基于自我注意力机制的图自编码器的交通大数据修复方法

摘要

本发明公开了一种基于自我注意力机制的图自编码器的交通大数据修复方法，包括：确定需要进行交通数据修复的区域，采集该区域的历史交通数据；构建掩码矩阵，同时基于所选区域的路网结构生成邻接矩阵；基于自我注意力机制和图卷积网络构建数据修复模型；对数据修复模型进行训练；针对需要修复的交通数据，利用训练好的数据修复模型获得数据修复结果。本发明在GCN的基础上引入自编码器、多头注意力机制等结构，利用GCN的结构有效地学习城市路网的拓扑图结构，利用多头注意力机制学习交通流数据的时空关联性，并利用自编码器依据存在缺失的交通数据生成完整的交通数据，且通过多头注意力机制和GCN可以有效提高模型数据修复的准确性。