基于智能交通的信息处理方法、装置及智能交通系统制造方法及图纸

本申请实施例提供一种基于智能交通的信息处理方法、装置及智能交通系统，通过在提取信息采集区域的区域特征信息后，首先计算信息采集区域的异常特征信息，然后结合区域特征信息的第一特征向量以及获取异常特征信息的第二特征向量来确定信息采集区域的区域画像日志信息，由此进行交通异常检测。由于每个信息采集区域为逻辑采集区域，且对应有交通标签，由此基于交通标签以充分考虑到不同交通运输类型产生的交通信息的特征差距，使得在进行交通异常检测时可以有效减少噪声数据，进而提高检测结果的精度。

【技术实现步骤摘要】
基于智能交通的信息处理方法、装置及智能交通系统
本申请涉及智能信息检测
，具体而言，涉及一种基于智能交通的信息处理方法、装置及智能交通系统。
技术介绍
随着智能交通技术的快速发展，通过将先进的信息技术、数据通信技术、传感器技术、电子控制技术以及计算机技术等有效地综合运用于整个交通运输管理体系，从而可以建立起一种大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统。当前，在采集交通信息的过程中，通常是通过部署于各个交通区域的路段、卡口的交通信息采集设备（例如但不限于交通检测传感器、交通卡口相机等）来实时采集的，通过分析这些采集到的交通信息，可以针对一些异常事件提供有针对性地联动排查方案和后续解决方案。经本申请专利技术人研究发现，在传统检测交通异常情况的方案中，通常会引入诸多噪声数据，并未充分考虑到不同交通运输类型产生的交通信息的特征差距，从而导致检测结果的精度较差。
技术实现思路
为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于智能交通的信息处理方法、装置及智能交通系统，能够充分考虑到不同交通运输类型产生的交通信息的特征差距，使得在进行交通异常检测时可以有效减少噪声数据，进而提高检测结果的精度。第一方面，本申请提供一种一种基于智能交通的信息处理方法，应用于服务器，所述服务器与至少一个交通信息采集设备通信连接，所述服务器中预先配置有每个交通信息采集设备所对应的信息采集区域以及每个信息采集区域对应的交通标签，所述信息采集区域为连通区域或者非连通区域，所述交通标签用于表征所述信息采集区域的交通运输类型，所述方法包括：对于目标交通区域中的每一个信息采集区域，对所述信息采集区域所对应的交通信息采集设备所采集的交通信息进行特征提取，得到所述信息采集区域的区域特征信息；根据所述信息采集区域的区域特征信息和预先得到的至少一个第一异常检测模型，计算所述信息采集区域的异常特征信息，所述至少一个第一异常检测模型是通过对标注异常特征的不同交通标签的信息采集区域的区域特征信息进行训练得到的；获取所述区域特征信息的第一特征向量以及获取所述异常特征信息的第二特征向量，根据所述第一特征向量和所述第二特征向量生成所述信息采集区域的区域画像日志信息，所述第一特征向量根据所述至少一个第一异常检测模型的模型矩阵生成，所述第二特征向量根据预先得到的至少一个第二异常检测模型的模型矩阵生成，所述至少一个第二异常检测模型是通过对标注关键特征向量的不同交通标签的异常特征信息进行训练得到的，所述模型矩阵是通过所述第一异常检测模型或者所述第二异常检测模型完成训练时的各个不同类型的交通检测参数得到的；基于所述每一个信息采集区域的区域画像日志信息，生成所述目标交通区域的交通检测结果。