一種交通數(shù)據(jù)彌補(bǔ)方法
【專利摘要】本發(fā)明公開一種交通數(shù)據(jù)彌補(bǔ)方法，該方法包括以下步驟：步驟S1：按照設(shè)定的交通數(shù)據(jù)缺失率對完整交通數(shù)據(jù)集進(jìn)行隨機(jī)缺失處理，獲得缺失處理后的完整交通數(shù)據(jù)集；步驟S2：對缺失處理后的完整數(shù)據(jù)集和完整交通數(shù)據(jù)集進(jìn)行歸一化處理，得到歸一化后的交通數(shù)據(jù)；步驟S3：對基于降噪堆式自動編碼器深層網(wǎng)絡(luò)結(jié)構(gòu)的交通數(shù)據(jù)彌補(bǔ)模型進(jìn)行訓(xùn)練，構(gòu)建出彌補(bǔ)模型；步驟S4：調(diào)用彌補(bǔ)模型對輸入的含缺失數(shù)據(jù)的不完整的交通數(shù)據(jù)進(jìn)行彌補(bǔ)，得到彌補(bǔ)后的交通數(shù)據(jù)值。本發(fā)明將缺失數(shù)據(jù)和觀測數(shù)據(jù)視為整體，以數(shù)據(jù)恢復(fù)的角度彌補(bǔ)交通數(shù)據(jù)，深度挖掘交通數(shù)據(jù)之間的結(jié)構(gòu)關(guān)聯(lián)，一次補(bǔ)全缺失數(shù)據(jù)，效率高，魯棒性好。
【專利說明】一種交通數(shù)據(jù)彌補(bǔ)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能交通系統(tǒng)領(lǐng)域，特別涉及一種基于降噪堆式自動編碼器 (Denoising Stacked Autoencoders)深層網(wǎng)絡(luò)結(jié)構(gòu)的交通數(shù)據(jù)彌補(bǔ)方法。

【背景技術(shù)】
[0002] 交通數(shù)據(jù)是交通領(lǐng)域應(yīng)用和研究的基礎(chǔ)。個體出行者的出行規(guī)劃、研究者和政府 部門的交通控制與管理均需要足夠的交通數(shù)據(jù)作為支持。然而，采集自實(shí)際交通系統(tǒng)中的 交通數(shù)據(jù)往往是不完整的數(shù)據(jù)，含有部分缺失數(shù)據(jù)。這些缺失數(shù)據(jù)的存在為交通分析和研 究帶來諸多不便。交通數(shù)據(jù)彌補(bǔ)旨在盡可能準(zhǔn)確地填補(bǔ)這些缺失的數(shù)據(jù)，為交通領(lǐng)域的應(yīng) 用和研究提供足夠的數(shù)據(jù)支持。
[0003] 現(xiàn)有的交通數(shù)據(jù)彌補(bǔ)方法主要有基于時間序列分析的方法，非參數(shù)回歸方法和統(tǒng) 計(jì)學(xué)習(xí)估計(jì)方法?；跁r間序列分析的方法通常使用待彌補(bǔ)位置的歷史交通數(shù)據(jù)建立一個 預(yù)測模型并預(yù)測缺失位置的數(shù)據(jù)。非參數(shù)回歸方法通常使用臨近位置或者臨近狀態(tài)的數(shù)據(jù) 來估計(jì)缺失位置的數(shù)據(jù)。統(tǒng)計(jì)學(xué)習(xí)估計(jì)方法通常使用觀測數(shù)據(jù)學(xué)習(xí)一個模型并通過迭代的 模式推測缺失的數(shù)據(jù)。上述這些方法在不同的應(yīng)用場景中均表現(xiàn)出一定的應(yīng)用價值。但是 這些方法的彌補(bǔ)誤差通常會隨著數(shù)據(jù)缺失率的提高而增大。而且這些方法將觀測數(shù)據(jù)和缺 失數(shù)據(jù)分開對待，不能充分挖掘交通數(shù)據(jù)之間的結(jié)構(gòu)關(guān)聯(lián)。對于數(shù)據(jù)量較大的交通數(shù)據(jù)，這 些方法的彌補(bǔ)效率不高。


