基于知识图谱的交通出行分析方法、装置、设备及介质制造方法及图纸

技术编号:35471256 阅读:24 留言:0更新日期:2022-11-05 16:17
本申请公开了一种基于知识图谱的交通出行分析方法、装置、设备及介质,所述方法包括:获取预先构建的交通服务知识图谱,其中,所述交通服务知识图谱基于多源交通数据构建;获取用户的出行服务需求,查询与所述出行服务需求对应的出行服务模型;基于所述交通服务知识图谱查询与所述出行服务模型关联的实体信息,根据所述出行服务模型以及所述关联的实体信息计算得到出行服务分析结果。根据本申请实施例提供的交通出行分析方法,通过对城市交通出行相关的公众出行数据进行处理,建立城市交通出行知识图谱,并基于图运算理论进行挖掘、计算,以数据接口的方式为上层的研判决策模型提供数据支持,提高后续交通出行分析服务的计算效率。率。率。

【技术实现步骤摘要】
基于知识图谱的交通出行分析方法、装置、设备及介质


[0001]本专利技术涉及智能交通
,特别涉及一种基于知识图谱的交通出行分析方法、装置、设备及介质。

技术介绍

[0002]随着城市交通出行的不断发展,城市交通系统产生的数据也越来越多,且数据类型也越来越复杂。例如,不同的轨道设备在不同生命周期内会产生种类众多、内容庞杂的数据。同时,数据格式以及数据结构也是多种多样的,可包括有结构化数据、半结构化数据及非结构化数据等等。明显地,面对以上情况,基于人工经验、业务规则及运筹学等方面的传统处理方式难以处理这些差异化的且数量庞大的城市交通数据。因业务涉及交通、交管、城管、社企等多源单元,数据表层关系低,不利于整体业务数据的关联应用。
[0003]现有技术中,当欲根据差异化的城市交通数据和分析研判决策模型分析出行服务时,主要基于各数据分析人员对业务的理解,自主挑选数据表、字段,并按照个人判断进行分析逻辑代码堆叠。此种做法存在几个问题,一是业务理解需要很大学习成本,且理解程度参差不齐,易出现理解错误问题;二是因数据过于庞杂,导致数据分析逻辑过于繁杂,模型构成成本过高;三是数据下钻难度太大,每层下钻均需要构建相应的数据调取、数据计算等逻辑。另外,现有城市交通出行领域数据主要是以各业务单元核心业务为主,未与实际公众出行的空间特征、聚集特征进行有效绑定,因此无法反应实际出行特征,不利于城市交通出行研判决策。

