[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

说明书

本发明公开了一种利用迭代张量分解算法(Iterative tensor decomposition,ITD)检测和修复交通丢失数据的方法。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 Value Decomposition,TSVD)方法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；最后，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。

技术领域

本申请涉及智能交通领域，具体而言，涉及一种基于迭代张量算法的丢失交通数据检测和修复方法。

背景技术

由于不断增长的交通需求，交通拥堵成为世界性的难题，并且由于经济、环境等因素限制，不能通过简单的限行和扩建来解决。智能交通系统(intelligent transportationsystem,ITS)旨在通过优化提高既有交通系统的运行效率，成为一种更节约、高效地解决交通拥堵问题的选择。交通数据作为智能交通系统的关键输入，其质量直接影响智能交通系统的效率。目前交通数据有多种来源，如感应线圈检测器、GPS定位系统、高清摄像头和视频传感器等。

然而，目前绝大部分数据源受制于设备失效、通讯丢包等软硬件问题，存在严重的数据丢失问题。考虑到智能交通系统对其输入数据质量的敏感性，因此存在丢失数据问题的数据源难以直接应用于智能交通系统。如何利用交通数据存在的时空相关性，通过一定方法修复交通丢失数据问题成为目前智能交通领域技术研究的国际前沿科学问题。

张量分解方法由于其能充分利用多维数据间的相互关系，目前已经成功运用在其他领域的数据修复。2013年，北京理工大学的谭华春等人首次将张量分解方法应用于交通丢失数据修复，随后交通领域其他学者在此基础上做了很多拓展研究。总结目前的基于张量分解的交通数据修复方法，主要存在的问题为要求丢失数据发生的时间、地点已知，该假设与交通丢失数据发生的随机性矛盾，因此实际应用性不强。

针对上述问题，本申请提出一种基于迭代张量算法的丢失交通数据检测和修复方法。

发明内容

1.发明目的

本发明针对目前交通数据存在的数据丢失问题，以及目前基于张量分解方法要求预知数据丢失发生的局限，提供一种基于迭代张量算法的丢失交通数据检测和修复方法，该方法在极高的数据丢失率下依旧能够实现丢失数据的准确检测和修复。

2.本发明所采用的技术方案

本发明提出的基于迭代张量算法的丢失交通数据检测和修复方法可以通过以下步骤来实现：

(1)将包含丢失数据的交通数据按照地点、日期、时间三个维度构建为位置×日期×时间的三维张量χ；

(2)基于Tucker分解方法，将步骤(1)中的张量χ作为输入，利用TSVD方法获得初始化的核心矩阵和因子矩阵U^(T-SVD),W^(T-SVD),V^(T-SVD)；

(3)以步骤(2)中的初始化核心矩阵和因子矩阵 U^(T-SVD),W^(T-SVD),V^(T-SVD)为输入，利用STD算法获得初始恢复张量

(4)以步骤(3)中的初始恢复张量为输入，利用ITD方法获得数据恢复张量和检测结果张量