基于联邦学习的安全预测方法、平台、设备及介质技术

本发明专利技术提供基于联邦学习的安全预测方法、平台、设备及介质，方法包括：利用地图网格若干个点位的气象信息构建路网气象数据；利用地图汇聚路线轨迹坐标；对路线轨迹坐标进行路网气象数据的梯度均质化计算，得到路线轨迹气象数据；对路线轨迹气象数据和交通流量数据进行求交计算，汇合同一个时间轴内的交通流量数据和路线轨迹气象数据；所述交通流量数据包括道路公共设施提供的车辆位置、速度信息以及道路交通信息；将汇合的数据作为标签数据构建基于贝叶斯概率分布的安全预测模型；利用分布式计算设备进行联邦学习，训练所述安全预测模型；利用安全预测模型对进行安全预测。本发明专利技术提供多源异构数据的隐私计算方法，实现驾驶辅助。实现驾驶辅助。实现驾驶辅助。

【技术实现步骤摘要】
基于联邦学习的安全预测方法、平台、设备及介质


[0001]本专利技术涉及交通安全领域，尤其是基于联邦学习的安全预测方法、平台、设备及介质。

技术介绍

[0002]高速驾驶中事故类型分析统计中发现，由于天气原因导致驾驶操控性降低，以及由于错误驾驶，如车速过高、过低、违规停车、倒车等会导致事故频发影响高速公路的安全运营以及驾驶员的人生财产生命安全的保护。
[0003]导航系统中所采用的气象信息是属于区域预报，不能实现一个全导航轨迹行驶路线的气象导航预报。这里面不仅是气象的预测还涉及到车辆和驾驶人员的隐私，所以气象信息，交通信息，还有个人的车辆运行轨迹信息都是独立的，若想实现行驶轨迹的车流量及天气影响预测，提前做好预判，从高速管理中心调度指挥中因为不了解车辆的单独信息，只能进行集群管理，而不能精准指挥，而为了提高高速运行的安全性和效率，个人车辆位置信息和速度信息是最基础的数据信息需要用于新技术的研究应用，但是其中的使用方式和隐私信息保护方法也需要研究。
[0004]车联网的隐私技术是面向最新汽车的高端技术研发产品与汽车和运营管理平台高度绑定，但是对于目前仍在运行的车辆如何也可以实现在隐私保护技术条件下的天气+交通安全流量预测，安全导航引导等多种功能提升驾驶员安全体验的需求。
[0005]位置隐私是一种特殊的信息隐私，指在个人不愿被外界所知晓的与位置相关的信息，以及位置信息所揭露的个人信息。例如医院、酒吧、家庭地址等敏感位置通常视为用户的位置隐私，用户能够决定何时(when)、如何(how)，以何种程度(towhatextent)将自己的位置信息告知其他人。用户通常更不愿揭示其当前位置或未来位置，但过去的位置保护也很重要，因为过去位置能够帮助攻击者了解你是谁，住哪里，干了什么事情；用户愿意在知情的情况下向朋友透露其位置，而不希望移动终端的应用软件在其不知情的情况下自动分享其位置；用户更愿意揭示其所在的混淆区域，而不愿揭示其真实位置。
[0006]专利CN111445714A，公开了一种可预测的高速道路用恶劣天气分析方法，本专利技术公开了一种可预测的高速道路用恶劣天气分析方法,其步骤如下:步骤一:建立多个当前点位气象信息收集终端,对高速路段上及附近的天气气象信息进行收集,所述当前点位气象信息收集终端包括温湿度传感器,当前风向传感器,当前风速传感器,当前气压传感器以及总辐射传感器,所述当前温湿度传感器,当前风向传感器,当前风速传感器,当前气压传感器以及总辐射传感器均与数据信息收集模块连接.该可预测的高速道路用恶劣天气分析方法,利用多个当前点位气象信息收集终端对天气变化的信息进行收集,提高了对天气预测分析的准确性,而且能够及时把信息反馈至高速站与驾驶员,一方面方便高速站进行封路管制；专利CN111489577A，公开了一种高速公路灾害天气自适应智能预警实时限速系统，一种高速公路灾害天气自适应智能预警实时限速系统,包括5G高速公路监控指挥中心,5G网络,路测单元,车载接收终端；通过设置在高速公路各路段上的多种气象模块能够根据天气
的变化实时采集影响交通的恶劣气象信息,并即时生成适合车辆行驶的当前路段的预警和限速信息从而实现自动限速行驶,由此避免了车辆在雾霾天气,雨雪天气及大风天气因超速行驶引发交通事故的风险；当天气好转时可自动恢复高速120km/h行驶,进而提高了公路的通行能力和运营效率；若遭遇突发事件时5G高速公路监控指挥中心通过路测单元发送限速指令,由此对各路段行驶的车辆执行交通管制。以上专利是利用高速沿线的气象检测点进行气象观测，然后实现气象的预报，然后利用生成的气象预报实现一个气象服务发布；
[0007]学术论文《VANETs中基于差分隐私的位置隐私保护研究》，张慧娟西安电子科技大学硕士论文，公开了针对VANETs(车载移动自组网)中的LBS(位置服务)应用，为了解决在连续LBS场景下使用差分隐私时存在的隐私预算消耗过快的问题，本文提出了一种基于协作和缓存的满足地理不可区分性的位置扰动机制。通过让请求车辆协作构造群组，并从中选择群组代理来基于差分隐私生成扰动位置并代理整个群组向LSP(位置服务提供商)提交请求的方式，实现仅需消耗一个成员的隐私预算即可完成所有成员的查询需求。该论文利用差分隐私计算实现了车辆位置服务的加密问题，实现车辆自组网提供位置信息实现位置服务时的车辆位置和隐私信息的保护；
[0008]现有的导航产品或者技术方案都是一个中心对多个子节点，而且客户的信息也会无条件的暴露给产品运营中心，而且是属于一个单向功能展示的情况，没有利用好节点之间的关系和需求，亟需进行一个深层次加工，打造一个为单节点客户运行的服务推荐。

