[发明专利]基于迭代张量算法的丢失交通数据检测和修复方法

权利要求书

1.一种检测和修复交通丢失数据的方法，其特征在于，包括：

方法包括：将包含丢失数据的交通数据构建为一个位置×日期×时间的三维张量；

基于Tucker分解方法，利用截断奇异值分解(Truncated Singular ValueDecomposition,TSVD)来确定核心矩阵的大小，并获得初始化的核心矩阵以及三个因子矩阵；

以张量为输入，建立目标方程，以初始化的核心矩阵以及三个因子矩阵作为初始值，利用梯度下降(Gradient Descent)方法求解目标方程，更新核心矩阵以及三个因子矩阵，利用结合截断奇异值分解的张量分解(SVD-combined Tensor Decomposition,STD)方法获得初次修复张量；以及

以初次修复张量作为输入，利用ITD算法来检测和修复交通数据中存在的丢失数据。

2.根据权利要求1所述的方法，其特征在于，利用交通数据，建立包含丢失数据的张量的操作包括：

在选取的数据集中，根据数据采集点位置数、数据采集的天数以及每天数据采集的时间片数，建立包含丢失数据的张量。

3.根据权利要求2所述的方法，其特征在于，所述方法利用截断奇异值分解方法确定核心矩阵大小，其中所述截断奇异值方法还包括：

利用Tucker分解将张量分解为核心张量和三个因子矩阵；

利用截断奇异值分解方法确定核心矩阵和三个因子矩阵的大小。

4.根据权利要求3所述的方法，其特征在于，所述方法构建目标方程，以包含丢失数据张量、核心矩阵和三个因子矩阵为参数的方程为：

其中λ是正则化参数。等号右边的第一部分最小化平方差，第二部分是附加正则项，是默认的二进制张量，大小与相同且值全为1。

5.根据权利要求4所述的方法，其特征在于，所述方法利用梯度下降法，求解目标方程的方法还包括：

为了求解目标方程，采用梯度下降方法，分别对变量U,W,V求偏导，之后用如下方程更新各变量：

其中α是梯度下降方法的学习率。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：利用结合截断奇异值分解的张量分解方法获得初次恢复张量。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

以初次修复张量作为输入，计算相对百分误差，并获得空间Ω，具体计算方法为：

8.根据权利要求7所述的方法，其特征在于，所述方法还包括计算迭代丢失算法相邻两步间丢失检测率。

9.根据权利要求8所述的方法，其特征在于，所述方法以初次修复张量作为输入，利用ITD算法来检测和修复交通数据中存在的丢失数据。