【發(fā)明內(nèi)容】

[0004] (一）要解決的技術(shù)問題
[0005] 本發(fā)明的目的是解決現(xiàn)有技術(shù)對于數(shù)據(jù)量較大的交通數(shù)據(jù)，彌補(bǔ)效率低的問題， 提出一種基于降噪堆式自動編碼器的深層網(wǎng)絡(luò)結(jié)構(gòu)的交通數(shù)據(jù)彌補(bǔ)方法。
[0006] (二）本發(fā)明的技術(shù)方案
[0007] 本發(fā)明的一種交通數(shù)據(jù)彌補(bǔ)方法，包括以下步驟：
[0008] 步驟S1 :按照設(shè)定的交通數(shù)據(jù)缺失率對完整交通數(shù)據(jù)集進(jìn)行隨機(jī)缺失處理，獲得 缺失處理后的完整交通數(shù)據(jù)集；
[0009] 步驟S2 :對缺失處理后的完整數(shù)據(jù)集和完整交通數(shù)據(jù)集進(jìn)行歸一化處理，得到歸 一化后的交通數(shù)據(jù)；
[0010] 步驟S3 :對基于降噪堆式自動編碼器深層網(wǎng)絡(luò)結(jié)構(gòu)的交通數(shù)據(jù)彌補(bǔ)模型進(jìn)行訓(xùn) 練，構(gòu)建出彌補(bǔ)模型；
[0011] 步驟S4 :調(diào)用彌補(bǔ)模型對輸入的含缺失數(shù)據(jù)的不完整的交通數(shù)據(jù)進(jìn)行彌補(bǔ)，得到 彌補(bǔ)后的交通數(shù)據(jù)值。
[0012] (三）本發(fā)明的有益效果
[0013] 現(xiàn)有技術(shù)中目前還沒有基于降噪堆式自動編碼器的深層網(wǎng)絡(luò)結(jié)構(gòu)的交通數(shù)據(jù)彌 補(bǔ)方法，本發(fā)明考慮深度挖掘交通數(shù)據(jù)之間的結(jié)構(gòu)關(guān)聯(lián)，高效率地彌補(bǔ)交通數(shù)據(jù)的方法，研 究基于深層結(jié)構(gòu)模型的交通數(shù)據(jù)彌補(bǔ)問題。本發(fā)明包括數(shù)據(jù)處理，深層網(wǎng)絡(luò)訓(xùn)練，利用深層 網(wǎng)絡(luò)進(jìn)行交通數(shù)據(jù)彌補(bǔ)。利用完整的交通數(shù)據(jù)，通過訓(xùn)練基于降噪堆式自動編碼器的深層 網(wǎng)絡(luò)結(jié)構(gòu)，得到一個深層結(jié)構(gòu)的網(wǎng)絡(luò)彌補(bǔ)模型進(jìn)行交通數(shù)據(jù)彌補(bǔ)。本發(fā)明將缺失數(shù)據(jù)和觀 測數(shù)據(jù)視為整體，以數(shù)據(jù)恢復(fù)的角度彌補(bǔ)交通數(shù)據(jù)，深度挖掘交通數(shù)據(jù)之間的結(jié)構(gòu)關(guān)聯(lián)，能 夠一次補(bǔ)全缺失的交通數(shù)據(jù)，在不同的數(shù)據(jù)缺失率下保持穩(wěn)定的彌補(bǔ)誤差，彌補(bǔ)效率高，魯 棒性好。

【專利附圖】

【附圖說明】
[0014] 圖1是本發(fā)明交通數(shù)據(jù)彌補(bǔ)方法流程圖。
[0015] 圖2是本發(fā)明獲取交通數(shù)據(jù)彌補(bǔ)模型流程圖。
[0016] 圖3是降噪自動編碼器結(jié)構(gòu)示意圖。
