一种路网状态的确定方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种路网状态的确定方法、装置、设备及存储介质，该方法包括：确定路网中路口与路段之间的关联关系；基于关联关系构建路网的图神经网络模型；在图神经网络模型中对表示路段的顶点进行训练，得到顶点的特征向量；在路段的属性信息的约束下，基于特征向量计算各顶点之间的相似性；根据相似性确定路网中交通模式、交通状态相互关联的路口和路段。上述方法在图神经网络模型中提取路段的特征向量，将路段的属性信息与特征向量结合、计算路网中路段之间的相似性，根据相似性评估路网的状态，不仅从空间和时间两个维度上对路网状态进行了评估，更将路段所具备的属性信息融入对整体路网的特征评估中，能够更为全面的对路网状态进行分析。

【技术实现步骤摘要】
一种路网状态的确定方法、装置、设备及存储介质
本专利技术实施例涉及路网交通分析技术，尤其涉及一种路网状态的确定方法、装置、设备及存储介质。
技术介绍
目前，在城市的道路系统(路网)中，人、车、路等交通要素的信息均能够实时采集，城市交通大数据的来源日益丰富，利用多种交通要素对大规模城市路网的状态进行分析有利于智慧交通的有效管理、控制和运营，有利于对现有交通管控策略的评价和对未来交通管控策略的推演评估。现有方法对城市的路网进行状态分析主要是从数据统计学的角度出发，即利用历史交通模式和交通状态数据分析对当前路网的状态产生影响的时间因素，以及单纯利用地理位置信息分析当前路段的交通模式和状态(例如分析相邻路段的交通模式和状态)，进而利用时间因素和地理信息去分析城市路网的整体状态。然而，上述方法仅能考虑地理位置上存在关联的路段的交通状态的动态变化特征、以及仅能从时间变化的维度去分析路网中每条路段的交通模式变化，缺乏考虑空间上不存在地理位置关联的两个路段之间可能存在的交通状态和交通模式的相似性，缺乏分析存在空间位置隔离的多个路段之间的交通路况对整体路本文档来自技高网...

【技术保护点】
1.一种路网状态的确定方法，其特征在于，包括：/n确定路网中路口与路段之间的关联关系；/n基于所述关联关系构建所述路网的图神经网络模型；/n在所述图神经网络模型中对表示所述路段的顶点进行训练，得到所述顶点的特征向量；/n在所述路段的属性信息的约束下，基于所述特征向量计算各顶点之间的相似性；/n根据所述相似性确定所述路网中交通模式、交通状态相互关联的路口和路段。/n

【技术特征摘要】
1.一种路网状态的确定方法，其特征在于，包括：
确定路网中路口与路段之间的关联关系；
基于所述关联关系构建所述路网的图神经网络模型；
在所述图神经网络模型中对表示所述路段的顶点进行训练，得到所述顶点的特征向量；
在所述路段的属性信息的约束下，基于所述特征向量计算各顶点之间的相似性；
根据所述相似性确定所述路网中交通模式、交通状态相互关联的路口和路段。


2.根据权利要求1所述的方法，其特征在于，所述确定路网中路口和路段之间的关联关系，包括：
获取路网中路段的地理信息；
基于所述地理信息确定多个所述路段相交之处的道路交叉口作为路口；
利用所述路口与所述路段之间的邻接关系构建邻接矩阵、作为路口和路段之间的关联关系。


3.根据权利要求2所述的方法，其特征在于，所述利用所述路口与所述路段之间的邻接关系构建邻接矩阵、作为路口和路段之间的关联关系，包括：
确定每个所述路口邻域范围内的路段与所述路口之间的出入方向；
按照所述出入方向确定车流量输入所述路口的路段作为入射路段、以及车流量从所述路口输出的路段作为出射路段；
以所述入射路段、所述出射路段构建所述路口的邻接矩阵、作为路口和路段之间的关联关系。


4.根据权利要求1所述的方法，其特征在于，所述关联关系表示为邻接矩阵；
所述基于所述关联关系构建所述路网的图神经网络模型，包括：
按照所述邻接矩阵将所述路网中的所述路段分类为多个路段子集，每个所述路段子集包括归属于同一个所述路口的所有所述路段；
确定由每个所述路段子集构成的子图区域；
基于各路段子集之间的交集将多个所述子图区域连接在一起，构成所述路网的图神经网络模型。


5.根据权利要求4所述的方法，其特征在于，所述确定由每个所述路段子集构成的子图区域，包括：
在每个所述路段子集中，以每个所述路段作为顶点、任意两个所述顶点之间的连接关系为边，构建所述路段子集的子图区域。


6.根据权利要求1所述的方法，其特征在于，所述在所述图神经网络模型中对表示所述路段的顶点进行训练，得到所述顶点的特征向量，包括：
在所述图神经网络模型中，针对每个表示所述路段的顶点，在所述顶点的邻域范围内采样预设的数量的顶点作为邻居顶点；
...

【专利技术属性】
技术研发人员：金峻臣，华文，汪作为，
申请(专利权)人：佳都科技集团股份有限公司，
类型：发明
国别省市：广东;44