一种基于知识图谱的路网节点重要性评估的方法技术

本发明专利技术公开了一种基于知识图谱的路网节点重要性评估的方法，属于图神经网络与城市交通规划技术交叉的领域。通过这一技术可以解决由于路网中的数据不够全面而无法对路网中所有节点进行重要性评估的问题。本发明专利技术首先从已有的轨迹数据中挖掘出路网中频繁拥堵的路段及其拥堵传播模式，并根据各路段拥堵传播概率图对各路段进行评分。其次，本发明专利技术构建对应区域的交通知识图谱，并在知识图谱上使用基于图神经网络的方法，对已知节点的分数及特征进行传播并利用轨迹数据对节点的重要性进行调整，从而预测出路网中其他节点的重要性。

A method to evaluate the importance of road network nodes based on Knowledge Map

【技术实现步骤摘要】
一种基于知识图谱的路网节点重要性评估的方法
本专利技术属于图神经网络与城市交通规划技术交叉的领域，涉及一种基于图神经网络在交通知识图谱中评估路网中节点重要性的方法。
技术介绍
快速发展的交通给人们带来了便利的同时，随之而来的还有许多无法忽略的问题，出行这一民生问题目前已经成为了一个瞩目的社会难题，而引起这些难题的主要则是交通中的拥堵所导致的一系列的问题。拥堵会在导致出行时间的增长，生态环境的恶化等一系列问题的同时，也成为了城市发展的瓶颈。因此，解决拥堵问题已经迫在眉睫。目前虽然已经有很多交通领域的方法用于解决这一问题，但是由于交通系统是一个复杂变化的系统，仅仅凭借专业领域知识去解决是远远不够的。而大数据时代则为我们提供了另一个很好的机会去解决这一问题。通过对交通路网中的过往数据进行学习，可以让我们建立起科学而有效的交通模型从而实现对交通系统的有效统筹。在交通领域，通常认为交通拥堵是由交通路网的脆弱性所导致的，并且由于交通系统是一个动态的系统，当路网中的某个节点发生拥堵的时候，随着时间的迁移，拥堵的状态拥堵可能会向相邻的路段扩散。而且对于不同的路段，即使他们发生同样程度的拥堵也很可能会导致不同程度的后果，这是因为不同的道路有不同的拥堵传播模式。根据拥堵传播的这一特性，当路网中发生大范围的拥堵时，可以根据路段对周边范围的不同影响程度，来优先疏通影响范围大的路段。因此，要想解决区域拥堵问题，就需要掌握各条道路在路网中的重要性程度，而这个重要性程度则需要用拥堵传播的能力来定义，即，对于那些发生拥堵会对路网产生较大范围影响的路段认为其是路网中相对重要的节点。在评估出路网中不同道路节点重要性之后，当路网中发生拥堵而导致部分节点失效的时候，通过及时对重要程度高的节点采取相应的措施，可以避免路网中出现级联失效。除此之外，在对路网中设施进行升级的时候，同样也可以优先对路网中的重要程度高的节点进行升级。目前的关键节点评估方法主要来源于复杂网络领域和交通领域。对于复杂网络领域的方法来说，由于没有面向交通网络的特点构建相应的模型，所以导致这些算法开销大、效率低。而对于交通领域知识驱动的方法来说，过于依赖领域知识会导致模型不够灵活，而无法考虑到现实交通场景中一些其他因素的影响，而过往的真实数据则可以反映出各种因素对于交通的直接而不易量化的影响。因此，通过真实的路网数据与交通领域知识结合，可以从数据中学到全面、真实的交通拥堵传播模型的同时与交通领域知识相结合，从而评估出路段中各节点重要程度。这种方法可以从多方面考量到交通的多种影响因素，但是由于本质上为数据驱动的方法，因此依旧受限于数据量这一瓶颈，而当数据量不足的时候数据驱动的方法的效率则会大幅下降。对于交通数据来说，由于传感器失效或者保护隐私等原因很有可能会遇到数据的缺失的情况，在这种情况下，可以通过半监督学习的方法对数据量充足的节点特征进行学习，从而预测出其他节点的重要性程度。同时，在选择半监督学习方法的时候，也应该选择适合交通领域的模型，这样才能更好地学习到交通路网中的特征。
