STGAN:用于交通数据插补的时空生成对抗网络

STGAN:用于交通数据插补的时空生成对抗网络_第1张图片
文章地址:
STGAN: Spatio-temporal generative adversarial network for traffic data imputation

主要研究问题:

由于硬件故障或数据传输,观测到的交通数据中产生了噪声和缺失条目。这些质量差的数据无疑会降低ITS的性能;

本文贡献:

  • 为交通数据插补任务提出了一种改进的生成对抗网络框架。引入 GAN 来捕获大量分布的流量数据,并链接扩张卷积捕获的相邻数据以优化插补过程。(其实就是去找到真实数据的分布,并且我认为数据本身以及是已知的,才能用GAN这样的框架,本质就是去学习数据的分布情况)在本文中,我们考虑了丢失交通数据的时空相关性,并提出了一种改进的基于 GAN 的交通数据插补方法,称为时空生成对抗网络(STGAN)。
  • 受到流量数据与其周围邻居之间强相关性的启发(是否可以和nature那篇文章进行链接?),提出了中心损失,以使估算的条目符合相应的邻居分布。此外,设计了生成损失(这个可以借鉴)来衡量每个缺失条目与其真实值之间的距离。(因为需要指标来说明你的问题)
  • 设计了两种网络架构。首先引入跳跃连接机制,保证观测值不变,避免丢失深

你可能感兴趣的:(时空图预测交通领域,生成对抗网络,人工智能,神经网络)