买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜江门市规划勘察设计研究院有限公司申请的专利一种基于多特征双判别器的交通数据补偿方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117058882B 。

龙图腾网通过国家知识产权局官网在2025-03-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311141096.9，技术领域涉及：G08G1/01；该发明授权一种基于多特征双判别器的交通数据补偿方法是由谢昊飞;黄幸;王蓉;贾朝龙;肖云鹏;赵卫峰设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本一种基于多特征双判别器的交通数据补偿方法在说明书摘要公布了：本发明属于智能交通领域，具体涉及一种基于多特征双判别器的交通数据补偿方法，包括：获取卡口交通数据和路网的真实交通流图像；将路网转化为交通路网结构图；从交通数据提取相关属性；采用RoadNetPixel算法生成路网交通流图像；捕获交通路网的时空间特征和外部属性信息的外部特征并进行特征融合；建立ST‑DDGAN组件模型，根据融合特征和路网交通流图像以及路网的真实交通流图像进行对抗训练，通过训练完成后的ST‑DDGAN组件模型进行缺失数据补全。本发明通过将路网图像化，并基于路网图提取时空特征，同时，融合外部因素进行缺失数据补全，在交通数据高丢失率情况下，交通数据补偿的精度较高。

本发明授权一种基于多特征双判别器的交通数据补偿方法在权利要求书中公布了：1.一种基于多特征双判别器的交通数据补偿方法，其特征在于，包括：S1：从数据平台提供的API接口中获取卡口交通数据和路网的真实交通流图像x；所述交通数据包括卡口传感器信息和外部属性信息；S2：将路网转化为交通路网结构图；S3：从卡口传感器信息提取相关属性，所述相关属性包括车辆轨迹、卡口和路网交通流量；S4：根据卡口传感器数据提取的相关属性和建立的交通路网结构图，从车辆轨迹分析卡口之间的影响关系，采用RoadNetPixel算法生成路网交通流图像R；根据卡口传感器数据提取的相关属性，从车辆轨迹分析卡口之间的影响关系，采用RoadNetPixel算法来生成路网交通流图像R，包括：车辆轨迹由多个卡口组成，输入车辆轨迹样本，引入skip-gram算法从轨迹中挖掘出卡口的高维特征表示，得到卡口高维特征向量表示[c1,c2,…,cN]，引入t-SNE方法对卡口的高维特征向量[c1,c2,…,cN]进行降维处理，将其映射到低维空间；计算高维空间中每个卡口与邻接卡口之间的相似度pij，以及计算低维空间中的每个卡口与邻接卡口的相似度qij；通过最小化KL散度来不断调整低维空间中卡口的位置，将低维空间中的相似度与高维空间中的相似度尽可能接近，得到最终输出的低维空间中的卡口特征向量[f1,f2,…,fN]；对低维空间横向和纵向进行切割，让像素空间包含所有的卡口；对于包含过多卡口的像素点，以包含最大交通流量卡口为中心，其余卡口向外扩张一圈进行分散，若外圈的像素点没有包含卡口，则占用此像素点，否则向外继续扩张一圈，直到所有卡口分散到最近的像素点，当像素空间每个像素点最多包含一个卡口时，得到路网像素化矩阵P；将对应的卡口交通流量填充到路网像素化矩阵P，矩阵中缺失的卡口用0填充，生成路网交通流图像R；S5：根据路网交通流图像R捕获交通路网中隐藏的时空特征；S6：通过多头注意力机制拼接外部因素，并赋予不同的权重系数，挖掘外部属性信息的外部特征；S7：将时空特征和外部特征进行特征融合，得到融合特征；S8：建立ST-DDGAN组件模型；所述ST-DDGAN组件模型，包括：生成器G和判别器D；所述生成器G为自动编码器-解码器的结构，自动编码器采用残差网络中的残差块取代卷积层，每个残差块包含两个相同的卷积核的卷积操作和批归一化；所述判别器D为双判别器结构，包括全局判别器DG和局部判别器DL；S9：将融合特征和路网交通流图像R输入ST-DDGAN组件模型，根据路网的真实交通流图像x进行对抗训练，通过训练完成后的ST-DDGAN组件模型对数据缺失的交通数据进行补全。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江门市规划勘察设计研究院有限公司，其通讯地址为：529000 广东省江门市堤东路129号三楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。