技术实现思路
为了解决上面提出的问题，本专利技术提出一个基于知识图谱的路网节点重要性评估的方法。通过这一方法，即使在数据量较少的情况下也可以根据过往出租车轨迹数据计算出部分路网中节点重要性，再通过图神经网络学习路网中节点特征对数据不足的路段的重要性进行预测，从而达到一个数据补全的目标。这一方法的步骤大致分为两个模块，分别为基于拥堵传播概率模型的打分模块和基于图神经网络的路网节点重要性预测模块。第一个模块通过输入出租车轨迹数据找出频繁发生拥堵的路段及其拥堵传播概率图，并根据拥堵传播概率图对这些路段进行打分。第二个模块首先从已有数据中挖掘出道路间的关联，构建出交通知识图谱。再利用第一个模块中已经得到分数的节点，在交通知识图谱中进行分数的传播，预测未知节点的分数，最后再对节点分数进行选择偏好性的调整。第二个模块作为第一个模块的一个补充，可以依据第一个模块获得的结果对数据量不足的路段进行重要性分数的预测。基于交通知识图谱进行预测相对于普通的图来说，可以更好的进行分数的传播。这是因为在图谱中存在多种关系，多种关系使路段节点间以多种方式连接，每一种关系构成的图都可以看做知识图谱的一层，分数以不同的权重在知识图谱的不同关系层中进行更加广泛的传播。图1为本专利技术的整体模块设计图。为了达到上述目的，本专利技术所采用的技术方案如下：一种基于知识图谱的路网节点重要性评估的方法，步骤如下：步骤1：从已有的出租车轨迹数据中挖掘出路网中频繁发生拥堵的路段，并构建这些路段的拥堵传播概率模型，根据这些路段的拥堵传播概率模型对路网中的部分节点进行打分；步骤2：用临接图的形式组织已有路段数据，路段节点间以相邻的关系连接，在此基础上，引入类别实体，从数据中获取实体间的多种关系，构建异构且包含多种关系的知识图谱；步骤3：对于没有足够数据来判断重要性的路网节点，用图神经网络对交通知识图谱的特征和结构进行学习，并通过轨迹数据对节点分数进行偏好性调整，实现对数量不足的路网节点重要性的预测。所述步骤1中从已有的出租车轨迹数据中挖掘出路网中频繁发生拥堵的路段，并构建这些路段的拥堵传播概率模型的过程为：步骤1.1：将轨迹数据匹配与相应区域中的路段对应；步骤1.2：根据路段的平均车速确定路段发生拥堵时的速度阈值，并找出频繁发生拥堵的路段；步骤1.3：找出频繁发生拥堵路段每次发生拥堵时的拥堵传播图，并根据多个时刻的拥堵传播图计算出路段每次发生拥堵时的传播概率，即拥堵传播概率模型。所述步骤1中，根据这些路段的拥堵传播概率模型对路网中的部分节点进行打分的公式为：Si,j＝di,j×Pi,j其中：j为频繁拥堵的源头路段；i为j在拥堵过程中能够传播到的路段；di,j为路段i与距离j所相隔的路段的个数；Pi,j为发生在路段i的拥堵传播到路段j的概率；Si,j为路段j相对于i的打分；N(j)为路段j的拥堵能够传播到的所有的路段集合；所述步骤2中所述的实体包括路段、POI和时间；关系包括路段间关系、POI间关联、路段与POI之间关系和时间与路段间关系；其中：路段包括gps坐标、道路宽度、道路级别、道路名称、所属商圈；POI包括gps坐标、poi类别、所属商圈；时间包括早高峰、中午时段、晚高峰、其他时段；路段间关系包括相邻、属于同一商圈、属于相同的道路类型；POI间关联包括属于同一商圈、距离相近并且类型相同、属于同一种POI类型；路段与POI之间关系包括距离临近、属于同一商圈；时间与路段间关系包括在该时间段内处于拥堵状态。所述步骤3的具体过程为：步骤3.1：用TransE的方法对知识图谱进行知识表示获得节点和关系的特征向量；步骤3.2：将节点的特征向量输入到单层全连接神经网络，即打分层中，对节点特征进行打分，将打分的结果输入到图注意力网络层中；步骤3.3：在知识图谱中基于图注意力机制传播各个节点的分数，分数传本文档来自技高网...