[0017] 圖4是堆式自動編碼器結(jié)構(gòu)示意圖。
[0018] 圖5是本發(fā)明深層網(wǎng)絡(luò)交通數(shù)據(jù)彌補(bǔ)模型結(jié)構(gòu)圖。

【具體實(shí)施方式】
[0019] 下面將結(jié)合附圖對本發(fā)明加以詳細(xì)說明，應(yīng)指出的是，所描述的實(shí)施例僅旨在便 于對本發(fā)明的理解，而對其不起任何限定作用。
[0020] 如圖1所示，本發(fā)明給出一種交通數(shù)據(jù)彌補(bǔ)方法，具體地，該方法包括以下步驟：
[0021] 步驟S1 :按照設(shè)定的交通數(shù)據(jù)缺失率對完整交通數(shù)據(jù)集進(jìn)行隨機(jī)缺失處理，獲得 缺失處理后的完整交通數(shù)據(jù)集；
[0022] 所述完整的交通數(shù)據(jù)集來源于交通數(shù)據(jù)采集系統(tǒng)，可以通過線圈檢測、視頻檢測 等手段獲取。獲取的交通數(shù)據(jù)為每個觀測點(diǎn)在一定時間間隔內(nèi)的屬性，例如流量，平均速 度，平均占有率等。以下描述以交通數(shù)據(jù)中的流量為例說明。
[0023] 所述設(shè)定的交通數(shù)據(jù)缺失率是待彌補(bǔ)交通數(shù)據(jù)的缺失率。
[0024] 所述隨機(jī)缺失處理是按照設(shè)定的交通數(shù)據(jù)缺失率，指定完整交通數(shù)據(jù)的缺失率， 按照缺失率對完整交通數(shù)據(jù)進(jìn)行隨機(jī)缺失處理，記錄缺失數(shù)據(jù)的位置，得到缺失處理后的 完整交通數(shù)據(jù)集。隨機(jī)缺失處理是隨機(jī)地將完整交通數(shù)據(jù)中的部分?jǐn)?shù)據(jù)置零，并使這部分 數(shù)據(jù)與總數(shù)據(jù)的比例為設(shè)定的數(shù)據(jù)缺失率。此過程中記錄缺失數(shù)據(jù)的位置。
[0025] 步驟S2 :對缺失處理后的完整數(shù)據(jù)集和完整交通數(shù)據(jù)集進(jìn)行歸一化處理，得到歸 一化后的交通數(shù)據(jù)；所述歸一化處理是選取完整數(shù)據(jù)集中交通數(shù)據(jù)的最大值X max，將缺失處 理前后的完整數(shù)據(jù)與最大值Xmax的比值作為歸一化到[0，1]區(qū)間的交通數(shù)據(jù)。
[0026] 選取完整數(shù)據(jù)集中的最大流量值Xmax，則歸一化后的交通數(shù)據(jù)X定義為：
[0027] Λ：=-- ^ max
[0028] 其中，x是歸一化到[0，1]區(qū)間的交通流量值，X是歸一化前的交通流量值，從而獲 得歸一化的缺失前后的交通數(shù)據(jù)。
[0029] 步驟S3 :對基于降噪堆式自動編碼器深層網(wǎng)絡(luò)結(jié)構(gòu)的交通數(shù)據(jù)彌補(bǔ)模型進(jìn)行訓(xùn) 練，構(gòu)建出彌補(bǔ)模型；
[0030] 附圖2 :獲取交通數(shù)據(jù)彌補(bǔ)模型流程，包括以下步驟：
[0031] 步驟S31 :按照交通數(shù)據(jù)的周期將歸一化后的交通數(shù)據(jù)分組，得到多個缺失后交 通數(shù)據(jù)組、多個缺失前交通數(shù)據(jù)組的輸入輸出數(shù)據(jù)對；
