交通管控场景确定方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例涉及一种交通管控场景确定方法、装置、电子设备及存储介质，该方法包括：获取第一交通违法数据集；根据第一交通违法数据集中每一个位置信息，对第一交通违法数据集中的交通违法数据进行数据离散化处理，生成多个聚类簇，以及与每一个聚类簇对应的标识信息；将属于每一个聚类簇中的交通违法数据的第一目标字段的字段值替换为该聚类簇对应的标识信息，生成第二交通违法数据集；基于第二交通违法数据集中每一条交通违法数据的至少一个目标字段，对第二交通违法数据集进行频繁项集挖掘，生成至少一个关联规则以及每一个关联规则对应的关联度指标值；根据每一个关联度指标值以及对应的关联度指标预设阈值，确定目标交通管控场景。交通管控场景。交通管控场景。

【技术实现步骤摘要】
交通管控场景确定方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及智能交通
，尤其涉及一种交通管控场景确定方法、装置、电子设备及存储介质。

技术介绍

[0002]随着我国城市化进程的稳步推进，道路里程和机动车保有量均迅速增长，道路交通通行环境也变得日益复杂。在日常道路交通运行过程中，会发生各类交通违法行为，部分交通违法行为在时空分布上表现出随机性，也有部分交通违法行为的发生存在着一定的规律性。规律性交通违法行为的背后往往存在着某种安全隐患，是亟需交管部门去管控和解决的，这种道路交通中存在的需要管控的问题一般被称为交管场景。由于道路数量多且交管部门人力有限，日常工作中只能覆盖到一些常见场景，很难穷尽所有场景。
[0003]目前国内外在交通管控场景领域的研究在以下几个方面还存在着一定的局限性：1)大部分研究还停留在基于交通事故数据来挖掘安全隐患上，但交通事故的绝对数量从数据涵盖的时间尺度上看很少，样本量不足导致规律容易被随机性掩盖；同时现有事故数据的原因分类较为粗糙，分析的精细化不足。2)交通违法数据是交通管理领域重要的大数据种类之一，但是交通违法数据有着数量巨大、更新迅速的特点，需要高效率的算法才能实时处理分析。由于同时兼顾算法的效率和准确性难度很大，目前对交通违法管控场景的研究很少。3)传统的交通管控中心所处理的场景通常为预设的固定场景，难以满足实际工作中迅速变化的业务需求。