在第一方面的一种可能的设计中，所述对所述信息采集区域所对应的交通信息采集设备所采集的交通信息进行特征提取，得到所述信息采集区域的区域特征信息的步骤，包括：针对所述信息采集区域所对应的交通信息采集设备所采集的交通信息的每个采集节点，获取所述采集节点对应的采集信息序列和采集备注信息，所述采集备注信息包括需要在采集信息中显示的备注内容，所述备注内容至少包括采集设备类型和采集过程信息，所述采集过程信息用于表示所述交通信息采集设备在采集交通信息过程中的控制信息；根据所述采集备注信息获取所述信息采集区域所对应的区域分离位置，其中，所述区域分离位置为所述信息采集区域中当前动态采集区域与静态采集区域的区域分离位置，所述动态采集区域用于表示可进行多个方位切换采集的采集区域，所述静态采集区域用于表示可进行固定方位采集的采集区域；将所述采集信息序列中每个目标采集记录的位置与所述区域分离位置进行比较，得到比较结果，并根据所述比较结果确定所述目标采集记录是位于所述动态采集区域还是位于所述静态采集区域内；根据所述采集信息序列构建待聚类的目标采集信息序列，所述目标采集信息序列中采集记录的记录范围为预设记录范围；根据所述采集信息序列从所述采集备注信息中选取相应的目标动态控制信息，并从所述目标采集信息序列中获取位于所述动态采集区域和静态采集区域内的目标采集记录；当所述目标采集记录位于当前的动态采集区域内时，根据所述目标采集记录的位置在采集信息序列中确定相应的第一待聚类采集记录、以及在所述采集备注信息中确定相应的第三待聚类采集记录，并将所述第一待聚类采集记录在所述采集信息序列中的记录范围、与所述第三待聚类采集记录在所述采集备注信息中的记录范围进行聚类，得到聚类后记录范围，而后将所述目标采集记录在所述目标采集信息序列中的记录范围更新为所述聚类后记录范围；当所述目标采集记录位于当前的静态采集区域内时，根据所述目标采集记录的位置在所述采集信息序列中确定相应的第一待聚类采集记录、以及在所述目标动态控制信息中确定相应的第二待聚类采集记录，并将所述第一待聚类采集记录在所述采集信息序列中的记录范围、与所述第二待聚类采集记录在所述目标动态控制信息中的记录范围进行聚类，得到聚类后记录范围，而后将所述目标采集记录在所述目标采集信息序列中的记录范围更新为所述聚类后记录范围；按照所述目标采集记录所位于的采集区域，提取更新为聚类后记录范围的该目标采集记录的特征信息，并汇总后得到所述信息采集区域的区域特征信息。在第一方面的一种可能的设计中，所述根据所述信息采集区域的区域特征信息和预先得到的至少一个第一异常检测模型，计算所述信息采集区域的异常特征信息的步骤，包括：根据预先得到的与所述信息采集区域的交通标签对应的至少一个第一异常检测模型对所述区域特征信息进行异常检测，分别得到至少一个异常检测特征空间；在所述至少一个异常检测特征空间上进行异常行为特征提取，得到所述区域特征信息的异常行为特征，所述异常行为特征用于描述所述信息采集区域的异常行为；在所述至少一个异常检测特征空间上进行异常变化特征提取，得到所述区域特征信息的异常变化特征，所述异常变化特征用于描述信息采集区域的异常变化，所述异常变化用于表示所述信息采集区域中由正常行为切换为异常行为时的变化情况或者由异常行为切换为正常行为时的变化情况；当所述区域特征信息包括一个区域特征向量时，基于所述区域特征信息的异常行为特征和异常变化特征，对所述区域特征向量的异常行为特征和异常变化特征分别进行朴素贝叶斯计算，得到第一朴素贝叶斯计算结果，并基于所述第一朴素贝叶斯计算结果中与所述异常行为特征匹配的朴素贝叶斯计算结果，在异常特征数据库的朴素贝叶斯计算结果中进行查找，得到与所述异常行为特征匹配的第一异常特征查找结果，而后基于所述第一朴素贝叶斯计算结果中与所述异常变化特征匹配的朴素贝叶斯计算结果，在所述异常特征数据库的朴素贝叶斯计算结果中进行查找，得到与所述异常变化特征匹配的第二异常特征查找结果，并获取所述第一异常特征查找结果和所述第二异常特征查找结果中相同的异常特征查找结果，得到初步异常特征查找结果，对于所述初步异常特征查找结果中包括的每一项异常特征查找结果，获取所述本文档来自技高网...