[0032] 具體的，給定歸一化后的交通數(shù)據(jù)，指定交通數(shù)據(jù)的周期，通常為一天。按照周期 分別將缺失后交通數(shù)據(jù)和缺失前交通數(shù)據(jù)分為N組，每組數(shù)據(jù)包含一個周期內(nèi)的Μ個數(shù)據(jù)， 則分別得到缺失前后的ΝΧΜ個數(shù)據(jù)。對于每組缺失前的交通數(shù)據(jù)對應(yīng)有一組缺失后的交 通數(shù)據(jù)。對于Ν組缺失前的交通數(shù)據(jù)則有對應(yīng)的Ν組缺失后的交通數(shù)據(jù)，即得到Ν對的輸 入輸出數(shù)據(jù)對，所述Ν對是缺失后交通數(shù)據(jù)和缺失前交通數(shù)據(jù)。
[0033] 步驟S32 :將得到的輸入輸出交通數(shù)據(jù)對分為訓(xùn)練集和測試集；
[0034] 具體的，將上述Ν對數(shù)據(jù)對分為訓(xùn)練集和測試集，其中訓(xùn)練集包含ρ對數(shù)據(jù)，測試 集包含q即（Ν-ρ)對數(shù)據(jù)。
[0035] 步驟S33 :根據(jù)一個周期內(nèi)交通數(shù)據(jù)的個數(shù)設(shè)定深度網(wǎng)絡(luò)的輸入、輸出交通數(shù)據(jù) 維數(shù)，在限定范圍內(nèi)選取深層網(wǎng)絡(luò)的隱層數(shù)、隱層節(jié)點(diǎn)數(shù)；
[0036] 設(shè)定深度網(wǎng)絡(luò)的輸入層神經(jīng)元的個數(shù)、輸出層神經(jīng)元的個數(shù)都等于一個周期內(nèi)交 通數(shù)據(jù)的個數(shù)M，在限定范圍內(nèi)選取深層網(wǎng)絡(luò)的隱層數(shù)、隱層節(jié)點(diǎn)數(shù)；選取Sigmoid函數(shù)作 為深層網(wǎng)絡(luò)的激活函數(shù)表示如下：
[0037] - 1 + e^
[0038] 其中，y為神經(jīng)元的輸出，x為神經(jīng)元的輸入。根據(jù)前向神經(jīng)網(wǎng)絡(luò)運(yùn)算規(guī)則表示如 下：
[0039] XJ=J2Wuai+bJ
[0040] 其中，Xj為某層第j個神經(jīng)元的輸入，％為低一層第i個神經(jīng)元的輸出，Wij為連 接權(quán)重，bj為偏置量。
[0041] 步驟S34 :在每個選取的深層網(wǎng)絡(luò)結(jié)構(gòu)上，利用訓(xùn)練集數(shù)據(jù)，非監(jiān)督逐層訓(xùn)練深層 網(wǎng)絡(luò)中堆積的每個自動編碼器的權(quán)重參數(shù)；
[0042] 附圖4示出堆式自動編碼器結(jié)構(gòu)是由多個自動編碼器堆積而成；其中，最底層自 動編碼器的輸入是缺失后并歸一化后的交通數(shù)據(jù)，單一自動編碼器的輸出目標(biāo)和輸入一 致，圖4右半部分虛線層表示單一自動編碼器的輸出層。低層的單一自動編碼器訓(xùn)練完后 獲得輸入到隱層的連接權(quán)重I，其隱層作為高一層自動編碼器的輸入層，同時也是堆式自 動編碼器的隱層i。
[0043] 具體的，單一自動編碼器的訓(xùn)練過程為，給定訓(xùn)練集中數(shù)據(jù)對的輸入數(shù)據(jù){x(1)， χ (2)，χ(3)，"·，χ(ρ)}，其中x(i)(i = 1，2,3, "·，ρ)在此處表示訓(xùn)練集中第i對輸入輸出數(shù)據(jù) 對的輸入部分，自動編碼器對輸入χω按照公式（1)進(jìn)行編碼，獲得編碼數(shù)據(jù)y(x (i))表示如 下：
[0044] y (x(l)) = f (WjX^^b) (1)