【技术保护点】
1.一种基于知识图谱的路网节点重要性评估的方法，其特征在于，步骤如下：/n步骤1：从已有的出租车轨迹数据中挖掘出路网中频繁发生拥堵的路段，并构建这些路段的拥堵传播概率模型，根据这些路段的拥堵传播概率模型对路网中的部分节点进行打分；/n步骤2：用临接图的形式组织已有路段数据，路段节点间以相邻的关系连接，在此基础上，引入类别实体，从数据中获取实体间的多种关系，构建异构且包含多种关系的知识图谱；/n步骤3：对于没有足够数据来判断重要性的路网节点，用图神经网络对交通知识图谱的特征和结构进行学习，并通过轨迹数据对节点分数进行偏好性调整，实现对数量不足的路网节点重要性的预测。/n

【技术特征摘要】
1.一种基于知识图谱的路网节点重要性评估的方法，其特征在于，步骤如下：
步骤1：从已有的出租车轨迹数据中挖掘出路网中频繁发生拥堵的路段，并构建这些路段的拥堵传播概率模型，根据这些路段的拥堵传播概率模型对路网中的部分节点进行打分；
步骤2：用临接图的形式组织已有路段数据，路段节点间以相邻的关系连接，在此基础上，引入类别实体，从数据中获取实体间的多种关系，构建异构且包含多种关系的知识图谱；
步骤3：对于没有足够数据来判断重要性的路网节点，用图神经网络对交通知识图谱的特征和结构进行学习，并通过轨迹数据对节点分数进行偏好性调整，实现对数量不足的路网节点重要性的预测。


2.根据权利要求1所述的一种基于知识图谱的路网节点重要性评估的方法，其特征在于，步骤1中从已有的出租车轨迹数据中挖掘出路网中频繁发生拥堵的路段，并构建这些路段的拥堵传播概率模型的过程为：
步骤1.1：将轨迹数据匹配与相应区域中的路段对应；
步骤1.2：根据路段的平均车速确定路段发生拥堵时的速度阈值，并找出频繁发生拥堵的路段；
步骤1.3：找出频繁发生拥堵路段每次发生拥堵时的拥堵传播图，并根据多个时刻的拥堵传播图计算出路段每次发生拥堵时的传播概率，即拥堵传播概率模型。


3.根据权利要求1或2所述的一种基于知识图谱的路网节点重要性评估的方法，其特征在于，步骤1中，根据这些路段的拥堵传播概率模型对路网中的部分节点进行打分的公式为：
Si,j＝di,j×Pi,j



其中：
j为频繁拥堵的源头路段；
i为j在拥堵过程中能够传播到的路段；
di,j为路段i与距离j所相隔的路段的个数；
Pi,j为发生在路段i的拥堵传播到路段j的概率；
Si,j为路段j相对于i的打分；
N(j)为路段j的拥堵能够传播到的所有的路段集合。


4.根据权利要求1或2所述的一种基于知识图谱的路网节点重要性评估的方法，其特征在于，步骤2中所述的实体包括路段、POI和时间；关系包括路段间关系、POI间关联、路段与POI之间关系和时间与路段间关系；其中：路段包括gps坐标、道路宽度、道路级别、...

【专利技术属性】
技术研发人员：王璐，齐恒，申彦明，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21