买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明属于智能交通领域，具体涉及一种基于视频修复技术的交通流量插补方法，该方法包括：获取车辆数据，根据获取的车辆数据构建车辆轨迹；将车辆轨迹输入到Skip‑gram模型中，提取卡口特征向量；采用t‑SNE算法对卡口特征向量进行降维处理，得到卡口二维特征分布；将卡口二维特征分布进行扩散，生成卡口矩阵，并填充卡口流量生成路网流量图像；将路网流量图像输入到交通流量插补模型中，得到恢复流量的数据；所述交通流量插补模型包括周期子网络、空间子网络以及融合网络；本发明为智能交通系统的构建提供了高质量的数据基础，也可以应用于同类型的时空数据插补或预测。

主权项：1.一种基于视频修复技术的交通流量插补方法，其特征在于，包括：获取车辆数据，根据获取的车辆数据构建车辆轨迹；将车辆轨迹输入到Skip-gram模型中，提取卡口特征向量；采用t-SNE算法对卡口特征向量进行降维处理，得到卡口二维特征分布；将卡口二维特征分布进行扩散，生成卡口矩阵，填充卡口矩阵中的卡口流量，生成路网流量图像；将路网流量图像输入到交通流量插补模型中，得到恢复流量的数据；所述交通流量插补模型包括周期子网络、空间子网络以及融合网络；采用t-SNE算法对卡口特征向量进行降维处理的过程包括：步骤1：根据卡口特征向量计算各卡口xi分布在卡口xj周围的概率pj|i，根据得到概率pj|i计算卡口xi和卡口xj的相似性pij；步骤2：将高维度的卡口特征向量映射到低维空间中，得到对应的二维卡口特征yi与yj，计算二维卡口特征yi与yj的相似性qij；步骤3：根据高维卡口xi与卡口xj的相似性pij和二维卡口特征yi与yj的相似性qij采用梯度下降优化Q分布与P分布的KL散度，得到卡口在二维空间中的映射y1,…,yN；步骤4：对卡口在二维空间中的映射进行切割，得到网格单元；步骤5：对网格单元的中的卡口数进行检测，若网格单元中卡口数为1，则不进行操作；否则采用扩散算法将卡口数大于1的网格生成卡口矩阵及路网流量图像，使得每个网格单元中的卡口数至多为1；采用扩散算法对网格生成卡口矩阵及路网流量图像的过程包括：步骤51：以当前网格单元中历史流量最大的卡口作为基准卡口，将基准卡口的外层按照角度划分为四个区域；步骤52：计算卡口与基准卡口的方位角；步骤53：将卡口放置到外层对应角度的位置，若该位置已被占用，则分配到对应区域的其它位置中；步骤54：对应区域全部被占用，则向外扩张一层，返回步骤1直到找到可以扩散的位置，得到卡口矩阵；在矩阵中存在卡口的单元置为1，不存在卡口的单元置为0；步骤55：设置时间间隔，将卡口流量按照设置的时间隔件划分，得到切分好的卡口流量切片；步骤56：将路网流量切片填充到卡口矩阵对应位置，生成按照时间切片的路网流量图像；采用交通流量插补模型对路网流量图像进行处理的过程包括：步骤1：对路网流量图像进行部分卷积，得到待修复的时间切片；对路网流量图像进行部分卷积的过程包括：输入路网流量图像和对应的初始遮罩，初始遮罩尺寸与路网流量图像尺寸相同；在初始罩中将与卡口对应的位置中的数据设置为1，其他位置设置为0；采用遮罩遮挡流量图像中不存在卡口的无效区域，并对有效区域进行卷积；在卷积过程结束后更新遮罩；得到交通流量的特征图和更新后的遮罩；步骤2：将待修复的时间切片输入到周期子网络中，得到交通流量的周期特征；具体为：周期子网络采用编解码器结构；并将BiConvLSTM作为网络中的组成单元；将路网流量图像按照时间顺序排列{Xt-1d,Xt-10min,Xt-5min,X,Xt+5min,Xt+10min,Xt+1d}，其中X为包含缺失数据的路网流量图像，其它数据为周期内完整路网流量图像，其中min表示分钟，d表示天；将排列好的路网流量图像输入到BiConvLSTM中，输出隐藏状态H和单元输出Y；在编码器Encoder中每一层BiConvLSTM前使用PConvLSTM网络对输入的待修复的时间切片进行下采样，得到每一层的隐藏状态H1,H2,…,Ht；解码器Decoder中的每一层的隐藏状态来自于编码器Encoder中的复制，每一层ConvLSTM前使用反卷积进行上采样；解码器Decoder第一层输入来自随机初始化特征，之后解码器Decoder每一层的输入为前一层的输出，最终得到交通流量的周期特征；步骤3：将待修复的时间切片输入到空间子网络中，得到交通流量的空间特征；具体为：空间子网络采用编解码结构；将包含缺失数据的路网流量图像X输入到空间子网络中，得到交通流量空间特征图；空间子网络中的编码器Encoder使用PartialConvolution进行下采样；解码器Decoder使用反卷积进行上采样，使输出大小与输入大小相同的交通流量的空间特征；步骤4：将交通流量的周期特征和交通流量的空间特征输入到融合网络中，得到交通流量的插补结果；具体为：将周期特征与空间特征进行堆叠，使用1×1卷积对两个特征进行融合，输出融合后的特征矩阵。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于视频修复技术的交通流量插补方法