技术实现思路

[0004]本申请提供了一种交通管控场景确定方法、装置、电子设备及存储介质，以解决现有技术中的全部或者部分问题。
[0005]第一方面，本申请提供了一种交通管控场景确定方法，该方法包括：
[0006]获取第一交通违法数据集，第一交通违法数据集中每一条交通违法数据包括与交通违法事件对应的至少一个目标字段，其中，至少一个目标字段中包括用以指示交通违法事件发生地的第一目标字段，第一目标字段的字段值包括发生地的位置信息；
[0007]根据每一个交通违法事件发生地的位置信息，对第一交通违法数据集中的交通违法数据进行数据离散化处理，生成多个聚类簇，以及与每一个聚类簇分别对应的标识信息；
[0008]将属于每一个聚类簇中的交通违法数据的第一目标字段的字段值替换为该聚类簇对应的标识信息，生成第二交通违法数据集；
[0009]基于第二交通违法数据集中每一条交通违法数据的至少一个目标字段，对第二交通违法数据集进行频繁项集挖掘，生成至少一个关联规则以及每一个关联规则分别对应的关联度指标值；
[0010]根据每一个关联度指标值以及分别对应的关联度指标预设阈值，从至少一个关联规则中筛选出目标关联规则；
[0011]根据目标关联规则确定目标交通管控场景。
[0012]通过该方式，获取第一交通违法数据集，根据第一交通违法数据集中的位置信息进行数据离散化操作，生成多个聚类簇，以及与每一个聚类簇分别对应的标识信息，能够更准确地识别出具体交管场景的管控范围，同时将邻近违法点位的内在联系纳入后续分析，从而提供更合理的致因分析和决策支持。将属于每一个聚类簇中的交通违法数据的第一目标字段的字段值替换为该聚类簇对应的标识信息，生成第二交通违法数据集，基于第二交通违法数据集中每一条交通违法数据的至少一个目标字段，对第二交通违法数据集进行频繁项集挖掘，生成至少一个关联规则以及每一个关联规则分别对应的关联度指标值；根据每一个关联度指标值以及分别对应的关联度指标预设阈值，从至少一个关联规则中筛选出目标关联规则；根据目标关联规则确定目标交通管控场景。数据离散化可以将位置信息相近的数据划分至一个聚类簇中，将位置信息替换为聚类簇标识可以为后续根据第一目标字段进行频繁项集挖掘提供数据，而基于至少一个目标字段的频繁项集挖掘操作，能够挖掘出规律性的交通违法行为，从而根据交通违法行为以及与交通违法行为出现场景(关联规则)的频繁程度，确定亟需管控和解决的场景，从而排除交通安全隐患，极大的提高了道路交通的安全性。
[0013]结合第一方面，在本专利技术第一方面的第一实施例中，获取第一交通违法数据集，包括：
[0014]获取第三交通违法数据集以及与第三交通违法数据集对应的场景信息数据集，第三交通违法数据集为通过预设交通违法数据库获取的数据集，第三交通违法数据集中的字段与第一交通违法数据集相同；
[0015]根据第三交通违法数据集中第一组预设关联字段与场景信息数据集中第二组预设关联字段的对应关系，利用场景信息数据集对第三交通违法数据集中的待更新目标字段的字段值进行更新，获取第一交通违法数据集。
[0016]通过该方式，可以根据场景信息数据集对第三交通违法数据集中待更新的目标字段进行更新，获取所需目标字段的字段值，为后续数据处理提供数据基础。
[0017]结合第一方面的第一实施例，在本专利技术第一方面的第二实施例中，多个目标字段除包括第一目标字段外，还包括如下目标字段中的一个或多个：
[0018]用以指示交通违法事件发生主体的第二目标字段、用以指示交通违法事件发生时间的第三目标字段、用以指示交通违法事件发生时的天气的第四目标字段，以及用以指示交通违法事件发生行为的第五目标字段。
[0019]通过该方式，交通违法事件发生的主体、时间、天气以及行为是交通违法事件发生的强关联元素，通过上述元素进行频繁项集挖掘，是可以客观和准确的确定交通违法事件发生的场景，为交通管理提供有力的依据。
[0020]结合第一方面的第二实施例，在本专利技术第一方面的第三实施例中，根据每一个交通违法事件发生地的位置信息，对第一交通违法数据集中的交通违法数据进行数据离散化处理，生成多个聚类簇，以及与每一个聚类簇对应的标识信息，具体包括：
[0021]采用密度聚类方法OPTICS，将每一个交通违法事件发生地的位置信息作为计算目标对象，对第一交通违法数据进行数据离散化处理，生成多个聚类簇，以及与每一个聚类簇分别对应的标识信息。
[0022]通过该方式，密度聚类方法OPTICS具有对参数敏感性低、抗噪声、能处理任意形状聚类的优点。由于不需确定参数就能得到较优的结果，非常适用于要求高效率、实时性的业务场景，与交通违法数据的数量巨大、更新迅速的特点相匹配。
[0023]结合第一方面至第一方面的第三实施例中任一实施例，在本专利技术第一方面的第四实施例中，基于第二交通违法数据集中每一条交通违法数据的至少一个目标字段，对第二交通违法数据集进行频繁项集挖掘，生成至少一个关联规则以及每一个关联规则分别对应的关联度指标值，包括：
[0024]采用频繁项集挖掘算法FP
‑
growth，将第二交通违法数据集中的所有的目标字段的字段值作为频繁项集挖掘对象，对第二交通违法数据集进行频繁项集挖掘，生成多个关联规则以及每一个关联规则分别对应的关联度指标值。
[0025]通过该方式，可以从大量的交通违法数据中挖掘出具有规律性的关联规则，从而发现交通事故发生的规律，为后续交通管控场景的确定提供数据依据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通管控场景确定方法，其特征在于，所述方法包括：获取第一交通违法数据集，其中，所述第一交通违法数据集中每一条交通违法数据包括与交通违法事件对应的至少一个目标字段，至少一个所述目标字段中包括用以指示所述交通违法事件发生地的第一目标字段，所述第一目标字段的字段值包括所述发生地的位置信息；根据每一个所述交通违法事件发生地的位置信息，对所述第一交通违法数据集中的交通违法数据进行数据离散化处理，生成多个聚类簇，以及与每一个聚类簇分别对应的标识信息；将属于每一个聚类簇中的交通违法数据的第一目标字段的字段值替换为该聚类簇对应的标识信息，生成第二交通违法数据集；基于所述第二交通违法数据集中每一条交通违法数据的至少一个所述目标字段，对所述第二交通违法数据集进行频繁项集挖掘，生成至少一个关联规则以及每一个关联规则分别对应的关联度指标值；根据每一个所述关联度指标值以及分别对应的关联度指标预设阈值，从至少一个所述关联规则中筛选出目标关联规则；根据所述目标关联规则确定目标交通管控场景。2.根据权利要求1所述的方法，其特征在于，所述获取第一交通违法数据集，包括：获取第三交通违法数据集以及与所述第三交通违法数据集对应的场景信息数据集，所述第三交通违法数据集为通过预设交通违法数据库获取的数据集，所述第三交通违法数据集中的字段与所述第一交通违法数据集相同；根据所述第三交通违法数据集中第一组预设关联字段与所述场景信息数据集中第二组预设关联字段的对应关系，利用所述场景信息数据集对所述第三交通违法数据集中的待更新目标字段的字段值进行更新，获取所述第一交通违法数据集。3.根据权利要求2所述的方法，其特征在于，多个所述目标字段除包括所述第一目标字段外，还包括如下目标字段中的一个或多个：用以指示所述交通违法事件发生主体的第二目标字段、用以指示所述交通违法事件发生时间的第三目标字段、用以指示所述交通违法事件发生时的天气的第四目标字段，以及用以指示所述交通违法事件发生行为的第五目标字段。4.根据权利要求3任一项所述的方法，其特征在于，所述根据每一个所述交通违法事件发生地的位置信息，对所述第一交通违法数据集中的交通违法数据进行数据离散化处理，生成多个聚类簇，以及与每一个聚类簇分别对应的标识信息，具体包括：采用密度聚类方法OPTICS，将每一个所述交通违法事件发生地的位置信息作为计算目标对象，对所述第一交通违法数据进行数据离散化处理，生成多个聚类簇，以及与每一个聚类簇分别对应的标识信息。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述基于所述第二交通违法数据集中每一条交通违法数据包括的元素信息，对所述第二交通违法数据集进行频繁项集挖掘，生成至少一个关联规则以及每一个关联规则分别对应的关联度指标值，包括：采用频繁项集挖掘算法FP
‑
growth，将所述第二交通违法数据集中的所有的目标...

【专利技术属性】
技术研发人员：杨钧剑，刘金广，朱新宇，戴帅，赵琳娜，闫星培，褚昭明，成超锋，于晓娟，姚雪娇，刘婉，
申请(专利权)人：公安部道路交通安全研究中心，
类型：发明
国别省市：