一种时空交通流量缺失数据填充方法及系统与流程

本发明涉及交通数据处理，特别涉及一种时空交通流量缺失数据填充方法及系统。

背景技术：

1、随着城市交通系统的不断发展和智能化水平的提高，对于时空交通流量数据的准确获取和分析变得日益重要。这些数据在城市规划、交通管理以及智能交通系统的设计和优化中发挥着关键作用。然而，由于传感器故障、设备维护和其他不可避免的因素，交通流量数据中的缺失情况时有发生，这对于精确的交通分析和预测构成了挑战。因此，采用时空交通流量缺失数据填充方法，自动填充缺失值，提高管理效率，降低人工成本，显得尤为重要。

2、现有的数据填充方法主要依赖于插值技术和统计学方法，然而，这些方法在处理高维、复杂时空交通流量数据时存在一定的局限性，以及现存的模型或者方法忽略了空间流的网络结构，造成不精确的估计和低效的表现。为了克服这些限制，图卷积网络（gcn）作为一种深度学习方法逐渐引起了研究者的关注，gcn在处理图结构数据时表现出色，能够捕捉节点之间的复杂关系和时空特征，因此在时空交通流量数据的缺失填充方面具有潜在的优势，gcn能够有效地捕捉交通网络中节点之间的时空关系，有助于更准确地填充缺失数据，保持数据的时空一致性。综上所述，基于图卷积网络的时空交通流量缺失数据填充方法将为城市交通管理、智能交通系统以及交通规划等领域提供更为可靠和准确的数据支持，为提升交通系统效率和可持续发展提供重要的决策依据。

技术实现思路

1、为了解决上述城市交通时空结构的问题，本发明提出了一种时空交通流量缺失数据填充方法及系统，基于图卷积网络模型，充分融合额外环境因素、多阶邻居信息，使用缺失流量数据输入到模型中，基于图卷积机制构建的模型来消除时空复杂结构的影响，从而得到高质量的数据填充。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供了一种时空交通流量缺失数据填充方法，包括以下步骤：

4、s1、交通流量和天气数据获取：车辆驶入道路时，监控按照固定间隔时间，拍摄车牌照像，获得不同路段不同时刻交通流量数据，并参考当地气象局天气预报，获取天气数据；

5、s2、数据处理：将整个城市划分为一个个地理单元，将其属性组织为数字节点特征向量，使每个单元都可计算，并为缺失值节点打上标记，得到每个节点附近相邻的l阶子图；

6、s3、时间特征获取：将s1得到的交通流量数据和天气数据采用时间编码器通过门控函数获取交通流量和天气数据的周期和近期时间特征；

7、s4、空间特征获取：将s1得到的交通流量、天气数据和s2得到的l阶子图采用图卷积网络（gcn）作为空间特征提取器获取空间特征；

8、s5、时空特征融合：将步骤s3得到的时间特征与步骤s4得到的空间特征相融合得到时空特征；

9、s6、缺失值补充：基于时空特征，采用缺失值补充模块的预测器对缺失数据补充，得到最终的完整交通流量。

10、作为本发明的进一步技术方案，步骤s3获取时间特征时，对于t时刻的交通流量和天气数据相加的值xt，设计遗忘门遗忘无关信息，得到遗忘特征，记忆门记住重要信息，得到记忆特征，记忆门确定当前时刻更新记忆细胞的程度，记忆门通过使用sigmoid激活函数生成一个介于0和1之间的值，表示应该更新多少信息，并使用tanh激活函数生成一个新的候选值，该值可能被加入到记忆细胞中，记忆程度，得到时间特征，其中为遗忘权重，、为近期时间特征和周期时间特征，为遗忘偏置，为记忆权重，为遗忘偏置，为记忆程度权重，为记忆程度偏置，为激活函数。

11、作为本发明的进一步技术方案，步骤s4的具体过程为：

12、s41、图卷积网络通过考虑节点与其邻居节点之间的关系，对节点的特征进行更新，更新后的特征表示为：，无缺失值的节点计算自身0阶邻居，有缺失值的节点直接从一阶开始计算，其中，是层数，是节点vi在第层的特征表示，是节点vi的邻居节点集合，是权重矩阵，是偏置向量，σ是激活函数，是归一化因子，为节点vi的邻居节点数；

13、s42、引入注意力机制，通过学习权重提高空间特征的表达能力，得到最后的空间特征，其中，，是注意力权重，是通过学习得到的注意力系数，是第个节点的n阶邻居，是结合邻居特征后的第个节点的特征。

14、作为本发明的进一步技术方案，步骤s6所述缺失值补充模块的预测器包括四个自注意力单元，每个单元都包含一个自注意力层、批量归一化（bn）层和激活函数（如relu），在每个单元之后，使用跳跃连接将特征图传递到解码器的对应层，最后接一个恒等激活（identity activation）函数生成最终的完整交通流量。

15、作为本发明的进一步技术方案，步骤s6生成最终的完整交通流量过程中，需对整个网络进行训练，每次训练时，使用均方误差(mse)来计算损失，并使用真实值和预测值进行对比，进行梯度回传，损失，其中n是交通流量片段总个数。

16、第二方面，本发明提供一种时空交通流量缺失数据填充系统，包括：

17、数据获取模块：用于获取交通流量和天气数据信息；

18、数据处理模块：用于将城市分为地理单元，将其属性组织为数字节点特征向量，使每个单元都可计算，并为缺失值节点打上标记，得到每个节点附近相邻的l阶子图；

19、时间特征获取模块：用于采用时间编码器通过门控函数获取交通流量和天气数据的时间特征；

20、空间特征获取模块：用于采用交通流量、天气数据和l阶子图进行图卷积网络（gcn）作为空间特征提取器获取空间特征；

21、时空特征融合模块：用于将时间特征与空间特征相加得到时空特征；

22、缺失值补充模块：基于时空特征，用于对缺失数据补充，得到最终的完整交通流量。

23、第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。

24、第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

25、与现有技术相比，本发明的有益效果是：

26、本发明提出了一种基于图卷积网络的时空交通流量缺失数据填充方法，以解决由于传感器故障、设备维护和其他不可避免原因导致的交通流量值缺失问题，从而提高流量预测的准确性，创新性主要体现在三个方面：融合了不同阶的地理信息元素，时间编码器通过门控函数考虑临近以及周期性相似数据生成所有地理单元的潜在事件表示，基于多种额外环境条件因素下的基于交通流量的处理方式，基于图卷积的交通缺失值填充模型，其优点如下：

27、（1）通过时空条件信息融合策略，有效消除缺失值等问题，从而在各种交通条件下提高缺失值填充的准确性。

28、（2）基于多种额外环境因素的条件考虑，在不同环境条件下都能实现稳定的预测效果，具有较强的环境适应性。

29、（3）使用图卷积网络进行空间特征提取，符合自然交通空间结构，提高缺失值预测准确性。

30、（4）使用轻量级网络（即缺失值补充模块）进行缺失值预测，这样可以降低计算资源需求，便于在各种硬件环境下部署。