技术实现思路

[0004]本申请实施例提供了一种基于知识图谱的交通出行分析方法、装置、设备及介质。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
[0005]第一方面,本申请实施例提供了一种基于知识图谱的交通出行分析方法,包括:
[0006]获取预先构建的交通服务知识图谱,其中,交通服务知识图谱基于多源交通数据构建;
[0007]获取用户的出行服务需求,查询与出行服务需求对应的出行服务模型;
[0008]基于交通服务知识图谱查询与出行服务模型关联的实体信息,根据出行服务模型以及关联的实体信息计算得到出行服务分析结果。
[0009]在一个可选地实施例中,预先构建交通服务知识图谱,包括:
[0010]根据人、车、路、环境以及出行各因素之间的关联关系,构建交通服务知识图谱本体;
[0011]根据交通服务知识图谱本体信息,获取构建交通服务知识图谱所需的实体数据需求清单;
[0012]根据实体数据需求清单抽取实体数据,并将实体数据与本体关联,得到实体、属性、关系的对应关系;
[0013]根据实体、属性、关系的对应关系以及半监督机器学习算法进行半监督式的图谱构建,得到构建好的交通服务知识图谱。
[0014]在一个可选地实施例中,得到构建好的交通服务知识图谱之后,还包括:
[0015]根据构建好的交通服务知识图谱,以及预设的最短路径算法计算图谱中道路实体之间的距离,并将计算出来的距离数据存储于数据库中。
[0016]在一个可选地实施例中,出行服务需求包括出发地与目的地分析服务需求、车流量分析服务需求、事故多发地分析服务需求、交通管制分析服务需求以及路径规划分析服务需求中的一种或多种;
[0017]出行服务模型包括出发地与目的地分析模型、车流量分析模型、事故多发地分析模型、交通管制分析模型以及路径规划分析模型中的一种或多种。
[0018]在一个可选地实施例中,基于交通服务知识图谱查询与出行服务模型关联的实体信息,根据出行服务模型以及关联的实体信息计算得到出行服务分析结果,包括:
[0019]当出行服务需求为出发地与目的地分析需求时,确定与需求对应的出发地与目的地分析模型,从交通服务知识图谱中查询与出发地与目的地分析模型关联的实体信息;
[0020]根据出发地与目的地分析模型以及关联的实体信息计算得到出发地与目的地分析结果,出发地与目的地分析结果为POI粒度的精确结果。
[0021]在一个可选地实施例中,从交通服务知识图谱中查询与出发地与目的地分析模型关联的实体信息,根据出发地与目的地分析模型以及关联的实体信息计算得到出发地与目的地分析结果,包括:
[0022]根据出发地与目的地分析需求得到车辆的起始卡口信息和终点卡口信息;
[0023]根据交通服务知识图谱查询起始卡口预设范围内的POI实体,并将查询到的POI实体与起始卡口实体进行关联;
[0024]根据交通服务知识图谱查询终点卡口预设范围内的POI实体,并将查询到的POI实体与终点卡口实体进行关联;
[0025]基于交通服务知识图谱中的时间维度、图谱深度、数据度量以及链接流量构建查询向量;
[0026]根据查询向量从交通服务知识图谱中查询出发地与目的地分析结果。
[0027]在一个可选地实施例中,根据查询向量从交通服务知识图谱中查询出发地与目的地分析结果,包括:
[0028]计算查询向量中的时间维度因子、图谱深度因子、数据度量因子以及链接流量因子的数值;
[0029]采用层次分析法计算每个因子的权重;
[0030]计算交通服务知识图谱中每条路径的查询向量的值,查询向量的值为每个因子与其对应的权重的积的和;
[0031]将查询向量的值最大的路径对应的起始点POI作为车辆的出发地,将查询向量的值最大的路径的终点POI作为车辆的目的地。
[0032]第二方面,本申请实施例提供了一种基于知识图谱的交通出行分析装置,包括:
[0033]知识图谱获取模块,用于获取预先构建的交通服务知识图谱,其中,交通服务知识图谱基于多源交通数据构建;
[0034]出行服务查询模块,用于获取用户的出行服务需求,查询与出行服务需求对应的出行服务模型;
[0035]分析模块,用于基于交通服务知识图谱查询与出行服务模型关联的实体信息,根据出行服务模型以及关联的实体信息计算得到出行服务分析结果。
[0036]第三方面,本申请实施例提供了一种电子设备,包括处理器和存储有程序指令的存储器,处理器被配置为在执行程序指令时,执行上述实施例提供的基于知识图谱的交通出行分析方法。
[0037]第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机可读指令,计算机可读指令被处理器执行以实现上述实施例提供的一种基于知识图谱的交通出行分析方法。
[0038]本申请实施例提供的技术方案可以包括以下有益效果:
[0039]根据本申请实施例提供的基于知识图谱的交通出行分析方法,可以获取预先构建的交通服务知识图谱,该知识图谱基于多源的交通数据构建,并以数据接口的方式为上层的出行服务模型提供标准化的数据关联查询服务,得到与用户的出行服务需求对应的出行服务分析结果,该方法大大降低了交通出行业务学习成本以及数据关联计算本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的交通出行分析方法,其特征在于,包括:获取预先构建的交通服务知识图谱,其中,所述交通服务知识图谱基于多源交通数据构建;获取用户的出行服务需求,查询与所述出行服务需求对应的出行服务模型;基于所述交通服务知识图谱查询与所述出行服务模型关联的实体信息,根据所述出行服务模型以及所述关联的实体信息计算得到出行服务分析结果。2.根据权利要求1所述的方法,其特征在于,预先构建交通服务知识图谱,包括:根据人、车、路、环境以及出行各因素之间的关联关系,构建所述交通服务知识图谱本体;根据所述交通服务知识图谱本体信息,获取构建所述交通服务知识图谱所需的实体数据需求清单;根据所述实体数据需求清单抽取实体数据,并将实体数据与本体关联,得到实体、属性、关系的对应关系;根据所述实体、属性、关系的对应关系以及半监督机器学习算法进行半监督式的图谱构建,得到构建好的所述交通服务知识图谱。3.根据权利要求2所述的方法,其特征在于,得到构建好的所述交通服务知识图谱之后,还包括:根据构建好的所述交通服务知识图谱,以及预设的最短路径算法计算图谱中道路实体之间的距离,并将计算出来的距离数据存储于数据库中。4.根据权利要求1所述的方法,其特征在于,所述出行服务需求包括出发地与目的地分析服务需求、车流量分析服务需求、事故多发地分析服务需求、交通管制分析服务需求以及路径规划分析服务需求中的一种或多种;所述出行服务模型包括出发地与目的地分析模型、车流量分析模型、事故多发地分析模型、交通管制分析模型以及路径规划分析模型中的一种或多种。5.根据权利要求1所述的方法,其特征在于,基于所述交通服务知识图谱查询与所述出行服务模型关联的实体信息,根据所述出行服务模型以及所述关联的实体信息计算得到出行服务分析结果,包括:当所述出行服务需求为出发地与目的地分析需求时,确定与所述需求对应的出发地与目的地分析模型,从所述交通服务知识图谱中查询与所述出发地与目的地分析模型关联的实体信息;根据所述出发地与目的地分析模型以及关联的实体信息计算得到出发地与目的地分析结果,所述出发地与目的地分析结果为POI粒度的精确结果。6.根据权利要求5所述的...

【专利技术属性】
技术研发人员:付长青王鹏飞夏曙东张明星高晨孙俊朋刘宗明袁建华翟素校李鑫刚
申请(专利权)人:北京北大千方科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1