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！

申请/专利权人：上海电科智能系统股份有限公司

摘要：本发明涉及一种基于GAN的城市重大交通事故数据样本自动生成方法，目的是自动生成城市重大交通事故数据样本，从而提供大量数据给深度学习模型进行学习和训练，提高模型对交通事故预测的准确率，从而挽回大量由交通事故带来的损失。本发明中的遗传变异‑对抗生成网络主要由两部分组成，一个是生成网络，另一个是鉴别网络。本发明首次将遗传变异算法用于与生成网络结合来生成假的数据样本，同时对抗生成网络也是第一次用于重大交通事故样本生成。

主权项：1.一种基于GAN的城市重大交通事故数据样本自动生成方法，其特征在于，包括以下步骤：步骤1、将城市交通事故特征定义为四个维度：天气特性、时间特性、道路特性、车辆类型特性，对真实重大交通事故样本集中每一个事故样本的特征进行独热编码，得到特征向量，作为真实数据样本库X＝{x1,x2,…,xi,…,xm}，xi表示第i个特征向量；步骤2、生成初始假的数据集Z＝{z1,z2,…,zi,…,zm}，zi表示第i个假的重大交通事故样本的特征向量；步骤3、建立生成网络和鉴别网络，生成网络和鉴别网络为神经网络，其中：生成网络的输出层神经元与输入层神经元个数相同；鉴别网络的输入层有真实数据和生成网络生成的数据，鉴别网络的输出层有一个神经元，输出结果为一个值；随后初始化生成网络和鉴别网络的参数，生成网络的参数为θd和鉴别网络的参数为θg；步骤4、从步骤2中生成的假的数据集Z＝{z1,z2,…,zi,…,zm}中采样n个样本，输入生成网络中，计算此时生成网络生成的结果：步骤5.鉴别网络的目标函数V表示为： 式中，Dxi是真实数据的输出值；是生成网络生成的假数据在鉴别网络中的输出值；目标为最大化目标函数V，通过梯度上升的方法来更新权重参数：式中，η表示学习率LearningRate，代表每一次参数更新步的长度，表示参数θd的导数；步骤6、从步骤2中生成的假的数据集Z＝{z1,z2,…,zi,…,zm}中采样n个样本，计算此时生成网络生成的结果根据生成网络的目标函数通过梯度上升的方法来更新权重参数：式中，表示参数θg的导数；步骤7、重复步骤4到步骤6直至生成网络和鉴别网络都收敛，获得训练后的对抗生成网络，对抗生成网络训练好以后，即可用来生成重大交通事故数据。

全文数据：

权利要求：

百度查询： 上海电科智能系统股份有限公司 一种基于GAN的城市重大交通事故数据样本自动生成方法