【技术保护点】
1.一种基于智能交通的信息处理方法，其特征在于，应用于服务器，所述服务器与至少一个交通信息采集设备通信连接，所述服务器中预先配置有每个交通信息采集设备所对应的信息采集区域以及每个信息采集区域对应的交通标签，所述信息采集区域为连通区域或者非连通区域，所述交通标签用于表征所述信息采集区域的交通运输类型，交通信息采集设备包括交通检测传感器和交通卡口相机，所述方法包括：/n对于目标交通区域中的每一个信息采集区域，对所述信息采集区域所对应的交通信息采集设备所采集的交通信息进行特征提取，得到所述信息采集区域的区域特征信息；/n根据所述信息采集区域的区域特征信息和预先得到的至少一个第一异常检测模型，计算所述信息采集区域的异常特征信息，所述至少一个第一异常检测模型是通过对标注异常特征的不同交通标签的信息采集区域的区域特征信息进行训练得到的，异常特征是指被标记为存在异常情况的特征；/n获取所述区域特征信息的第一特征向量以及获取所述异常特征信息的第二特征向量，根据所述第一特征向量和所述第二特征向量生成所述信息采集区域的区域画像日志信息，所述第一特征向量根据所述至少一个第一异常检测模型的模型矩阵生成，所述第二特征向量根据预先得到的至少一个第二异常检测模型的模型矩阵生成，所述至少一个第二异常检测模型是通过对标注关键特征向量的不同交通标签的异常特征信息进行训练得到的，所述模型矩阵是通过所述第一异常检测模型或者所述第二异常检测模型完成训练时的各个不同类型的交通检测参数得到的；/n基于所述每一个信息采集区域的区域画像日志信息，生成所述目标交通区域的交通检测结果；/n所述对所述信息采集区域所对应的交通信息采集设备所采集的交通信息进行特征提取，得到所述信息采集区域的区域特征信息的步骤，包括：/n针对所述信息采集区域所对应的交通信息采集设备所采集的交通信息的每个采集节点，获取所述采集节点对应的采集信息序列和采集备注信息，所述采集备注信息包括需要在采集信息中显示的备注内容，所述备注内容至少包括采集设备类型和采集过程信息，所述采集过程信息用于表示所述交通信息采集设备在采集交通信息过程中的控制信息，控制信息指交通信息采集设备在采集过程中的方位转向信息和采集频率信息；/n根据所述采集备注信息获取所述信息采集区域所对应的区域分离位置，其中，所述区域分离位置为所述信息采集区域中当前动态采集区域与静态采集区域的区域分离位置，所述动态采集区域用于表示可进行多个方位切换采集的采集区域，所述静态采集区域用于表示可进行固定方位采集的采集区域；/n将所述采集信息序列中每个目标采集记录的位置与所述区域分离位置进行比较，得到比较结果，并根据所述比较结果确定所述目标采集记录是位于所述动态采集区域还是位于所述静态采集区域内；/n根据所述采集信息序列构建待聚类的目标采集信息序列，所述目标采集信息序列中采集记录的记录范围为预设记录范围；/n根据所述采集信息序列从所述采集备注信息中选取相应的目标动态控制信息，并从所述目标采集信息序列中获取位于所述动态采集区域和静态采集区域内的目标采集记录；/n当所述目标采集记录位于当前的动态采集区域内时，根据所述目标采集记录的位置在采集信息序列中确定相应的第一待聚类采集记录、以及在所述采集备注信息中确定相应的第三待聚类采集记录，并将所述第一待聚类采集记录在所述采集信息序列中的记录范围、与所述第三待聚类采集记录在所述采集备注信息中的记录范围进行聚类，得到聚类后记录范围，而后将所述目标采集记录在所述目标采集信息序列中的记录范围更新为所述聚类后记录范围；/n当所述目标采集记录位于当前的静态采集区域内时，根据所述目标采集记录的位置在所述采集信息序列中确定相应的第一待聚类采集记录、以及在所述目标动态控制信息中确定相应的第二待聚类采集记录，并将所述第一待聚类采集记录在所述采集信息序列中的记录范围、与所述第二待聚类采集记录在所述目标动态控制信息中的记录范围进行聚类，得到聚类后记录范围，而后将所述目标采集记录在所述目标采集信息序列中的记录范围更新为所述聚类后记录范围；/n按照所述目标采集记录所位于的采集区域，提取更新为聚类后记录范围的该目标采集记录的特征信息，并汇总后得到所述信息采集区域的区域特征信息。/n...

