一种基于双分支时空对比学习的长期交通异常检测方法技术

技术编号:43462619 阅读:32 留言:0更新日期:2024-11-27 13:00
本申请提供一种基于双分支时空对比学习的长期交通异常检测方法,基于待检测的交通网络获得多个视图,各个视图包括多个节点。针对各个视图,获得视图中各节点的交通信号及节点之间的邻接矩阵。基于预先训练得到的检测模型的第一分支,并根据各节点的交通信号获得全局动态时空依赖关系信息,基于检测模型的第二分支,并根据各节点的交通信号和节点之间的邻接矩阵获得静态区域时空依赖关系信息。最后基于全局动态时空依赖关系信息和静态区域时空依赖关系信息,获得各节点的表征其是否存在长期交通异常的异常分值。本方案可以结合动态数据时空异质性、节点的静态服务进行长期交通异常检测,准确进行异常的长期交通流的检测。

【技术实现步骤摘要】

本专利技术涉及交通检测,具体而言,涉及一种基于双分支时空对比学习的长期交通异常检测方法


技术介绍

1、近年来,城市交通异常的增加导致交通拥堵和事故频发,影响了交通效率和公共安全。因此,交通异常检测在智能交通管理中扮演着至关重要的角色,例如调整信号配时和提前重新规划交通路线等。城市交通异常可以分为两类:(i)短期异常,通常由突发事件引起,如交通事故和特殊社会活动,以及(ii)长期异常,如长期的交通拥堵,这是由于交通结构变化和城市布局发展导致的对预期交通服务的长期不匹配。例如,新建的购物中心所在区域的交通需求急剧增加。然而,现有的公共交通路线尚未调整以适应这一变化,交叉路口的交通信号系统也无法满足当前需求,导致公交服务不足和长期的交通拥堵。因此,检测长期交通异常可以显著提高交通流动性和道路利用效率,从根本上减少交通拥堵和异常。过去已经开发了各种基于数据驱动和时间序列的异常检测方法用于短期非经常性交通异常,如交通拥堵和事故。然而,由于以下问题,这些方法在长期异常检测中难以使用。

2、在技术层面,长期交通异常的模式是多样的,因为它们由不同类型的城市背本文档来自技高网...

【技术保护点】

1.一种基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述获得所述视图中各所述节点的交通信号的步骤,包括:

3.根据权利要求1所述的基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述第一分支包括依次连接的时间自注意力编码器、聚类层和空间自注意力编码器;

4.根据权利要求3所述的基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述时间自注意力编码器包括多个注意力头部;

5.根据权利要求3所述的基于双分支时空对比学...

【技术特征摘要】

1.一种基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述获得所述视图中各所述节点的交通信号的步骤,包括:

3.根据权利要求1所述的基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述第一分支包括依次连接的时间自注意力编码器、聚类层和空间自注意力编码器;

4.根据权利要求3所述的基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述时间自注意力编码器包括多个注意力头部;

5.根据权利要求3所述的基于双分支时空对比学习的长期交通异常检测方法,其特征在于,所述基于所述时空自注意力输出信息,得到全局动态时空依赖关系信息的步骤,包括:

6.根据权利要求1所述的基于双分支时空对比学习的长期...

【专利技术属性】
技术研发人员:刘雪杰郭继孚马佳曼温慧敏马腾腾朱家正邢存远陈静
申请(专利权)人:北京交通发展研究院
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