基于循环生成式对抗网络实现停车场 时空数据的修复

停车诱导技术在一定程度上缓解了高峰时段无序停车问题，并减少了司机寻找车位的时间，但停车诱导系统对实时数据和历史数据有较高的依赖。如果缺少相应数据，那么诱导系统的准确性将大打折扣。针对这一问题，该文通过挖掘停车场周围的空间数据，提出了一种停车场空间相似度度量，并计算出停车场空间相似情况下其数据的相似条件概率。当条件概率足够大时，以已知数据为学习样本，使用循环生成式对抗网络获得修复数据。实验结果表明，当停车场空间具有较高空间相似度时，其数据同样有大概率的相似性，使用循环生成式对抗网络生成的数据与真实数据具有相同的分 布。该文提出的方法可在短时间内生成大量的合理数据，现停车场数据的修复，提高诱导系统的可靠性