[0045] 并對輸入x(i)依據(jù)公式（2)進(jìn)行解碼，獲得解碼數(shù)據(jù)z (x(i))表如下：
[0046] ζ(χω) = g(ff2y(x(i))+c) (2)
[0047] 其中，單一自動編碼器的輸入層到隱層以及隱層到輸出層的連接權(quán)重分別是1、 W2，偏置分別是b、c。f(x)和g(x)分別是單一自動編碼器的隱層激活函數(shù)和輸出層激活函 數(shù)，可取為Sigmoid函數(shù)lAl+eXp(-X))。自動編碼器的目標(biāo)是使得輸入值和輸出值相等， 對于最底層的單一自動編碼器，目標(biāo)即使得輸出等于輸入的交通數(shù)據(jù)。令最小化自動編碼 器的目標(biāo)函數(shù)J〇表示如下：
[0048] Λ =丄￡ xW-(3) 2 ,.=ι
[0049] 通過最小化自動編碼器的目標(biāo)函數(shù)I可求得單一自動編碼器的輸入層到隱層的 連接權(quán)重A和偏置b。考慮到編碼稀疏性，最小化自動編碼器的目標(biāo)函數(shù)1可變?yōu)棣缦?表不：
[0050] Jj = (4) 廣1
[0051] 其中Y是稀疏項(xiàng)權(quán)重，HD是隱層單元數(shù)目，P是稀疏參數(shù)（取接近0的數(shù)）， A是隱層神經(jīng)元j的平均活躍度，（在訓(xùn)練集上取平均），紅^||卩,)是 Kullback-Leibler(KL) divergence,即KL散度，此處表示隱層神經(jīng)元激活度的稀疏程度與 設(shè)定的稀疏參數(shù)之間的差異，通過最小化自動編碼器的 目標(biāo)函數(shù)1，訓(xùn)練出單一自動編碼器的輸入層到隱層的連接權(quán)重Α和偏置b，得到自動稀疏 編碼。
[0052] 步驟S35 :在堆積的自動編碼器的頂層加入恢復(fù)層，有監(jiān)督地調(diào)整深層網(wǎng)絡(luò)的各 層參數(shù)；
[0053] 如圖5所示本發(fā)明深層網(wǎng)絡(luò)交通數(shù)據(jù)彌補(bǔ)模型結(jié)構(gòu)圖，由堆式自動編碼器和恢復(fù) 層組成，其中堆式自動編碼器包括輸入層，隱層1、隱層2、隱層3、以及它們之間的連接權(quán)重 Wp W2、W3，恢復(fù)層的輸入是堆式自動編碼器最高層的隱層3,恢復(fù)層輸出目標(biāo)為缺失處理前 的數(shù)據(jù)，形成一個降噪堆式自動編碼器。附圖3示出降噪自動編碼器結(jié)構(gòu)，將降噪自動編碼 器的隱層替換為堆式自動編碼器，即可得到該深層網(wǎng)絡(luò)。網(wǎng)絡(luò)整體目標(biāo)是使得彌補(bǔ)模型的 輸出與缺失前歸一化后的交通數(shù)據(jù)之間的誤差最小，利用缺失前的歸一化數(shù)據(jù)有監(jiān)督地反 向微調(diào)深層網(wǎng)絡(luò)的各層參數(shù)。
[0054] 步驟S36 :每個選取的深層網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練完成后，利用測試集數(shù)據(jù)進(jìn)行前向運(yùn)算， 根據(jù)記錄缺失數(shù)據(jù)的位置得到每個選取的深層網(wǎng)絡(luò)結(jié)構(gòu)在測試集上的彌補(bǔ)平均誤差；選擇 平均誤差最小的深層網(wǎng)絡(luò)結(jié)構(gòu)作為交通數(shù)據(jù)彌補(bǔ)的降噪堆式自動編碼器深層網(wǎng)絡(luò)結(jié)構(gòu)。
