[发明专利]一种基于GAN的城市重大交通事故数据样本自动生成方法

权利要求书

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，...，x^m}，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，...，z^m}，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θ_d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，...，z^m}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，D(xⁱ)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(Learning Rate)，代表每一次参数更新步的长度，表示参数θ_g的导数；

步骤6、从步骤2中生成的假的数据集Z＝{z¹，z²，...，zⁱ，...，z^m}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θ_g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。

2.如权利要求1所述的一种基于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，步骤1中：所述时间特性包括是否为早晚高峰期、是否为通勤日、是否为节假日、一年中的哪一个月份；所述道路特性包括与最近的十字路口距离、道路宽度、道路曲折度。

3.如权利要求1所述的一种基于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，步骤2中，生成假的数据集Z时，设置探索率A％，则初始假的数据集Z中A％数据根据遗传算法中的变异算法生成，(100-A)％的数据完全随机生成。

4.如权利要求1所述的一种基于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，所述遗传算法中的变异算法包括以下步骤：

步骤2.1、分别统计真实数据样本库X中的四个维度特征的均值、最小值和最大值，得到天气特性特征的均值μ₁、最小值min₁、最大值max₁；时间特性特征的均值μ₂、最小值min₂、最大值max₂；道路特性特征的均值μ₃、最小值min₃、最大值max₃；车辆类型特性特征的均值μ₄、最小值min₄、最大值max₄；

步骤2.2、遗传算法中的变异算法：根据高斯分布规律以及3σ定理，依据步骤2.1得到的四个维度特征的均值、最小值和最大值，获得生成的假的数据集Z中60％数据的均值为μ，方差为(max-min)/3。

5.如权利要求1所述的一种基于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，步骤3中，所述生成网络和所述鉴别网络分别为隐含层为5层且每个隐含层含有4个神经元的神经网络。