技术实现思路

[0009]本专利技术旨在克服上述现有技术的至少一种缺陷，提供基于联邦学习的安全预测方法、平台、设备及介质。
[0010]第一方面，本专利技术提供一种基于联邦学习的安全预测方法，包括：
[0011]利用地图网格若干个点位的气象信息构建路网气象数据；
[0012]利用地图汇聚路线轨迹坐标；
[0013]对路线轨迹坐标进行路网气象数据的梯度均质化计算，得到路线轨迹气象数据；
[0014]对路线轨迹气象数据和交通流量数据进行求交计算，汇合同一个时间轴内的交通流量数据和路线轨迹气象数据；
[0015]所述交通流量数据包括道路公共设施提供的车辆位置、速度信息以及道路交通信息；
[0016]将汇合的数据作为标签数据构建基于贝叶斯概率分布的安全预测模型；
[0017]利用分布式计算设备进行联邦学习，训练所述安全预测模型；
[0018]利用安全预测模型对进行安全预测。
[0019]由于气象数据通常不是按交通线路发布的，因此首先要提出一种交通轨迹与气象发布的天气数据对齐和预测方式，基于路线轨迹的气象预测模型，按照路网信息，根据气象预报数据，基于地图网格，根据附近几个点位发布的气象预报进行线性回归预测，最终形成路线轨迹的气象数据。
[0020]以同一个时间轴内的交通数据汇合气象和路网，可以将气象在一个时间周期内的变化数据存入交通路网数据库中，按照时间周期进行排列，构建一个区域和时间的序列映射模型，将交通流量数据汇集在每一段路网的数据列表中，例如可以按照时间周期0
‑
24小
时进行存储管理，24小时内的车流量变化情况在数据库中并配置位置ID，气象也是24小时为一个周期进行循环，降水量，风，极端天气变化情况等信息在一个循环周期内，这是一个循环存储库，新信息的加入会将最末尾的信息弹出，存入天周期库，天周期库会以此存到月度，依次进行。
[0021]本专利技术基于多源异构数据的融合建立安全预测模型，可以引入车辆的位置和速度信息，ETC与高速通门架的车辆数据等，建立交通流量数据预测模型，由于本专利不在于提供一种新的建模方法，而是从数据获取形式上提供新的参考点，因此采用的是一种比较成熟的建模方法，建模方法采用基于贝叶斯概率分布的流量预测，实现交通安全预测。
[0022]交通流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联邦学习的安全预测方法，其特征在于，包括：利用地图网格若干个点位的气象信息构建路网气象数据；利用地图汇聚路线轨迹坐标；对路线轨迹坐标进行路网气象数据的梯度均质化计算，得到路线轨迹气象数据；对路线轨迹气象数据和交通流量数据进行求交计算，汇合同一个时间轴内的交通流量数据和路线轨迹气象数据；所述交通流量数据包括道路公共设施提供的车辆位置、速度信息以及道路交通信息；将汇合的数据作为标签数据构建基于贝叶斯概率分布的安全预测模型；利用分布式计算设备进行联邦学习，训练所述安全预测模型；利用安全预测模型对进行安全预测。2.根据权利要求1所述的基于联邦学习的安全预测方法，其特征在于，所述利用分布式计算设备进行联邦学习包括：获取若干分布式计算设备的用户样本，所述用户样本来自至少两个用户群，每个用户群均有安全预测模型；对不同用户群重叠的用户样本进行特征对齐；对不同用户群分别计算梯度的中间结果，利用公钥对梯度的中间结果进行加密交互；每个用户群都利用加密的梯度值进行计算，同时计算各自标签数据的损失值；汇总计算结果进行总梯度值的计算；将解密的总梯度值回传到所有用户群完成联邦学习。3.根据权利要求1所述的基于联邦学习的安全预测方法，其特征在于，所述对路线轨迹坐标进行路网气象数据的梯度均质化计算包括：利用SVM支持向量机计算所有路线轨迹坐标距离最近的路网气象数据；选择距离最近的路网气象点作为基础权重，对距离最近的路网气象点周围的气象点进行权重均质化计算。4.根据权利要求3所述的基于联邦学习的安全预测方法，其特征在于，所述路线轨迹坐标以0.5
‑
5公里为一个切片进行距离最近的路网气象点的选择。5.根据权利要求1所述的基于联邦学习的安全预测方法，其特征在于，道路交通信息包括历史拥堵数据和/或交通事故数据；将所述历史拥堵数据和/或交通事故数据作为标签数据构建所述安全预测模型；所述安全预测模型预测基于路线轨迹坐标的安全驾驶速度和/或安全距离。6.一种基于联邦学习的安全预测平台，其特征在于，包括车载移动导航设备和安全预测控制系统；所述车载移动导航设备用于训练安全预测模型以及利用安全预测模型对进行安...

【专利技术属性】
技术研发人员：马鑫磊，单云仙，黎永昇，张迎峰，方辉敏，何珍，郭桐汕，刘斐，杨双，李红泽，詹皓淙，王旺意，罗慧瑜，苏凤明，
申请(专利权)人：联通广东产业互联网有限公司，
类型：发明
国别省市：