交通预测（双向注意生成对抗模型）

猿急送>成都其它兼职程序员>Yang Bing>

案例列表

基本信息

案例ID：171840

技术顾问：Yang Bing - 1年经验 - 全日制博士

联系沟通

微信扫码，建群沟通

项目名称：交通预测（双向注意生成对抗模型）

所属行业：人工智能 - 其他

->查看更多案例

案例介绍

实时、准确、全面的交通流数据是智能交通系统为城市交通提供高效服务的关键。在采集数据的过程中，造成数据丢失的因素很多，需要对这些因素进行补充和修复，以减少不稳定性，提高系统在智能交通系统中应用的精度。提出了一种基于时空可学习的双向注意生成对抗网络(ST-LBAGAN)的交通数据缺失归因算法。首先，我们将外部因素、历史观测数据、不完整数据和掩蔽图像作为生成器的输入，并使用二值分类作为鉴别器的输出来获得缺失数据的imputation。其次，在U-Net的基础上构建了发生器的编译码器。可学习双向注意的正向注意图和反向注意图分别对应于编码器和解码器，有效地获取交通流的时空随机特征。第三，在编码器和解码器中，高级和低级特征由多个跳过连接组合。此外，结合掩蔽重构损失、感知损失、区别性损失和对抗性损失优化新的目标函数，以提高数据归并能力。最后，我们的模型在北京出租车GPS数据集上得到了很好的适应性。实验结果表明，在不同的标准基准上，提高了最先进的性能。