基于生成对抗网络和语义编辑的交通流合成方法及系统

技术领域

本发明涉及智能交通技术领域，尤其涉及一种基于生成对抗网络和语义编辑的交通流合成方法及系统。

背景技术

随着智能交通技术的不断发展，越来越多的交通数据被采集、加工以提高系统运行效率和安全性，促使了智能交通系统由基于技术驱动的系统转变为基于数据驱动的系统，这样的变革又进一步激发了对更大规模数据的需求。传统的基于物理传感器采集交通数据的方法，消耗资源多且采集周期长，阻碍了智能交通的发展。因此需要能够利用小规模真实交通数据，开发基于生成对抗网络的交通数据生成模型，使得模型具有抽象小数据特征的能力，然后进一步实现生成大规模人工交通数据目标的工具。

发明内容

本发明提供一种基于生成对抗网络和语义编辑的交通流合成方法及系统，用以解决现有交通数据采集需求量大、获取成本高的问题。

本发明提供一种基于生成对抗网络和语义编辑的交通流合成方法，包括：

建立基于生成对抗网络和语义编辑的交通流合成模型，包括：输入隐变量编辑模块、生成器模块和判别器模块；

所述输入隐变量编辑模块在特定方向进行输入变量语义变换；

所述生成器模块利用隐变量合成交通流数据；

所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据。

根据本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法，所述输入隐变量编辑模块在特定方向进行输入变量语义变换，具体包括：

通过在输入隐变量空间寻找特定方向，利用线性变换方法实现输入隐变量的编辑变换，使合成交通流发生特定改变。

根据本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法，所述利用线性变换方法实现输入隐变量的编辑变换，使合成交通流发生特定改变，具体包括：

获取主要变换方向，确定优选方向；

通过求导方法对优选方向进行求解，生成优选方向的特征向量。

根据本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法，所述生成器模块利用隐变量合成交通流数据，具体包括：

所述生成器模块基于多层全连接神经网络构建；

生成器模块包括：输入层、中间层和输出层，所述配置为可进行学习和调整。

根据本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法，所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据，具体包括：

所述判别器对利用真实数据统计特征对生成器模块合成的交通流数据进行评判；

确定交通流数据中真实交通流数据与合成交通流数据，增加相似度贴合真实交通数据流的合成交通流数据。

根据本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法，所述判别器模块基于多层全连接神经网络构，包括输入层和三层全连接层，对交通流数据进行归一化处理。

本发明还提供一种基于生成对抗网络和语义编辑的交通流合成系统，所述系统包括：

模型建立单元，用于建立基于生成对抗网络和语义编辑的交通流合成模型，包括：输入隐变量编辑模块、生成器模块和判别器模块；

语义编辑单元，用于所述输入隐变量编辑模块在特定方向进行输入变量语义变换；

数据合成单元，用于所述生成器模块利用隐变量合成交通流数据；

判别单元，用于所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于生成对抗网络和语义编辑的交通流合成方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于生成对抗网络和语义编辑的交通流合成方法。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于生成对抗网络和语义编辑的交通流合成方法。

本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法及系统，通过对输入隐变量进行语义编辑实现特定目的的大规模交通流生成，有效生成大规模与真实交通流相似的异常交通流数据，为异常交通状态下的交通管控决策提供数据支撑，使交通流合成结果具有较高的精度和鲁棒性，协助完成交通状况的分析。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法的流程示意图之一；

图2是本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法的流程示意图之二；

图3是本发明提供的一种基于生成对抗网络和语义编辑的交通流合成方法的流程示意图之三；

图4是本发明提供的一种基于生成对抗网络和语义编辑的交通流合成系统的模块连接示意图；

图5是本发明提供的生成对抗网络模型的结构示意图；

图6是本发明提供的生成器模块的框架示意图；

图7是本发明提供的判别器模块的框架示意图；

图8是本发明提供的电子设备的结构示意图。

附图标记：

110：模型建立单元；120：语义编辑单元；130：数据合成单元；140：判别单元；

810：处理器；820：通信接口；830：存储器；840：通信总线。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1-图3描述本发明的一种基于生成对抗网络和语义编辑的交通流合成方法，包括：

S100、建立基于生成对抗网络和语义编辑的交通流合成模型，包括：输入隐变量编辑模块、生成器模块和判别器模块；

S200、所述输入隐变量编辑模块在特定方向进行输入变量语义变换；

S300、所述生成器模块利用隐变量合成交通流数据；

S400、所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据。

本发明中交通流合成模型采用归一化的交通数据，归一化方法为：

其中，x表示交通流实际值，

输入隐变量编辑模块在特定方向进行输入变量语义变换，具体包括：

通过在输入隐变量空间寻找特定方向，利用线性变换方法实现输入隐变量的编辑变换，使合成交通流发生特定改变。

用线性变换方法实现输入隐变量的编辑变换，使合成交通流发生特定改变，具体包括：

获取主要变换方向，确定优选方向；

通过求导方法对优选方向进行求解，生成优选方向的特征向量。

本发明中，获取主要变换方向，包括：

其中，N表示d×k维实数空间，n表示d×k维实数空间某一方向向量，N

通过求导方法对优选方向进行求解，生成优选方向的特征向量，具体包括：

利用求导的方法对优选方向N

生成器模块利用隐变量合成交通流数据，具体包括：

S301、所述生成器模块基于多层全连接神经网络构建；

S302、生成器模块包括：输入层、中间层和输出层，所述配置为可进行学习和调整。

本发明中，生成器模块基于多层全连接神经网络构建，如图5和图6所示，由输入层和五层全连接层，其中输入层权重可训练，输入输出均为60个结点，第一个全连接层输入为60个节点输出为128个节点，第二个全连接层输入为128个节点输出为256个节点，第三个全连接层输入为256个节点输出为512个节点，第四个全连接层输入为512个节点输出为1024个节点，第五个全连接层输入为1024个节点输出为288个节点。通过生成器模块能够大量合成的交通流数据，实现数据扩增。

