基于图自编码-生成对抗网络的路网数据修复

来源：交通运输系统工程与信息杂志2021年第6期北京时间：

作者：徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳

单位：1. 浙江工业大学，网络空间安全研究院，杭州310023；2. 交通运输部科学研究院，北京 100029

摘要：完整的交通路网数据是实现智能交通系统的前提，故本文提出一种基于图自编码-生成对抗网络的方法对路网中缺失数据进行修复。首先，通过降噪图变分自编码器提取路网缺失数据的时空特征，使其能最大程度捕获原始路网信息；其次，基于该时空特征利用生成对抗网络生成路网数据，加入重建损失并优化生成对抗网络的目标函数，实现对缺失数据的有效插补；最后，采用西雅图(Seattle)和加州(PEMS04)路网速度数据集，针对不同缺失类型和缺失率下的数据修复进行对比实验。当随机缺失率在 10% ~70%时，Seattle 数据集的 MAE 指标在 2.38~3.25 之间，PEMS04 数据集的 MAE 指标在 1.46~2.38 之间；当聚集缺失率在 10%~70%时，Seattle 数据集的MAE指标在2.51~2.82之间，PEMS04数据集的MAE指标在1.52~1.54之间。对比结果表明，本文提出的路网数据修复方法均优于BP、DSAE、BGCP等模型。

关键词：智能交通,数据修复,图自编码器,生成对抗网络,时空特征,深度学习

基金资助：国家自然科学基金青年科学基金；浙江省自然科学基金；综合交通运输大数据应用技术交通运输行业重点实验室开放课题基金