【技术特征摘要】
1.一种基于智能交通的信息处理方法，其特征在于，应用于服务器，所述服务器与至少一个交通信息采集设备通信连接，所述服务器中预先配置有每个交通信息采集设备所对应的信息采集区域以及每个信息采集区域对应的交通标签，所述信息采集区域为连通区域或者非连通区域，所述交通标签用于表征所述信息采集区域的交通运输类型，交通信息采集设备包括交通检测传感器和交通卡口相机，所述方法包括：
对于目标交通区域中的每一个信息采集区域，对所述信息采集区域所对应的交通信息采集设备所采集的交通信息进行特征提取，得到所述信息采集区域的区域特征信息；
根据所述信息采集区域的区域特征信息和预先得到的至少一个第一异常检测模型，计算所述信息采集区域的异常特征信息，所述至少一个第一异常检测模型是通过对标注异常特征的不同交通标签的信息采集区域的区域特征信息进行训练得到的，异常特征是指被标记为存在异常情况的特征；
获取所述区域特征信息的第一特征向量以及获取所述异常特征信息的第二特征向量，根据所述第一特征向量和所述第二特征向量生成所述信息采集区域的区域画像日志信息，所述第一特征向量根据所述至少一个第一异常检测模型的模型矩阵生成，所述第二特征向量根据预先得到的至少一个第二异常检测模型的模型矩阵生成，所述至少一个第二异常检测模型是通过对标注关键特征向量的不同交通标签的异常特征信息进行训练得到的，所述模型矩阵是通过所述第一异常检测模型或者所述第二异常检测模型完成训练时的各个不同类型的交通检测参数得到的；
基于所述每一个信息采集区域的区域画像日志信息，生成所述目标交通区域的交通检测结果；
所述对所述信息采集区域所对应的交通信息采集设备所采集的交通信息进行特征提取，得到所述信息采集区域的区域特征信息的步骤，包括：
针对所述信息采集区域所对应的交通信息采集设备所采集的交通信息的每个采集节点，获取所述采集节点对应的采集信息序列和采集备注信息，所述采集备注信息包括需要在采集信息中显示的备注内容，所述备注内容至少包括采集设备类型和采集过程信息，所述采集过程信息用于表示所述交通信息采集设备在采集交通信息过程中的控制信息，控制信息指交通信息采集设备在采集过程中的方位转向信息和采集频率信息；
根据所述采集备注信息获取所述信息采集区域所对应的区域分离位置，其中，所述区域分离位置为所述信息采集区域中当前动态采集区域与静态采集区域的区域分离位置，所述动态采集区域用于表示可进行多个方位切换采集的采集区域，所述静态采集区域用于表示可进行固定方位采集的采集区域；
将所述采集信息序列中每个目标采集记录的位置与所述区域分离位置进行比较，得到比较结果，并根据所述比较结果确定所述目标采集记录是位于所述动态采集区域还是位于所述静态采集区域内；
根据所述采集信息序列构建待聚类的目标采集信息序列，所述目标采集信息序列中采集记录的记录范围为预设记录范围；
根据所述采集信息序列从所述采集备注信息中选取相应的目标动态控制信息，并从所述目标采集信息序列中获取位于所述动态采集区域和静态采集区域内的目标采集记录；
当所述目标采集记录位于当前的动态采集区域内时，根据所述目标采集记录的位置在采集信息序列中确定相应的第一待聚类采集记录、以及在所述采集备注信息中确定相应的第三待聚类采集记录，并将所述第一待聚类采集记录在所述采集信息序列中的记录范围、与所述第三待聚类采集记录在所述采集备注信息中的记录范围进行聚类，得到聚类后记录范围，而后将所述目标采集记录在所述目标采集信息序列中的记录范围更新为所述聚类后记录范围；
