STGAN：用于交通数据插补的时空生成对抗网络

文章地址：
STGAN: Spatio-temporal generative adversarial network for traffic data imputation

主要研究问题：

由于硬件故障或数据传输，观测到的交通数据中产生了噪声和缺失条目。这些质量差的数据无疑会降低ITS的性能；

本文贡献：

• 为交通数据插补任务提出了一种改进的生成对抗网络框架。引入 GAN 来捕获大量分布的流量数据，并链接扩张卷积捕获的相邻数据以优化插补过程。（其实就是去找到真实数据的分布，并且我认为数据本身以及是已知的，才能用GAN这样的框架，本质就是去学习数据的分布情况）在本文中，我们考虑了丢失交通数据的时空相关性，并提出了一种改进的基于 GAN 的交通数据插补方法，称为时空生成对抗网络（STGAN）。
• 受到流量数据与其周围邻居之间强相关性的启发（是否可以和nat