[0055] 步驟S4 :調(diào)用彌補(bǔ)模型對輸入的含缺失數(shù)據(jù)的不完整的交通數(shù)據(jù)進(jìn)行彌補(bǔ)，得到 彌補(bǔ)后的交通數(shù)據(jù)值。
[0056] 所述彌補(bǔ)模型是步驟S3中訓(xùn)練的降噪堆式自動編碼器深層網(wǎng)絡(luò)結(jié)構(gòu)彌補(bǔ)模型。 彌補(bǔ)過程具體包括以下步驟：
[0057] 步驟S41 :按照選定的交通數(shù)據(jù)周期將輸入的含缺失數(shù)據(jù)的不完整的交通數(shù)據(jù)分 成若干組交通數(shù)據(jù)；
[0058] 步驟S42 :將上述若干組交通數(shù)據(jù)進(jìn)行歸一化處理，得到若干組輸入交通數(shù)據(jù)。
[0059] 步驟S43 :將上述輸入交通數(shù)據(jù)輸入深層網(wǎng)絡(luò)，進(jìn)行前向計(jì)算，得到并輸出對應(yīng)的 輸出數(shù)據(jù)，即彌補(bǔ)后的交通數(shù)據(jù)的歸一化值。
[0060] 步驟S44 :將上述歸一化的彌補(bǔ)后的交通數(shù)據(jù)彌補(bǔ)值進(jìn)行反歸一化，得到彌補(bǔ)后 的交通數(shù)據(jù)值。
[0061] 以上所述，僅為本發(fā)明中的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任 何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解想到的變換或替換，都應(yīng)涵蓋在 本發(fā)明的包含范圍之內(nèi)，因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。
【權(quán)利要求】
1. 一種交通數(shù)據(jù)彌補(bǔ)方法，其特征在于，該方法包括以下步驟： 步驟S1 :按照設(shè)定的交通數(shù)據(jù)缺失率對完整交通數(shù)據(jù)集進(jìn)行隨機(jī)缺失處理，獲得缺失 處理后的完整交通數(shù)據(jù)集； 步驟S2 :對缺失處理后的完整數(shù)據(jù)集和完整交通數(shù)據(jù)集進(jìn)行歸一化處理，得到歸一化 后的交通數(shù)據(jù)； 步驟S3 :對基于降噪堆式自動編碼器深層網(wǎng)絡(luò)結(jié)構(gòu)的交通數(shù)據(jù)彌補(bǔ)模型進(jìn)行訓(xùn)練，構(gòu) 建出彌補(bǔ)模型； 步驟S4 :調(diào)用彌補(bǔ)模型對輸入的含缺失數(shù)據(jù)的不完整的交通數(shù)據(jù)進(jìn)行彌補(bǔ)，得到彌補(bǔ) 后的交通數(shù)據(jù)值。
2. 根據(jù)權(quán)利要求1所述的交通數(shù)據(jù)彌補(bǔ)方法，其特征在于，所述隨機(jī)缺失處理是按照 設(shè)定的交通數(shù)據(jù)缺失率，指定完整交通數(shù)據(jù)的缺失率，按照缺失率對完整交通數(shù)據(jù)進(jìn)行隨 機(jī)缺失處理，記錄缺失數(shù)據(jù)的位置，得到缺失處理后的完整交通數(shù)據(jù)集。
3. 根據(jù)權(quán)利要求1所述的交通數(shù)據(jù)彌補(bǔ)方法，其特征在于，所述歸一化處理是選取完 整數(shù)據(jù)集中交通數(shù)據(jù)的最大值)^ax，將缺失處理前后的完整數(shù)據(jù)與最大值X max的比值作為歸 一化到[〇，1]區(qū)間的交通數(shù)據(jù)。
