【技术实现步骤摘要】
地区风险识别方法、图神经网络训练方法、系统及介质
[0001]本公开涉及智能城市
,尤其涉及市域治理
,具体涉及一种地区风险识别方法、图神经网络训练方法、装置、计算机系统、可读存储介质及计算机程序产品。
技术介绍
[0002]危险化学品(简称危化品)已被广泛使用,并成为人们日常生活中不可缺少的一部分,如制造电池的酸液、制造化肥的硝酸铵、用于烹饪的液化气等危化品。然而,由于危化品具有易燃、易爆、有毒等特性,有关部门需要严格监管其整个生命周期,否则危化品会对城市公共安全造成威胁。因此,用于生产、存储危化品的地区,简称危化品相关地(Hazardous Chemical
‑
related Location,HCL),将成为重点关注地区。
[0003]在实现本公开构思的过程中,专利技术人发现相关技术中至少存在如下问题:危化品相关地的识别效率低下、识别精准度低。
技术实现思路
[0004]有鉴于此,本公开提供了一种地区风险识别方法、图神经网络训练方法、装置、计算机系统、可读存储介质及计算机程序产品。
[0005]本公开的一个方面提供了一种地区风险识别方法,包括:生成包括待识别地区的地区图,其中,上述地区图包括多个节点和多个连接边,上述节点用于表征地区,上述地区为用于运输物品的运输车辆途经的驻留地区,上述连接边用于表征两个上述节点之间的关联关系;对上述地区图进行特征提取,得到目标特征向量;以及基于上述目标特征向量,得到上述待识别地区的风险识别结果。
[0006] ...
【技术保护点】
【技术特征摘要】
1.一种地区风险识别方法,包括:生成包括待识别地区的地区图,其中,所述地区图包括多个节点和多个连接边,所述节点用于表征地区,所述地区为用于运输物品的运输车辆途经的驻留地区,所述连接边用于表征两个所述节点之间的关联关系;对所述地区图进行特征提取,得到目标特征向量;以及基于所述目标特征向量,得到所述地区图中的待识别地区的风险识别结果。2.根据权利要求1所述的方法,其中,所述生成包括待识别地区的地区图,包括:基于所述运输车辆的行驶轨迹,确定所述运输车辆的驻留点集合;基于所述驻留点集合,确定所述地区图中的所述多个节点;基于所述运输车辆的行驶轨迹,确定所述多个节点彼此之间的连接边,得到所述多个连接边;以及基于所述多个节点和所述多个连接边,生成所述地区图。3.根据权利要求2所述的方法,其中,所述驻留点集合为多个运输车辆的驻留点集合;所述基于所述驻留点集合,确定所述地区图中的所述多个节点,包括:针对所述多个运输车辆中的每个运输车辆,基于所述驻留点集合,确定关于所述运输车辆的多个初始驻留地区,得到关于所述多个运输车辆的初始驻留地区集合;从所述初始驻留地区集合中确定存在重叠的至少一个目标初始地区集合,其中,每个所述目标初始地区集合包括多个目标初始地区;针对每个所述目标初始地区集合,对所述多个目标初始地区进行合并,得到所述地区;以及基于多个所述地区,确定所述地区图中的所述多个节点。4.根据权利要求2所述的方法,其中,所述基于运输车辆的行驶轨迹,确定所述运输车辆的驻留点集合,包括:从所述运输车辆的行驶轨迹中确定多个目标轨迹点;以及基于所述多个目标轨迹点各自的驻留时间和位置,确定所述运输车辆的驻留点集合。5.根据权利要求1所述的方法,其中,所述对所述地区图进行特征提取,得到目标特征向量,包括:利用图神经网络对所述地区图进行特征提取,得到所述目标特征向量,其中,所述目标特征向量用于表征以下至少一项特征向量:所述节点所连接的连接边的数量、所述节点与相邻节点之间的上下文结果。6.根据权利要求5所述的方法,其中,所述利用图神经网络对所述地区图进行特征提取,得到所述目标特征向量,包括:针对所述多个节点中的每个节点,确定所述节点的动态数据和静态数据,得到所述多个节点各自的动态数据和静态数据,其中,所述静态数据为与所述地区有关的数据;所述动态数据为与所述运输车辆有关的数据;基于所述多个节点各自的动态数据和静态数据,确定与所述多个节点相关的节点矩阵;基于所述多个连接边,确定与所述连接边相关的连接边矩阵;以及将所述连接边矩阵和所述节点矩阵输入至所述图神经网络中,得到所述目标特征向
量。7.根据权利要求1所述的方法,其中,所述基于所述目标特征向量,得到所述待识别地区的风险识别结果,包括:将所述目标特征向量输入至分类器中,得到所述待识别地区的风险识别结果,其中,所述分类器包括依序连接的全连接层和激活函数。8.一种图神经网络训练方法,包括:生成包括目标样本地区的样本地区图,其中,所述样本地区图包括多个样本节点和多个样本连接边,所述样本节点用于表征样本地区,所述样本地区为用于运输物品的运输车辆途经的驻留地区,所述样本连接边基于所述运输车辆的行驶轨迹生成,用于表征两个所述样本节点之间的关联关系;确定与所述目标样本地区相关的样本标签;以及利用所述样本地区图和所述样本标签训练图神经网络,得到经训练的图神经网络。9.根据权利要求8所述的方法,其中,所述利用所述样本地区...
【专利技术属性】
技术研发人员:寄家豪,孙彦苹,赵大燕,王静远,韩博洋,张钧波,郑宇,
申请(专利权)人:京东城市北京数字科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。