[發明專利]一種基于自適應時空約束低秩算法的路網交通數據的補全方法

有效

• 申請號: 201711396989.2
• 申請日: 2017-12-21
• 公開（公告）號: CN108010320B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 施云惠;汪洋;張勇;尹寶才
• 申請（專利權）人: 北京工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

本發明公開了一種基于自適應時空約束低秩算法的路網交通數據的補全方法，其能夠使得補全的數據的精準度在數據丟失率較大時大幅提高，尤其對不同時空丟失模式下的交通數據修復具有很好的應用效果。該方法包括步驟：(1)構造路網交通數據的時空數據矩陣；(2)對時空數據矩陣進行因子矩陣分解，引入無約束低秩修復方法；(3)加入交通數據的時序變化特性和空間相似特性作為時空約束項，更精確的對缺失點進行補全。

技術領域

本發明屬于圖像處理和智能交通的技術領域，具體地涉及一種基于自適應時空約束低秩算法的路網交通數據的補全方法。

背景技術

交通狀態信息對于出行者及交通監控中心非常重要，尤其是在規避和緩解交通擁堵方面。通過對交通狀態信息的獲知，出行者可以優化自身出行線路并縮短出行時間，交通監控中心能夠提供給出行者有效的交通引導。與此同時，多媒體服務和互聯網友好型的便攜設備的出現大大的促進了交通網絡的不斷發展，如感應線圈檢測器、微波檢測器、視頻監測攝像頭和GPS浮動車等。一般靜態探測器比如地下感應線圈和監控攝像頭已經廣泛地使用于大多城市中，用以收集并提供交通信息，像北京市已經布置超過20000的環形線圈檢測器。而動態的浮動車在交通信息的采集方面更為高效，主要得益于其車輛的機動性和GPS設備的普用性，且避免了在城市每條道路上布置靜態檢測器的高成本。通過以上不同類型的交通檢測器，智能交通系統可以進行多種不同類型交通信息(流量、速度、密度等)的實時收集和分析。

然而，現代交通網絡系統的不斷擴展，數據收集要求更為詳細，而以上所提及的這些數據采集設備均存在一定程度的數據缺失問題。具體來說，靜態檢測器一般會因硬件設備故障、天氣影響、傳輸錯誤和傳感器噪聲等原因產生偶發異常和缺失，浮動車采集數據則常因車輛少、分布不均和軌跡覆蓋率不全面等原因導致記錄有限。因此也造成了一定程度的數據空缺問題，這嚴重影響了智能交通系統的分析能力。因此在處理交通問題前，我們必須進行有效地交通數據缺失補全。

當前存在很多數據插值算法用于交通數據的缺失修復，傳統方法包括歷史插值、樣條/回歸插值法，他們大多以數據向量的形式進行插值，近年來出現了以矩陣形式提高對缺失數據補全的方法，一些研究者提出了基于低秩的方法。經典的矩陣補全任務是指依據一個矩陣中的部分觀測數據來預測其丟失的數據，它廣泛的應用于圖像恢復、圖像去噪等。這些數據的內部結構具有很強的全局相關性，因此，一些研究人員開始了對數據樣本集進行整體約束的研究，如低秩約束或核范數。低秩約束作為一種較為特殊的稀疏約束已被J.Wright、Y.Ma等人應用在矩陣補全模型中并取得了非常好的實驗效果，該模型要求所研究的帶有數據缺失的矩陣具有低秩性，通過對矩陣中的元素經過某種線性(非線性)運算后得到的值來對矩陣進行補全。然而，傳統的低秩約束算法是對重構樣本全局做低秩約束，缺乏局部樣本間的聯系，主要指交通網絡的時空特征，比如路網拓撲，數據時間序列特征，故導致其在對交通數據的重構方面獲取的精度有限，具體表現在當數據缺失率較高時，恢復精度差。

事實上，盡管探測器采集到的交通數據是離散的，但從空間和時間的角度來看，同一時間段內的相鄰路段采集到的交通數據是相似的(空間相關性)，同一路段的連續時間段內采集到的交通數據是相似的(時間相關性)。時間相關性主要需考慮小時之間關系、時段之間的關系以及變化特點，比如平滑的或突變的，而空間相關性，不僅僅表現在相鄰的路段之間，而且存在于非直接相鄰路段間，它們具有相同的道路物理屬性特征，信號控制設置和區域土地屬性等。但是這些相關性在以前的插補方法中并沒有充分或同時考慮到。因此，我們在利用交通數據分析交通問題前，需要一種能夠盡可能準確的數據補全算法來將交通數據中的丟失數據進行補全。

發明內容

本發明的技術解決問題是：克服現有交通數據補全技術的不足，提供一種基于自適應時空約束低秩算法的路網交通數據的補全方法，其能夠使得補全的數據的精準度在數據丟失率較大時大幅提高。

本發明的技術解決方案是：這種基于自適應時空約束低秩算法的路網交通數據的補全方法，該方法包括以下步驟：