發(fā)布時間：2021-05-14 01:59

　　針對路網(wǎng)交通數(shù)據(jù)采集過程中,采集設備稀缺或故障等原因造成路網(wǎng)交通流量數(shù)據(jù)缺失問題,提出基于對稱殘差U型網(wǎng)絡（Residual U-Net,RU-Net）模型的大規(guī)模路網(wǎng)交通流量數(shù)據(jù)修復方法.通過將路網(wǎng)交通流量數(shù)據(jù)網(wǎng)格化和時序通道化操作,構(gòu)成可供卷積操作的張量數(shù)據(jù)格式;利用RU-Net編碼解碼能力,對交通流量數(shù)據(jù)進行編碼;在解碼過程中保持失真度較小,使模型學習到交通流量數(shù)據(jù)內(nèi)部多因素耦合特性.通過殘差學習使交通流量數(shù)據(jù)編碼后的信噪比提升,壓縮率降低,提升模型修復精度.實驗結(jié)果表明,RU-Net模型能夠利用交通流量特性學習歷史和非故障采集點數(shù)據(jù)與待修復數(shù)據(jù)的映射關系,在不同數(shù)據(jù)缺失率,不同缺失模式下,高效地完成對大規(guī)模路網(wǎng)交通流量數(shù)據(jù)的修復. 

【文章來源】：交通運輸系統(tǒng)工程與信息. 2020,20(05)北大核心EICSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 模型構(gòu)造
2 實驗與分析
    2.1 實驗數(shù)據(jù)描述
    2.2 時空交通量矩陣構(gòu)建
    2.3 評價指標
    2.4 實驗分析
3 結(jié)論



本文編號：3185050