基于本体构建交通领域语义数据模型的方法技术

本发明专利技术提供基于本体构建交通领域语义数据模型的方法，涉及交通技术领域。该基于本体构建交通领域语义数据模型的方法，包括数据处理中心处，所述数据处理中心处分别连接有交通数据、邻接矩阵、交通问题和方向检测，所述数据处理中心处分别连接有时空依赖和外部因素，所述数据处理中心处分别连接有公共数据公开与路线选择和选择，所述公共数据公开与路线选择和选择连接有出行人员。本发明专利技术提供基于本体构建交通领域语义数据模型的方法，该基于本体构建交通领域语义数据模型的方法能够减少交通事故，舒缓交通拥堵。舒缓交通拥堵。舒缓交通拥堵。

【技术实现步骤摘要】
基于本体构建交通领域语义数据模型的方法


[0001]本专利技术涉及交通
，具体为基于本体构建交通领域语义数据模型的方法。

技术介绍

[0002]本体的概念源自于哲学领域，在哲学中的定义为“对世界上客观事物的系统描述，即存在论”，哲学中的本体关心的是客观现实的抽象本质，而在计算机领域，本体可以在语义层次上描述知识，可以看成描述某个学科领域知识的一个通用概念模型，德国学者Studer在1998年给出了本体的相关定义“本体是共享概念模型的形式化规范说明”，这个定义包含了四层含义：即共享、概念化、明确性和形式化。
[0003]随着城市化进程的加快，大量人口迅速向城市集聚，在许多城市，特别是发展中国家的城市，私人车辆数量的迅速增加和对公共交通服务需求的不断增长对其现有的交通系统造成了巨大的压力，交通拥堵频发、交通事故严重、通勤时间长等交通问题严重降低了城市的运营效率，降低了乘客的出行体验。
[0004]现有专利（CN108628959A）公开了一种基于交通大数据的本体构建方法，包括如下步骤：步骤1：建立本体与交通信息基础信息元的对应关系分析；步骤2：基于文本大数据的交通领域本体层次模型的构建；步骤3：根据步骤1、2构建模型进行基于大数据的交通本体数据完善和人工检查和核定。本专利技术的利用交通文本大数据，通过对本体与交通信息基础数据元的关系分析和自然语言技术对数据进行分析、聚类清洗，构建一个基于交通大数据的本体构建；本专利技术能够通过本体对概念的精确描述，在智能化的检索过程中，帮助人们与机器之间实现准确的语义交流，大幅的提升信息检索的效率和准确率。然而虽然能够增加准确性，但对于本市内即将出行者来说，无法快速和精确的了解路况，和最优的出行路线，从而耽误时间。