判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据，具体包括：

S401、所述判别器对利用真实数据统计特征对生成器模块合成的交通流数据进行评判；

S402、确定交通流数据中真实交通流数据与合成交通流数据，增加相似度贴合真实交通数据流的合成交通流数据。

本发明中，判别器模块处理的数据为真实交通流数据和生成器的合成交通流数据，其中真实交通流数据可以通过交通数据采集系统采集获取，具体的可以通过线圈、微波、雷达以及视频检测等手段获取。获取的交通数据为每个检测点在一定时间间隔内的交通流参数，例如流量，行驶速度，行驶时间等。

以下描述以交通数据中的流量为例说明；

对交通流数据进行归一化处理：

归一化处理是将交通流数据值归一化到[0,1]、[-1,1]或其他适于模型处理的范围内。

例如，将交通流数据值归一化到[0,1]范围内，选取交通流数据集中交通数据的最大值x

其中x

本发明中，判别器模块基于多层全连接神经网络构建，如图7所示，由输入层和三层全连接层，第一个全连接层输入为288个节点输出为512个节点，第三个全连接层输入为512个节点输出为256个节点，第三个全连接层输入为256个节点输出为1个节点。

本发明交通流合成模型通过对输入隐变量进行语义编辑实现特定目的的大规模交通流生成。例如，异常交通状态通常预示道路通行能力急剧恶化，如不能被及时发现并进行积极、主动地干预和引导，可能会导致拥堵在路网中快速传播蔓延，造成更为严重的交通安全、环境污染等问题。然而异常交通流样本匮乏且实时采集、标定异常交通流的成本较高，且偶发性交通事件具有较强的随机性和不可复现性，因此利用本发明基于生成对抗网络和语义编辑的交通流合成方法可以有效生成大规模与真实交通流相似的异常交通流数据，为异常交通状态下的交通管控决策提供数据支撑。

参考图4，本发明还公开了一种基于生成对抗网络和语义编辑的交通流合成系统，所述系统包括：

模型建立单元110，用于建立基于生成对抗网络和语义编辑的交通流合成模型，包括：输入隐变量编辑模块、生成器模块和判别器模块；

语义编辑单元120，用于所述输入隐变量编辑模块在特定方向进行输入变量语义变换；

数据合成单元130，用于所述生成器模块利用隐变量合成交通流数据；

判别单元140，用于所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据。

其中，模型建立单元110，通过在输入隐变量空间寻找特定方向，利用线性变换方法实现输入隐变量的编辑变换，使合成交通流发生特定改变。

语义编辑单元120，利用线性变换方法实现输入隐变量的编辑变换，使合成交通流发生特定改变，具体包括：

获取主要变换方向，确定优选方向；

通过求导方法对优选方向进行求解，生成优选方向的特征向量。

数据合成单元130，使生成器模块利用隐变量合成交通流数据，生成器模块基于多层全连接神经网络构建；

生成器模块包括：输入层、中间层和输出层，所述配置为可进行学习和调整。

判别单元140，通过判别器对利用真实数据统计特征对生成器模块合成的交通流数据进行评判；

确定交通流数据中真实交通流数据与合成交通流数据，增加相似度贴合真实交通数据流的合成交通流数据。

本发明提供的一种基于生成对抗网络和语义编辑的交通流合成系统，通过对输入隐变量进行语义编辑实现特定目的的大规模交通流生成，有效生成大规模与真实交通流相似的异常交通流数据，为异常交通状态下的交通管控决策提供数据支撑，使交通流合成结果具有较高的精度和鲁棒性，协助完成交通状况的分析

图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行一种基于生成对抗网络和语义编辑的交通流合成方法，该方法包括：建立基于生成对抗网络和语义编辑的交通流合成模型，包括：输入隐变量编辑模块、生成器模块和判别器模块；

所述输入隐变量编辑模块在特定方向进行输入变量语义变换；

所述生成器模块利用隐变量合成交通流数据；

所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据。

此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的一种基于生成对抗网络和语义编辑的交通流合成方法，该方法包括：建立基于生成对抗网络和语义编辑的交通流合成模型，包括：输入隐变量编辑模块、生成器模块和判别器模块；

所述输入隐变量编辑模块在特定方向进行输入变量语义变换；

所述生成器模块利用隐变量合成交通流数据；

所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的一种基于生成对抗网络和语义编辑的交通流合成方法，该方法包括：建立基于生成对抗网络和语义编辑的交通流合成模型，包括：输入隐变量编辑模块、生成器模块和判别器模块；

所述输入隐变量编辑模块在特定方向进行输入变量语义变换；

所述生成器模块利用隐变量合成交通流数据；

所述判别器模块对所述生成器模块生成的交通流数据进行评判，根据评判结果动态调整，增加相似度贴合真实交通数据流的合成交通流数据。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。