[发明专利]一种领域适配的跨城市交通流量超分辨率重建方法及系统

说明书

本发明公开了一种领域适配的跨城市交通流量超分辨率重建方法及系统，所述方法包括：获取数据，并构建数据集；根据源领域城市区域的低分辨率交通流量图以及高分辨率交通流量图，采用监督学习的方式对预设的超分辨率网络进行预训练，获得优化的超分辨率网络；构建一对孪生优化的超分辨率网络；并采用领域分类器进行对抗训练，并同时更新网络参数；获得一对训练后的孪生超分辨率网络；将所述数据集输入到所述一对训练后的孪生超分辨率网络；获得目标领域城市高分辨交通流量图。本发明能够通过领域适配的方法使得两个不同领域(城市)的流量特征分布相近，从而实现对目标领域(城市)的超分辨率重建，降低对城市交通流量数据量的需求。

技术领域

本发明涉及大数据和物联网技术领域，特别是涉及一种领域适配的跨城市交通流量超分辨率重建方法、系统以及计算机可读存储介质。

背景技术

城市交通流量监测系统是智慧城市建设的重要组成部分，城市交通流量的计算和应用对城市规划、公共安全、交通管理等应用具有重要意义。然而监控流量的设备的长期维护和运行需要巨大的成本，如果能够在保持原流量数据的粒度和准确度的前提下，减少流量监控部署，则可以大大降低成本。

深度学习的发展使城市计算取得了显著进步，城市交通流量的实时预测主要为细粒度/缺失值预测，即监控数据不能覆盖所研究的城市区域，需要基于稀疏数据预测细粒度数据。基于此种方式的深度学习模型训练需要大量的城市细粒度数据。然而由于经济地理等因素制约，不同的城市的建设发展水平不均。在对一个从未实施过智慧建设应用或覆盖比例较低的城市进行某项智慧应用部署时，一般需要提前搭建或部署好大型的数据平台来收集整合可使用的城市数据，才能用于模型训练，而这项准备需要消耗大量是人力、物力以及时间。

在现有的城市交通流量计算中，大多采用集中在利用目标城市的已有数据进行预测、检测或部署，但是该方法只适用于拥有比较丰富的历史数据的城市，且基于特定城市数据训练出的模型难以应用于其他新城市。

发明内容

本发明的目的是：提供一种领域适配的跨城市交通流量超分辨率重建方法及系统，能够在不使用目标领域(城市)的高分辨率数据的前提下，通过领域适配的方法使得两个不同领域(城市)的流量特征分布相近，从而实现对目标领域(城市)的超分辨率重建，降低对城市交通流量数据量的需求，提升在丰富数据城市训练出的性能良好的流量超分辨重建模型的适用范围。

为了实现上述目的，本发明提供了一种领域适配的跨城市交通流量超分辨率重建方法，所述方法包括：获取数据，并构建数据集；其中，所述数据包括：源领域城市区域的低分辨率交通流量图、高分辨率交通流量图以及目标领域城市的低分辨率交通流量图；根据所述源领域城市区域的低分辨率交通流量图以及高分辨率交通流量图，采用监督学习的方式对预设的超分辨率网络进行预训练，获得优化的超分辨率网络；构建一对孪生优化的超分辨率网络，包括超分辨率网络1和超分辨率网络2；并采用领域分类器进行对抗训练，并同时更新网络参数；获得一对训练后的孪生超分辨率网络；其中，所述一对训练后的孪生超分辨率同时更新，共享参数和权重；将所述数据集输入到所述一对训练后的孪生超分辨率网络；获得目标领域城市高分辨交通流量图。

进一步地，所述获取数据，并构建数据集；具体为：将城市中待研究的区域按照经纬度划分为X＊Y的网格，其中一个网格表示一个区域；并统计出在特定时间间隔内，每个区域的交通流入流量图以及交通流出流量图，获得一个二通道的交通流量图；并根据所述二通道的交通流量图，得到源领域城市区域的低分辨率交通流量图、高分辨率交通流量图以及目标领域城市的低分辨率交通流量图；其中，所述低分辨流量图中的区域称为超区域，所述分辨率图中的区域称为子区域。

进一步地，所述低分辨率交通流量图中的区域对应着高分辨率交通流量图中的N＊N个区域；其中，所述N的取值范围N≥2。

进一步地，所述超区域的流入流量与流出流量与所述超区域对应子区域的流入流量与流出流量约束关系如下：