技术实现思路

[0005]（一）解决的技术问题针对现有技术的不足，本专利技术提供了基于本体构建交通领域语义数据模型的方法，解决了无法快速和精确的了解路况，不方便出行浪费时间的问题。
[0006]（二）技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：基于本体构建交通领域语义数据模型的方法，包括数据处理中心处，所述数据处理中心处分别连接有交通数据、邻接矩阵、交通问题和方向检测，所述数据处理中心处分别连接有时空依赖和外部因素，所述数据处理中心处分别连接有公共数据公开与路线选择和选择，所述公共数据公开与路线选择和选择连接有出行人员。
[0007]优选的，所述邻接矩阵包括固定矩阵、动态矩阵和净化矩阵。
[0008]优选的，所述固定矩阵包括连接矩阵、距离矩阵、相似矩阵和交通矩阵。
[0009]优选的，所述交通问题包括交通拥堵、出行需求、交通安全、交通监控和自动驾驶。
[0010]优选的，所述交通数据包括传感器数据、GPS数据、网约车数据和交易数据。
[0011]优选的，所述方向检测包括交通状态预测、出行需求预测、交通信号控制、交通事故检测和人车轨迹预测。
[0012]优选的，所述方法还包括额外因素，具体为节假日、时间属性、特殊事件和交通事件等因素都会在一定程度上影响方向预测。
[0013]优选的，所述方法还包括时间依赖，具体为在某一时刻对交通状况的预测通常与各种历史观测相关联。
[0014]（三）有益效果本专利技术提供了基于本体构建交通领域语义数据模型的方法。具备以下有益效果：该方法以提供高效的交通管理、准确的交通资源配置和高质量的交通服务，这样的可以减少交通事故，缓解交通拥堵，保证公共交通安全，避免了大量人口迅速向城市集聚，在许多城市，特别是发展中国家的城市，私人车辆数量的迅速增加和对公共交通服务需求的不断增长对其现有的交通系统造成了巨大的压力，交通拥堵频发、交通事故严重、通勤时间长等交通问题情况发生。
附图说明
[0015]图1为本专利技术的流程示意图；图2为本专利技术的邻接矩阵流程示意图；图3为本专利技术的交通问题流程示意图；图4为本专利技术的交通数据流程示意图；图5为本专利技术方向检测流程示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]实施例：如图1
‑
5所示，本专利技术实施例提供基于本体构建交通领域语义数据模型的方法，包括数据处理中心处，数据处理中心处分别连接有交通数据、邻接矩阵、交通问题和方向检测，数据处理中心处分别连接有时空依赖和外部因素，时空依赖为交通数据具有复杂的时空依赖性，会影响交通任务的预测，例如，预测一个区域的交通拥堵，该区域之前的交通状况及其周边区域的交通状况是预测的重要因素，在车辆轨迹预测中，周围车辆的随机行为和自身轨迹的历史信息会影响预测性能，当预测一个地区的叫车需求时，其之前的订单以及具有类似功能的其他地区的订单对于预测是至关重要的，在预测交通信号时，考虑多个交叉口的几何特征，同时考虑周围以往的交通流；外部因素，如假期、天气状况、极端事件和交通事件，外部因素对交通状况的影响可以在日常生活中观察到，暴雨可能会影响交通流量，大型音乐会或足球比赛会导致交通拥挤，影响周边交通状况，数据处理中心处分别连接有公共数据公开与路线选择和选择，公共数据公开与路线选择和选择连接有出行人员。
[0018]邻接矩阵包括固定矩阵、动态矩阵和净化矩阵，固定矩阵为许多研究假定节点间的相关性是固定的，不会随时间而改变，因此设计的固定的矩阵，并在整个实验过程中保持不变，并设计了各种固定的邻接矩阵来捕捉交通图中节点之间的各种预定义关联，如函数相似度和交通连通度、语义连接、时间相似度；动态矩阵为由于先验知识的缺陷或数据的不完全，预先定义的矩阵不一定反映节点之间的真实依赖关系，提出了一种新的自适应矩阵；净化矩阵为 在某些情况下，随着时间的推移，图的结构可能会发生变化，因为一些边可能会变得不可用，比如道路拥堵或封闭，在缓解拥堵后又会重新可用。
[0019]固定矩阵包括连接矩阵、距离矩阵、相似矩阵和交通矩阵，连接矩阵为度量节点之间的连通性，矩阵中的入口值定义为1 或0 ；距离矩阵为根据几何距离度量节点之间的紧密程度；相似矩阵为衡量两个节点在功能方面是否相似；交通矩阵为衡量地理位置遥远但可通过高速公路、高速公路或地铁方便到达的地区之间的相关性。
[0020]交通问题包括交通拥堵、出行需求、交通安全、交通监控和自动驾驶，交通拥堵为通过提高交通效率来缓解路网上的交通拥堵和通过交通状态预测控制道路条、通过控制交通信号、通过预测公共交通系统的乘客需求来优化客流；出行需求为预测人群角度对出租车、自行车、地铁、公交车等交通服务的需求，这有助于更好地分配资源，以减少通勤时间，改善旅行体验；交通安全为公共安全不可分割的组成部分，交通事故不仅会对受害者、车辆和道路基础设施造成损害，而且会导致交通拥堵，降低道路网络的效率，因此，监控交通事故对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于本体构建交通领域语义数据模型的方法，包括数据处理中心处，其特征在于：所述数据处理中心处分别连接有交通数据、邻接矩阵、交通问题和方向检测，所述数据处理中心处分别连接有时空依赖和外部因素，所述数据处理中心处分别连接有公共数据公开与路线选择和选择，所述公共数据公开与路线选择和选择连接有出行人员。2.根据权利要求1所述的基于本体构建交通领域语义数据模型的方法，其特征在于：所述邻接矩阵包括固定矩阵、动态矩阵和净化矩阵。3.根据权利要求2所述的基于本体构建交通领域语义数据模型的方法，其特征在于：所述固定矩阵包括连接矩阵、距离矩阵、相似矩阵和交通矩阵。4.根据权利要求1所述的基于本体构建交通领域语义数据模型的方法，其特征在于：所述交通问题包括交通拥堵、出行需求、交通安全...

【专利技术属性】
技术研发人员：钱恒，高永超，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：