当所述目标采集记录位于当前的静态采集区域内时，根据所述目标采集记录的位置在所述采集信息序列中确定相应的第一待聚类采集记录、以及在所述目标动态控制信息中确定相应的第二待聚类采集记录，并将所述第一待聚类采集记录在所述采集信息序列中的记录范围、与所述第二待聚类采集记录在所述目标动态控制信息中的记录范围进行聚类，得到聚类后记录范围，而后将所述目标采集记录在所述目标采集信息序列中的记录范围更新为所述聚类后记录范围；
按照所述目标采集记录所位于的采集区域，提取更新为聚类后记录范围的该目标采集记录的特征信息，并汇总后得到所述信息采集区域的区域特征信息。


2.根据权利要求1所述的基于智能交通的信息处理方法，其特征在于，所述根据所述信息采集区域的区域特征信息和预先得到的至少一个第一异常检测模型，计算所述信息采集区域的异常特征信息的步骤，包括：
根据预先得到的与所述信息采集区域的交通标签对应的至少一个第一异常检测模型对所述区域特征信息进行异常检测，分别得到至少一个异常检测特征空间；
在所述至少一个异常检测特征空间上进行异常行为特征提取，得到所述区域特征信息的异常行为特征，所述异常行为特征用于描述所述信息采集区域的异常行为；
在所述至少一个异常检测特征空间上进行异常变化特征提取，得到所述区域特征信息的异常变化特征，所述异常变化特征用于描述信息采集区域的异常变化，所述异常变化用于表示所述信息采集区域中由正常行为切换为异常行为时的变化情况或者由异常行为切换为正常行为时的变化情况；
当所述区域特征信息包括一个区域特征向量时，基于所述区域特征信息的异常行为特征和异常变化特征，对所述区域特征向量的异常行为特征和异常变化特征分别进行朴素贝叶斯计算，得到第一朴素贝叶斯计算结果，并基于所述第一朴素贝叶斯计算结果中与所述异常行为特征匹配的朴素贝叶斯计算结果，在异常特征数据库的朴素贝叶斯计算结果中进行查找，得到与所述异常行为特征匹配的第一异常特征查找结果，而后基于所述第一朴素贝叶斯计算结果中与所述异常变化特征匹配的朴素贝叶斯计算结果，在所述异常特征数据库的朴素贝叶斯计算结果中进行查找，得到与所述异常变化特征匹配的第二异常特征查找结果，并获取所述第一异常特征查找结果和所述第二异常特征查找结果中相同的异常特征查找结果，得到初步异常特征查找结果，对于所述初步异常特征查找结果中包括的每一项异常特征查找结果，获取所述异常特征查找结果与所述区域特征向量之间的相似度，并按照与所述每一项异常特征查找结果匹配的相似度，对所述初步异常特征查找结果中包括的异常特征查找结果进行合并处理，得到目标异常特征查找结果；
当所述区域特征信息包括至少两个区域特征向量时，对于所述区域特征信息中的每一个区域特征向量，对所述区域特征向量的异常行为特征和异常变化特征分别进行朴素贝叶斯计算，得到第二朴素贝叶斯计算结果，并基于所述第二朴素贝叶斯计算结果，在所述异常特征数据库的朴素贝叶斯计算结果中进行查找，得到初步异常特征查找结果，并对与每一个区域特征向量匹配的初步异常特征查找结果进行合并处理，得到所述目标异常特征查找结果；
对于所述目标异常特征查找结果中的每一项异常特征查找结果，对所述异常特征查找结果进行分节点处理，获取所述异常特征查找结果的关键特征向量节点，并对获取到的每一个关键特征向量节点分别进行异常行为特征提取和异常变化特征提取，对于所述每一个关键特征向量节点，对所述关键特征向量节点的异常行为特征和异常变化特征分别进行朴素贝叶斯计算，得到所述关键特征向量节点的朴素贝叶斯计算结果，而后获取所述关键特征向量节点在所述异常特征查找结果中的节点位置，并基于所述异常特征查找结果的标识信息以及所述关键特征向量节点的节点位置，关联所述关键特征向量节点的朴素贝叶斯计算结果，以得到所述信息采集区域的异常特征信息，其中，所述目标异常特征查找结果的朴素贝叶斯计算结果中包括所述每一项异常特征查找结果的关键特征向量节点的朴素贝叶斯计算结果。


3.根据权利要求2所述的基于智能交通的信息处理方法，其特征在于，所述对与每一个区域特征向量匹配的初步异常特征查找结果进行合并处理的步骤，包括：
对于所述初步异常特征查找结果中包括的每一项异常特征查找结果，对于每一个区域特征向量，获取所述区域特征向量与所述异常特征查找结果之间的相似度；
将所述每一个区域特征向量分别与所述异常特征查找结果之间的相似度进行均值计算，得到所述区域特征信息中包括的区域特征向量与所述异常特征查找结果之间的平均相似度；
获取所述区域特征信息中包括的区域特征向量在所述异常特征查找结果中的出现频率；
基于与每一项异常特征查找结果匹配的平均相似度，对所述初步异常特征查找结果包括的每一项异常特征查找结果进行排序；
若任意两项异常特征查找结果之间的平均相似度的差值位于目标阈值范围内，则按照与所述两项异常特征查找结果匹配的出现频率，对所述两项异常特征查找结果进行合并处理。


4.根据权利要求1所述的基于智能交通的信息处理方法，其特征在于，所述获取所述区域特征信息的第一特征向量以及获取所述异常特征信息的第二特征向量的步骤，包括：
将所述区域特征信息输入到所述信息采集区域的交通标签对应的至少一个第一异常检测模型的模型矩阵中进行计算，得到所述区域特征信息的第一特征向量；
将所述异常特征信息输入到所述信息采集区域的交通标签对应的至少一个第二异常检测模型的模型矩阵进行计算，得到异常特征信息的第二特征向量。


5.根据权利要求1-4中任意一项所述的基于智能交通的信息处理方法，其特征在于，所述根据所述第一特征向量和所述第二特征向量生成所述信息采集区域的区域画像日志信息的步骤，包括：
根据所述第二特征向量从所述第一特征向量中匹配出对应的第三特征向量，其中，所述第三特征向量为所述第二特征向量所述第一特征向量中所关联的采集标识区域的特征向量；
提取所述第三特征向量中携带的多个特征分量节点和所述特征分量节点中的异常分量；
对所述第三特征向量进行遍历分析，得到与所述异常分量相关的多个关联异常行为；
当所述多个关联异常行为均为用于表达所述异常分量的表达行为时，将所述多个关联异常行为确定为所述异常分量对应的可统计异常行为；
当所述多个关联异常行为不均为用于表达所述异常分量的表达行为时，将非表达行为确定为待检测关联异常行为，并将属于用于表达所述异常分量的表达行为的关联异常行为确定为所述异常分量对应的可统计异常行为；
提取所述待检测关联异常行为中的行为分量，并检测所述行为分量的变量类型，若所述变量类型为非异常关联类型，则对所述行为分量的分量参数值进行分析，并在所述分量参数值发生变动时，将所述待检测关联异常行为确定为所述异常分量对应的可统计异常行为；
若所述变量类型为异常关联类型，则查找所述行为分量对应的所有成员变量，并为所述成员变量分别设置对应的局部变量，并在所述成员变量分别对应的局部变量不均与对应的当前变量相等时，确定所述待检测关联异常行为是用于表达所述异常分量的表达行为，并将所述待检测关联异常行为确定为所述异常分量对应的可统计异常行为；
将所述特征分量节点分别与所述特征分量节点相关联的可统计异常行为进行组合，得到所述特征分量节点分别对应的目标区域画像模型，每个目标区域画像模型中包含一个特征分量节点；
对目标区域画像模...

【专利技术属性】
技术研发人员：周国霞，
申请(专利权)人：周国霞，
类型：发明
国别省市：山东;37