基于稀疏补全协同Q深度学习的交通最优路径规划方法

本发明提供了基于稀疏补全协同Q深度学习的交通最优路径规划方法，涉及交通路径规划领域，包括：基于加权误差控制的关键区域自适应选择方法，对稀疏区域进行采样选择；基于transformer的交通图特征隐私保护方法，对交通图特征进行高效提取和保护；基于KNN加权平均的稀疏交通图特征矩阵补全方法，将缺失部分进行补全；面向稀疏交通图预训练的Q深度学习自适应梯度保护方法，对模型参数进行保护；基于Kalman filter的稀疏交通流最优路径规划方法，以选择最优路径；本发明所采用的保护方法取得本地差分隐私，在确保稀疏交通数据的隐私保护前提下，实现高可用性的最优路径规划。