[发明专利]一种基于GraphSAGE-GAN的交通路网数据修复方法有效
申请号: | 202010945175.5 | 申请日: | 2020-09-10 |
公开(公告)号: | CN112309112B | 公开(公告)日: | 2021-10-29 |
发明(设计)人: | 徐东伟;魏臣臣;丁加丽;周磊;林臻谦;金燕 | 申请(专利权)人: | 浙江工业大学 |
主分类号: | G08G1/01 | 分类号: | G08G1/01;G06K9/62;G06F17/16 |
代理公司: | 杭州斯可睿专利事务所有限公司 33241 | 代理人: | 王利强 |
地址: | 310014 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 graphsage gan 交通 路网 数据 修复 方法 | ||
1.一种基于GraphSAGE-GAN的交通路网数据修复方法,其特征在于,所述方法包括以下步骤:
步骤1根据路网检测器历史交通状态数据,计算路网检测器之间的相关性系数,并根据检测器之间的相关性系数大小关系,构建基于时间相关性的路网结构并替代原始基于空间分布关系的路网结构;
步骤2利用GraphSAGE聚合检测器以及与其相连的邻居检测器的交通状态数据,实现基于时间相关性的路网结构提取路网检测器之间的时空特征信息;
步骤3构建生成对抗网络,并将经GraphSAGE提取的时空特征作为生成器的输入,定义生成对抗网络中生成器与判别器的损失函数,使得经生成器与判别器的对抗训练后,生成器能够根据输入的时空特征信息生成完整的路网交通状态数据;
步骤4将路网交通状态数据划分为训练集与测试集,并根据训练集数据对GraphSAGE-GAN网络模型进行训练,最终采用测试集对网络模型性能进行评估;
所述步骤1的过程如下:
过程如下:
1.1构建交通路网,并创建路网交通状态矩阵
构建交通路网,采用图的形式表示为:G=(V,E),其中V={v1,v2,v3,...,vN},且:
其中N为路网中检测器的总数目,在路网中表示为节点的总数,E表示为网络中节点之间的联系关系,表示路网中任意两个节点是否存在连边关系,针对每个检测器节点vi(i∈1,2,3,…,N),其历史数据记为:xi=[xi1,xi2,xi3,…,xiT],T为记录历史数据的数目,xit为第i个检测器节点vi在第t时刻的交通状态数据;
创建路网交通状态矩阵:构建路网交通状态矩阵XN×F(F=1,2,3,…,T),其中F为每个节点的特征个数,该特征表示为检测器节点部分的历史数据,同时创建掩膜MN×F矩阵记录路网中数据缺失位置,掩膜矩阵MN×F为(0,1)二值矩阵,其中mij(i=1,2,…,N,j=1,2,…,F)记录第i个检测器的第j个特征元素的值是否缺失:
将原始路网交通状态矩阵X与掩膜矩阵M对应元素相乘,得到含有缺失数据的交通路网状态数据
1.2计算检测器节点之间相关性系数
针对每个检测器节点的历史数据,采用皮尔逊相关性系数计算公式,计算不同节点之间的时间相关性,第i个检测器vi与第j个检测器vj之间的皮尔逊相关性系数rij计算公式为:
其中K为计算皮尔逊相关性系数时选取的每个检测器节点历史交通状态数据长度,通过计算不同检测器之间的皮尔逊相关性系数,得到路网G的N×N的皮尔逊相关性系数矩阵
1.3根据路网的相关性系数矩阵,重构路网结构
对于每个检测器节点,令该检测器和与该检测器的皮尔逊相关性系数较大的其余p*N个检测器之间创建连边,重新构建基于时间相关性的路网结构,将重构后的路网记为:G′=(V,A),其中p为选取最相关检测器节点的比例,p∈(0,1).aij表示重构后的路网矩阵中vi检测器节点与vj检测器节点的连边关系:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010945175.5/1.html,转载请声明来源钻瓜专利网。