关键词：城市级停车诱导系统 有限感知 数据升维 批量式 

摘要：随着城市中私家车保有量和使用频次显著增加,"停车难"问题逐渐成为制约城市发展的"瓶颈".为了合理利用城市中有限的停车资源,最好的方式是建立城市级的停车诱导系统,而现阶段尚且没有有效的方案出现,究其原因是获取停车数据成本过于高昂导致的.因此,如何在不影响停车数据准确性的前提下降低其获取成本成为解决"停车难"问题的关键.本文首先基于停车数据的时空敏感性,将数据差异明显的停车场分为不同簇;再验证同一簇中停车数据符合二八定律后,筛选出影响力最大的前20%的停车场作为样本停车场,对其安装传感器获取实时停车数据并作为样本数据;考虑到现有算法得到的修补数据效果不理想,本文将一维停车数据升至二维,使用改进后的深度卷积对抗生成网络(Deep Convolution Generative Adversarial Networks, DCGAN)生成与样本数据近似同分布的新数据集.新数据集的任一条可作为同簇中任一缺失的停车数据.实现结果表明,本文提出的方案不仅可在有限感知的条件下批量式的获得大量高仿分的"伪数据",大幅降低停车数据的获取成本,而且修复效果较当前研究有明显提高.

计算机系统应用杂志要求:

{1}参考文献按GB/T 7714-2005《文后参考文献著录规则》采用顺序编码制著录，依照其在文中出现的先后顺序用阿拉伯数字加方括号标出。

{2}文责自负。概不接受抄袭稿件。本刊概不退稿，请作者自留底稿。

{3}请勿一稿多投，三个月内未接到本刊录用通知可另行处理。

{4}文题：力求简明、醒目，反映出文章的主题。中文文题一般以20个汉字以内为宜。

{5}正文应层次清楚，方便阅读，行文符合规范。正文中的各级标题分别为：“1”、“1.1”、“1.1.1”等。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社