4. 根據(jù)權(quán)利要求1所述的交通數(shù)據(jù)彌補(bǔ)方法，其特征在于，所選取交通數(shù)據(jù)的周期，通 常為一天。
5. 根據(jù)權(quán)利要求1所述的交通數(shù)據(jù)彌補(bǔ)方法，其特征在于，構(gòu)建降噪堆式自動編碼器 深層網(wǎng)絡(luò)結(jié)構(gòu)的步驟包括： 步驟S31 :按照交通數(shù)據(jù)的周期將歸一化后的交通數(shù)據(jù)分組，得到多個缺失后交通數(shù) 據(jù)組、多個缺失前交通數(shù)據(jù)組的輸入輸出數(shù)據(jù)對； 步驟S32 :將得到的輸入輸出交通數(shù)據(jù)對分為訓(xùn)練集和測試集； 步驟S33 :根據(jù)一個周期內(nèi)交通數(shù)據(jù)的個數(shù)設(shè)定深度網(wǎng)絡(luò)的輸入、輸出交通數(shù)據(jù)維數(shù)， 在限定范圍內(nèi)選取深層網(wǎng)絡(luò)的隱層數(shù)、隱層節(jié)點(diǎn)數(shù)； 步驟S34 :在每個選取的深層網(wǎng)絡(luò)結(jié)構(gòu)上，利用訓(xùn)練集數(shù)據(jù)，非監(jiān)督逐層訓(xùn)練深層網(wǎng)絡(luò) 中堆積的每個自動編碼器的權(quán)重參數(shù)； 步驟S35 :在堆積的自動編碼器的頂層加入恢復(fù)層，有監(jiān)督地調(diào)整深層網(wǎng)絡(luò)的各層參 數(shù)； 步驟S36 :每個選取的深層網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練完成后，利用測試集數(shù)據(jù)進(jìn)行前向運(yùn)算，根據(jù) 記錄缺失數(shù)據(jù)的位置得到每個選取的深層網(wǎng)絡(luò)結(jié)構(gòu)在測試集上的彌補(bǔ)平均誤差；選擇平均 誤差最小的深層網(wǎng)絡(luò)結(jié)構(gòu)作為交通數(shù)據(jù)彌補(bǔ)的降噪堆式自動編碼器深層網(wǎng)絡(luò)結(jié)構(gòu)。
6. 根據(jù)權(quán)利要求1所述的交通數(shù)據(jù)彌補(bǔ)方法，其特征在于，所述得到彌補(bǔ)后的交通數(shù) 據(jù)值的步驟包括： 步驟S41 :按照選定的交通數(shù)據(jù)周期將輸入的含缺失數(shù)據(jù)的不完整的交通數(shù)據(jù)分成若 干組交通數(shù)據(jù)； 步驟S42 :將上述若干組交通數(shù)據(jù)進(jìn)行歸一化處理，得到若干組輸入交通數(shù)據(jù)； 步驟S43 :將上述輸入交通數(shù)據(jù)輸入深層網(wǎng)絡(luò)進(jìn)行前向計(jì)算，得到并輸出對應(yīng)的輸出 數(shù)據(jù)，即彌補(bǔ)后的交通數(shù)據(jù)的歸一化值； 步驟S44:將上述彌補(bǔ)后的交通數(shù)據(jù)的歸一化值進(jìn)行反歸一化，得到彌補(bǔ)后的交通數(shù) 據(jù)值。
【文檔編號】G06F17/30GK104091081SQ201410336212
【公開日】2014年10月8日 申請日期:2014年7月15日 優(yōu)先權(quán)日:2014年7月15日
【發(fā)明者】王飛躍, 段艷杰, 呂宜生, 亢文文, 朱鳳華, 劉裕良, 趙一飛 申請人:中國科學(xué)院自動化研究所