申请/专利权人：西南交通大学;四川省交通勘察设计研究院有限公司;四川成南高速公路有限责任公司

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117743852A

主分类号：G06F18/214

分类号：G06F18/214;G06F17/16;G06F18/21;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及交通技术领域，且公开了基于扩散神经网络的交通缺失数据填补方法，具体包括以下步骤：S1.数据获取与预处理：获取路网传感器记录的不包含缺失值的原始交通流量和速度数据，对其进行预处理，构建二维矩阵其中行代表不同时间点，列代表不同传感器；S2.数据集划分和处理：将交通数据按时间维度划分为训练集Xtrain，验证集Xval和测试集Xtest，为模拟数据缺失情况，随机删除一定比例的数值，形成含有缺失率的数据集；本发明采用网络训练方式，能够直接处理包含缺失值的交通数据，并且填补的缺失值更接近真实值，这种方法有助于提高数据填补的准确性和可靠性。

主权项：1.基于扩散神经网络的交通缺失数据填补方法，其特征在于，具体包括以下步骤：S1.数据获取与预处理：获取路网传感器记录的不包含缺失值的原始交通流量和速度数据，对其进行预处理，构建二维矩阵其中行代表不同时间点，列代表不同传感器；S2.数据集划分和处理：将交通数据按时间维度划分为训练集Xtrain，验证集Xval和测试集Xtest，为模拟数据缺失情况，随机删除一定比例的数值，形成含有缺失率的数据集；S3.路网拓扑结构图处理：计算交通网络G中节点之间的邻接矩阵反映节点关系。基于距离信息计算节点可达性，并结合参数计算邻接矩阵中的值；S4.转移矩阵计算：计算正向转移矩阵和反向转移矩阵其中，描述正向信息传递，描述反向信息传递；S5.构建扩散图卷积网络模型：基于和进行迭代更新节点特征，形成扩散图卷积网络模型的迭代方式；S6.模型训练和数据填补：利用含有数据缺失的训练集Xtrain输入模型进行训练，对含有缺失值的交通数据进行填补形成完整数据集，并通过均方误差评估填补效果；S7.模型优化和停止策略：使用反向传播优化模型，并根据验证集Xval的误差变化情况采用提前停止策略，以防止过拟合；S8.模型评估：利用测试集Xtest输入训练好的模型，计算各项误差指标如MAE、RMSE、MAPE，评估模型性能；S9.实验结果验证：将本发明的结果与传统的数据填补方法进行对比，验证模型的有效性和优越性。

全文数据：

权利要求：

百度查询： 西南交通大学;四川省交通勘察设计研究院有限公司;四川成南高速公路有限责任公司 基于扩散神经网络的交通缺失数据填补方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD