一种交通事件相关性分析方法及系统技术方案

一种交通事件相关性分析方法,其具体步骤包括：在交通历史数据中提取T个时段N个空间的M1个交通第一特征、M2个交通第二特征；其中交通第一特征为与交通事件相关的具有时段非可变性的特征交通，第二特征为与交通事件相关的具有时段可变性的特征，且M1个交通第一特征与M2个交通第二特征在时段、空间上相对应；构建T个时段S个交通特征相似图，其中交通特征相似图包括空间、邻接矩阵、交通第二特征，邻接矩阵为两个空间的交通第一特征的相似性；基于T个时段S个交通特征相似图，利用图学习算法提取T个时段N个空间M3个第三交通特征；基于T个时段N个空间M3个第三交通特征，计算N个空间第三交通特征相关性。

【技术实现步骤摘要】
一种交通事件相关性分析方法及系统
本专利技术属于智能交通工程
，具体涉及一种交通事件相关性分析方法及系统。
技术介绍
针对交通事件的时空演化规律进行预测，对提升城市公共安全与紧急处置能力，有着重要的意义。然而，交通事件的产生，可能涉及到复杂的多种特征(例如天气、道路形态、实时交通流等)。传统的交通事件相关性分析，多为交通事件预测模型，往往基于决策树等机器学习模型，根据这些特征的组合或者是取值，来预测交通事件的发生与否。交通事件的发生往往具有时间、空间上的相关性，这种空间相关性是地理上的，举例来说，地理上的临近区域，其交通特征有强关联性(例如，某一路段发生严重事故，导致路段上下游也容易发生事故)。然而，交通数据还有一种空间相关性，而这种相关性是远距离的，称之为语义相关性。举例来说，区域A和区域B可能在地理上相隔较远，然而它们均有着类似的POI(兴趣点)布局。在区域A中存在着1个医院与1所学校，而区域B中同样存在着1个医院与1所学校。在这种情况下，区域A与区域B就会有较为相关的事件发生规律。目前，针对事件发生规律的语义相关性，还没有进行广泛的探讨，存在着研究与应用的价值。
技术实现思路
针对上述
技术介绍
介绍中存在的问题，本专利技术的目的在于提供了一种提高事故预测能力的交通事件相关性分析方法及系统。本专利技术采用的技术方案是：一种交通事件相关性分析方法,其具体步骤包括：在交通历史数据中提取T个时段N个空间的M1个交通第一特征、M2个交通第二特征；其中交通第一特征为与交通事件相关的具有时段非可变性的特征交通，第二特征为与交通事件相关的具有时段可变性的特征，且M1个交通第一特征与M2个交通第二特征在时段、空间上相对应；构建T个时段S个交通特征相似图，其中交通特征相似图包括空间、邻接矩阵、交通第二特征，邻接矩阵为两个空间的交通第一特征的相似性；基于T个时段S个交通特征相似图，利用图学习算法提取T个时段N个空间M3个第三交通特征；基于T个时段N个空间M3个第三交通特征，计算N个空间第三交通特征相关性，即可得到目标交通特征相关性。进一步，还包括：在交通历史数据中提取T个时段N个空间M2’个交通第二特征；基于T个时段N个空间M2’个交通第二特征，提取T个时段N个空间M4个第四交通特征，计算N个空间第四交通特征相关性；融合第三交通特征相关性和第四交通特征相关性，得到目标交通特征相关性。进一步，还包括：将目标交通特征相关性映射到T+i阶段N个空间的目标交通特征，预测交通事件。进一步，还包括：利用样本数据，提取时间注意力分配向量；基于时间注意力分配向量，修正N个空间第三交通特征相关性和第四交通特征相关性。进一步，T个时段的时段处理方法为将不同时间间隔的时段映射到时段向量。进一步，利用循环神经网络算法，基于所述T个时段N个空间M3个第三交通特征，计算所述N个空间第三交通特征相关性。进一步，利用卷积神经网络算法，基于所述T个时段N个空间M2’个交通第二特征，提取所述T个时段N个空间M4个第四交通特征。一种交通事件相关性分析系统，包括：交通历史数据处理模块，用于提取T个时段N个空间M1个交通第一特征、M2个交通第二特征、M2’个交通第二特征；时空语义相关性处理模块，用于基于交通第一特征构建交通特征相似图，从交通特征相似图和交通第二特征中提取第三交通特征相关性。进一步，还包括：时空地理相关性处理模块，用于从交通第二特征中提取第四交通特征相关性；相关性综合处理模块，用于融合第三交通特征相关性和第四交通特征相关性，计算目标交通特征相关性。进一步，还包括：交通事件预测模块，用于将目标交通特征相关性映射到T+i阶段N个空间的目标交通特征，预测交通事件。进一步，还包括：时间处理模块，用于将时间信息编码为稠密的时间向量。本专利技术与现有技术相比，其显著优点包括：通过构建相似图的方式，从时段非可变性的交通特征提取空间相关性，从时段可变性的交通特征提取时间相关性，两者融合提取交通事件相关性。从而比传统的只使用卷积神经网络的方法，应用于交通事故预测领域，更能捕捉远距离的区域相似性，从而提高事故预测能力。附图说明图1是本专利技术的系统框架结构示意图。图2是本专利技术的时间处理模块的处理示意图。图3是本专利技术的时空地理相关性处理模块的处理示意图。图4是本专利技术的时空语义相关性处理模块的处理示意图。具体实施方式下面结合具体实施例来对本专利技术进行进一步说明，但并不将本专利技术局限于这些具体实施方式。本领域技术人员应该认识到，本专利技术涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。专业术语解释：RNN(循环神经网络):一种用于处理(编码)序列数据的神经网络网络架构。该网络可以捕获时间序列数据中的时间相关性。GCN(图卷积网络)：一种用于处理不规则结构化数据(图信号数据)的神经网络，通过图卷积层的不断堆砌，GCN可以从图信号数据中提取更深层次的数据特征。CNN(卷积神经网络)：一种用于处理规则化数据(栅格图像数据)的神经网络，通过卷积层的不断堆砌，CNN可以从图像数据中提取更深层次的特征。实施例一本实施例提供了一种交通事件相关性分析方法,其具体步骤包括：S1，在交通历史数据中提取T个时段N个空间的M1个交通第一特征、M2个交通第二特征；其中交通第一特征为与交通事件相关的具有时段非可变性的特征交通，第二特征为与交通事件相关的具有时段可变性的特征，且M1个交通第一特征与M2个交通第二特征在时段、空间上相对应；交通事件，交通运行过程中偶发的事件，包括下面一种或几种类型的组合：交通事故、交通突发事件、交通拥堵事件、交通异常拥堵事件、交通违法事件、交通报警事件。交通第一特征，与交通事件相关的具有时段非可变性的特征，如针对交通事故这一类交通事件，交通第一特征包括但不限于：路网结构特征、POI特征，路网结构为路段总数、路口总数、车道总数，POI为路网中的学校、医院、银行、餐饮、娱乐、公交站等标注点。如针对交通异常拥堵事件，交通第一特征包括但不限于：路网结构特征、POI特征、地面特征(泥地、水泥地、柏油地)。交通第一特征，在较短的时间尺度下，路网结构特征几乎不随时间变化。但是在较长的时间尺度下，路网结构可能会不断有微小变化(比如新的道路被开通了)。与交通事件相关的具有时段非可变性的特征，是指在时段这一时间粒度上的非可变性，不排除路网在其他的时间粒度下具有空间可变性的特征。交通第二特征，与交通事件相关的具有时段可变性的特征，如针对交通事故这一类交通事件，交通第二特征包括但不限于：速度、流量、天气、事故等级、交通事故类型，其中交通事故类型分为轻微伤亡事故、中等伤亡事故、严重伤亡事故的数量。如针对交通异常拥堵事件，交通第二特征包本文档来自技高网...

