基于對(duì)稱殘差U型網(wǎng)絡(luò)的路網(wǎng)交通流量數(shù)據(jù)修復(fù)

代 亮，梅 洋，李曙光，錢 超，汪貴平

(長(zhǎng)安大學(xué)電子與控制工程學(xué)院，西安710064)

0 引 言

智能交通系統(tǒng)依賴于交通數(shù)據(jù)可用性和準(zhǔn)確性進(jìn)行交通狀態(tài)和系統(tǒng)性能評(píng)估.在交通基礎(chǔ)設(shè)施快速發(fā)展的驅(qū)動(dòng)下，隨著交通數(shù)據(jù)采集設(shè)備規(guī)模擴(kuò)大，交通流量數(shù)據(jù)缺失問題成為智能交通系統(tǒng)領(lǐng)域面臨的挑戰(zhàn)之一.

交通流量數(shù)據(jù)修復(fù)的核心是從交通數(shù)據(jù)中發(fā)現(xiàn)隱藏的時(shí)空相關(guān)信息.基于交通數(shù)據(jù)低秩和時(shí)空相關(guān)性，文獻(xiàn)[1]提出基于低秩矩陣分解的交通流量缺失數(shù)據(jù)重構(gòu)方法.文獻(xiàn)[2]利用交通網(wǎng)絡(luò)的時(shí)空相關(guān)性和道路拓?fù)湫畔ⅲ岢龌谧顑?yōu)閉割的時(shí)空數(shù)據(jù)修復(fù)方法.文獻(xiàn)[3]提出交通流量時(shí)間序列數(shù)據(jù)多視圖學(xué)習(xí)缺失修復(fù)方法，并與長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)、支持向量回歸及協(xié)作過濾算法結(jié)合.文獻(xiàn)[4]利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)對(duì)缺失交通流量數(shù)據(jù)進(jìn)行編碼，重建交通流量數(shù)據(jù).文獻(xiàn)[5]提出基于生成對(duì)抗網(wǎng)絡(luò)的數(shù)據(jù)修復(fù)方法，將交通量處理為二維信息圖，計(jì)算路網(wǎng)關(guān)聯(lián)矩陣并實(shí)現(xiàn)數(shù)據(jù)缺失修復(fù).文獻(xiàn)[6]將貝葉斯概率矩陣分解模型推廣到高階張量，并應(yīng)用于交通時(shí)空數(shù)據(jù)修復(fù)問題.現(xiàn)有研究存在以下問題：首先，基于時(shí)空相關(guān)性交通流量數(shù)據(jù)修復(fù)研究多針對(duì)較小規(guī)模的區(qū)域進(jìn)行[1-2,5-6]，例如只考察路段的直接鄰接關(guān)系的多個(gè)路段(上下游)，較小空間樣本的時(shí)空交通流信息難以實(shí)現(xiàn)大范圍路網(wǎng)交通流量數(shù)據(jù)修復(fù)的全局優(yōu)化，不能有效支持現(xiàn)代交通管控所需的大規(guī)模路網(wǎng)交通協(xié)同感知與聯(lián)動(dòng)控制；……