[發(fā)明專利]基于時(shí)空卷積網(wǎng)絡(luò)的機(jī)動(dòng)車尾氣遙測(cè)數(shù)據(jù)的多重補(bǔ)全方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110694200.1
• 申請(qǐng)日: 2021-06-22
• 公開（公告）號(hào): CN113408629B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 凌強(qiáng);費(fèi)習(xí)宏;李峰
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)技術(shù)大學(xué)
• 主分類號(hào): G06V10/72
• 分類號(hào): G06V10/72;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 金怡

1.一種基于時(shí)空卷積網(wǎng)絡(luò)的機(jī)動(dòng)車尾氣遙測(cè)數(shù)據(jù)的多重補(bǔ)全方法，其特征在于，包括：

步驟S1：獲取檢測(cè)區(qū)域路網(wǎng)遙測(cè)點(diǎn)拓?fù)浣Y(jié)構(gòu)信息和路網(wǎng)中遙測(cè)設(shè)備遙測(cè)的機(jī)動(dòng)車尾氣排放濃度多重缺失數(shù)據(jù)，并進(jìn)行處理，分別構(gòu)建空間路網(wǎng)的拓?fù)浣Y(jié)構(gòu)圖數(shù)據(jù)和機(jī)動(dòng)車尾氣排放濃度時(shí)間序列數(shù)據(jù)；

步驟S2：將所述空間路網(wǎng)的拓?fù)浣Y(jié)構(gòu)圖數(shù)據(jù)和機(jī)動(dòng)車尾氣排放濃度時(shí)間序列數(shù)據(jù)輸入到時(shí)空?qǐng)D卷積網(wǎng)絡(luò)進(jìn)行補(bǔ)全，具體包括下述步驟；

步驟S21：將所述空間路網(wǎng)的拓?fù)浣Y(jié)構(gòu)圖數(shù)據(jù)，輸入所述自注意力機(jī)制時(shí)空?qǐng)D卷積網(wǎng)絡(luò)，得到所述空間路網(wǎng)的自注意力時(shí)空?qǐng)D卷積的時(shí)空特征權(quán)重，具體包括：

步驟S211：將所述空間路網(wǎng)拓?fù)浣Y(jié)構(gòu)圖G＝(V,E,A)由圖變換到譜域以實(shí)現(xiàn)圖卷積，使用卷積核g_θ對(duì)圖G進(jìn)行卷積操作即為空間圖卷積，采用切比雪夫多項(xiàng)式近似展開得到空間圖卷積結(jié)果H，其數(shù)學(xué)表達(dá)式如公式(1)所示：

其中，*_G表示卷積操作，為k，k∈K時(shí)的K階切比雪夫多項(xiàng)式系數(shù)；x表示輸入圖G的權(quán)重鄰接矩陣A；λ_max表示矩陣A的拉普拉斯矩陣的最大特征值，I_N為矩陣A的單位矩陣，且圖G的拉普拉斯矩陣規(guī)范化形式切比雪夫多項(xiàng)式的遞歸定義：T_k(x)＝2xT_k-1(x)-T_k-2(x)，其中，T₀(x)＝1，T₁(x)＝x；

步驟S212：將所述空間圖卷積結(jié)果H，使用自注意力機(jī)制方法，根據(jù)下述公式(2)計(jì)算自注意力機(jī)制賦予所述空間圖卷積結(jié)果的權(quán)重系數(shù)α，并計(jì)算得到自注意力時(shí)間特征結(jié)果H_Att＝α·H；

其中，H_i,j表示H的第i個(gè)遙測(cè)設(shè)備遙測(cè)的第j個(gè)值，h為機(jī)動(dòng)車遙測(cè)尾氣排放時(shí)間序列數(shù)據(jù)集中的采集的小時(shí)數(shù)，d為采集的天數(shù)，w采集的周數(shù)；

步驟S213：將所述注意力時(shí)間特征結(jié)果H_Att，經(jīng)過(guò)至少一層的時(shí)間卷積神經(jīng)網(wǎng)絡(luò)計(jì)算，輸出得到時(shí)空特征結(jié)果為其中包含的元素

步驟S22：將所述自注意力時(shí)空?qǐng)D卷積的時(shí)空特征權(quán)重和所述機(jī)動(dòng)車尾氣排放濃度時(shí)間序列缺失數(shù)據(jù)輸入到改進(jìn)型最近鄰算法中，得到最終完整的機(jī)動(dòng)車尾氣排放濃度時(shí)間序列數(shù)據(jù)，具體包括：

步驟S221：對(duì)于含有缺失值的尾氣排放數(shù)據(jù)集以及所述時(shí)空特征結(jié)果給定改進(jìn)型最近鄰參數(shù)k，將T、和k輸入所述改進(jìn)型最近鄰算法；

步驟S222：以T中的缺失值x_i,j為中心，其中i∈N,j∈(h+d+w)，構(gòu)造根結(jié)點(diǎn)，所述根結(jié)點(diǎn)對(duì)應(yīng)于包含缺失尾氣排放數(shù)據(jù)T的的N×(h+d+w)空間的超矩形區(qū)域；將所述時(shí)空特征結(jié)果中的距離數(shù)據(jù)表中數(shù)值從小到大排序得到排序數(shù)組Array，從所述數(shù)組Array中按序依次取出k個(gè)值，并將k個(gè)值取出的時(shí)空特征結(jié)果h_i,j與對(duì)應(yīng)的機(jī)動(dòng)車尾氣排放數(shù)據(jù)x_i,j，根據(jù)下述公式(3)，進(jìn)行求和取平均得到所在位置的尾氣排放濃度的缺失值

步驟S223：重復(fù)步驟S222，最終得到缺失值補(bǔ)全過(guò)完整的多重缺失值尾氣排放數(shù)據(jù)集

2.根據(jù)權(quán)利要求1所述的基于時(shí)空卷積網(wǎng)絡(luò)的機(jī)動(dòng)車尾氣遙測(cè)數(shù)據(jù)的多重補(bǔ)全方法，其特征在于，所述步驟S1：獲取檢測(cè)區(qū)域路網(wǎng)遙測(cè)點(diǎn)拓?fù)浣Y(jié)構(gòu)信息和路網(wǎng)中遙測(cè)設(shè)備遙測(cè)的機(jī)動(dòng)車尾氣排放濃度多重缺失數(shù)據(jù)，并進(jìn)行處理，分別構(gòu)建空間路網(wǎng)的拓?fù)浣Y(jié)構(gòu)圖數(shù)據(jù)和機(jī)動(dòng)車尾氣排放濃度時(shí)間序列數(shù)據(jù)，包括：

步驟S11：獲取檢測(cè)區(qū)域空間路網(wǎng)遙測(cè)點(diǎn)拓?fù)浣Y(jié)構(gòu)信息，構(gòu)建空間路網(wǎng)的拓?fù)浣Y(jié)構(gòu)圖數(shù)據(jù)；

步驟S12：采集路網(wǎng)中遙測(cè)設(shè)備遙測(cè)的機(jī)動(dòng)車尾氣排放濃度多重缺失數(shù)據(jù)，構(gòu)建多時(shí)間周期的尾氣濃度排放時(shí)間序列輸入數(shù)據(jù)。