【技术保护点】
1.一种交通事件相关性分析方法,其具体步骤包括：/n在交通历史数据中提取T个时段N个空间的M1个交通第一特征、M2个交通第二特征；其中交通第一特征为与交通事件相关的具有时段非可变性的特征交通，第二特征为与交通事件相关的具有时段可变性的特征，且M1个交通第一特征与M2个交通第二特征在时段、空间上相对应；/n构建T个时段S个交通特征相似图，其中交通特征相似图包括空间、邻接矩阵、交通第二特征，邻接矩阵为两个空间的交通第一特征的相似性；/n基于T个时段S个交通特征相似图，利用图学习算法提取T个时段N个空间M3个第三交通特征；/n基于T个时段N个空间M3个第三交通特征，计算N个空间第三交通特征相关性，即可得到目标交通特征相关性。/n

【技术特征摘要】
1.一种交通事件相关性分析方法,其具体步骤包括：
在交通历史数据中提取T个时段N个空间的M1个交通第一特征、M2个交通第二特征；其中交通第一特征为与交通事件相关的具有时段非可变性的特征交通，第二特征为与交通事件相关的具有时段可变性的特征，且M1个交通第一特征与M2个交通第二特征在时段、空间上相对应；
构建T个时段S个交通特征相似图，其中交通特征相似图包括空间、邻接矩阵、交通第二特征，邻接矩阵为两个空间的交通第一特征的相似性；
基于T个时段S个交通特征相似图，利用图学习算法提取T个时段N个空间M3个第三交通特征；
基于T个时段N个空间M3个第三交通特征，计算N个空间第三交通特征相关性，即可得到目标交通特征相关性。


2.根据权利要求1所述的一种交通事件相关性分析方法，其特征在于：还包括：
在交通历史数据中提取T个时段N个空间M2’个交通第二特征；
基于T个时段N个空间M2’个交通第二特征，提取T个时段N个空间M4个第四交通特征，计算N个空间第四交通特征相关性；
融合第三交通特征相关性和第四交通特征相关性，得到目标交通特征相关性。


3.根据权利要求1或2所述的一种交通事件相关性分析方法，其特征在于：还包括：
将目标交通特征相关性映射到T+i阶段N个空间的目标交通特征，预测交通事件。


4.根据权利要求3所述的一种交通事件相关性分析方法，其特征在于：还包括：
利用样本数据，提取时间注意力分配向量；
基于时间注意力分配向量，修正N个空间第三交通特征相关性和第四交通特征相关性。


5.根据权利要...

【专利技术属性】
技术研发人员：季青原，王辉，温晓岳，何尚秋，陈乾，吴建平，聂文涛，林文霞，吴占宁，
申请(专利权)人：银江股份有限公司，
类型：发明
国别省市：浙江;33