[发明专利]一种控制交通系统的方法和设备

权利要求书

1.一种控制交通系统的方法，其特征在于，包括：

获取待处理的交通数据；

基于所述待处理的交通数据，构建对应的交通数据矩阵以及缺失标识矩阵；

基于目标填充模型确定所述交通数据矩阵对应的目标时空特征矩阵；其中，所述目标填充模型是基于训练样本集合对初始填充模型进行迭代训练得到的；并且，在每一次的迭代过程中应用到的每个训练样本的预测值是当次迭代应用的填充模型中的各层网络结构的输出数据确定的，所述输出数据为所述各层网络结构对基于所述训练样本构建的交通数据矩阵进行处理后得到的时空特征；

根据所述交通数据矩阵、所述目标时空特征矩阵和所述缺失标识矩阵对所述待处理的交通数据中的缺失部分进行填充，得到填充后的交通数据；

应用所述填充后的交通数据对交通系统进行控制。

2.根据权利要求1所述的方法，其特征在于，所述目标填充模型是通过如下方式训练得到的：

基于获取到的目标时间段内的交通数据构建训练样本集合；其中，一个训练样本为一个交通数据矩阵，所述交通数据矩阵的每行的元素携带的空间特征标识相同，以及每列的元素携带的时间特征标识相同；

基于所述训练样本集合，采用迭代的方式对初始填充模型进行训练，直到满足预设的收敛条件为止，将最后一轮输出的填充模型作为目标填充模型；其中，所述预设的收敛条件是根据收敛误差确定的，所述收敛误差是根据各个所述训练样本以及对应的预测值确定的；

在一轮迭代过程中针对一个训练样本执行以下操作：

将所述训练样本输入至卷积网络层进行卷积处理，确定所述卷积网络层输出的第一空间特征；

将所述第一空间特征传递到第一LSTM网络层，并基于所述第一空间特征包括的各个第一空间向量对所述第一LSTM网络层进行更新，确定更新后的所述第一LSTM网络层输出的第一时空特征；

将所述第一时空特征传递到第二LSTM网络层，并基于所述第一时空特征包括的各个第一时空向量对所述第二LSTM网络层进行更新，确定更新后的所述第二LSTM网络层输出的第二时空特征；

将所述第一空间特征和所述第二时空特征传递到全连接层进行拼接，针对拼接后的特征进行残差处理，得到填充时空特征矩阵；

根据所述训练样本、所述填充时空特征矩阵和所述训练样本对应的缺失标识矩阵，确定所述训练样本的预测值。

3.根据权利要求2所述的方法，其特征在于，所述基于获取到的目标时间段内的交通数据构建训练样本集合，包括：

基于获取到的目标时间段内的交通数据，构建初始交通数据矩阵；

利用预设滑动时间窗口对所述初始交通数据矩阵进行分割，得到多个交通数据矩阵；

确定多个交通数据矩阵构成训练样本集合。

4.根据权利要求2所述的方法，其特征在于，每个交通数据矩阵对应一个缺失标识矩阵，所述缺失标识矩阵是通过将所述交通数据矩阵中的有效元素用第一标识替换且无效元素用第二标识替换后得到的；其中，所述无效元素为缺失的元素；

所述根据所述训练样本、所述填充时空特征矩阵和所述训练样本对应的缺失标识矩阵，确定所述训练样本的预测值，包括：

将所述交通数据矩阵与所述缺失标识矩阵做第一叉积处理，并将所述填充时空矩阵与所述缺失标识矩阵的关联矩阵做第二叉积处理；其中，所述缺失标识矩阵的关联矩阵为单位矩阵与所述缺失标识矩阵做差得到的；

确定所述第一叉积处理的结果与所述第二叉积处理的结果之和为所述训练样本的预测值。

5.根据权利要求2所述的方法，其特征在于，所述卷积网络层为一维卷积网络层；将所述训练样本输入至卷积网络层进行卷积处理，确定所述卷积网络层输出的第一空间特征，包括：

针对所述训练样本中的每个交通数据向量，将所述交通数据向量与所述一维卷积网络层进行卷积处理，得到预设数量个特征向量；其中，所述预设数量为所述一维卷积网络层中的过滤器的数量；

将所述预设数量个特征向量拼接得到所述交通数据向量对应的第一空间向量；

确定各个第一空间向量构成所述第一空间特征。