩阵T，其他正向切面均为零矩阵；