一种基于传递周期性的GAN网络的缺失交通流数据插补方法

本发明公开一种基于传递周期性的GAN网络的缺失交通流数据插补方法，该方法提出了一种新的周期性数据提取方式，提取多种周期数据的传递周期性，用于历史数据对缺失数据的预测，进而提高对缺失数据插补的准确性；设计一种动态缺失率重构损失函数，通过此函数动态的适应不同时段下不同缺失率的数据，更好地应对真实缺失数据集的随机性和动态性，平滑损失函数优化过程，提高插补模型的鲁棒性和泛化能力；构建动态邻接矩阵，对随时间变化的节点之间的动态空间关系进行建模，并考虑了静态空间依赖性和动态空间依赖性，提升模型对交通流数据时空相关性的特征提取能力。该数据插补方法比STGAN模型在PeMS04数据集上的不同缺失率情况下的插补效果均更好。