一种针对城市交通网络的问题诊断方法技术

本发明专利技术涉及一种针对城市交通网络的问题诊断方法，包括：预定义交通路网特征以及交通路网中存在的交通问题，作为交通知识图谱中的实体；利用预定义的实体和已诊断案例构建交通知识图谱；将交通知识图谱输入基于图神经网络的编码器，以获得交通知识图谱中每个节点的图嵌入向量；以及将待诊断路口的特征与预定义的实体匹配，并且将匹配的实体输入到基于实体融合的解码器中，以供解码器进行运算并输出诊断结果。结果。结果。

【技术实现步骤摘要】
一种针对城市交通网络的问题诊断方法


[0001]本专利技术涉及交通网络问题诊断
，尤其涉及一种针对城市交通网络的问题诊断方法。

技术介绍

[0002]城市道路交通系统在运行的过程中会遇到许多问题，这些问题可能会影响交通效率，造成交通拥堵，或者引起交通事故，降低交通安全性。这些问题可以通过交通管理者对于道路的时空资源调度、提高管理者执法力度来解决，比如在交通需求增加时，优化信号灯或是改变车道功能，或者严格查处违法的交通参与者，以改善城市道路交通系统的运行过程。
[0003]针对上述问题，现有的解决方案大多依赖于专家经验，即通过大量有经验的专家在路口观察，诊断对应的问题，给出相关的解决策略。这种人工诊断的方案会出现以下不足：1.效率低下，专家无法在大规模路网中对每个案例进行诊断，使得往往只有少数问题最严重的路口得到诊断分析；2.每个案例的诊断结果依赖于专家的经验，无法保证诊断结果的准确性与客观性；3.这种方案不具备泛化性与可迁移性，即专家的经验无法被高效的传承和推广至不同城市。

技术实现思路

[0004]为解决现有技术中的上述问题中的至少一部分问题，本专利技术提供一种针对城市交通网络的问题诊断方法，包括：
[0005]预定义交通路网特征以及交通路网中存在的交通问题，作为交通知识图谱中的实体；
[0006]利用预定义的实体和已诊断案例构建交通知识图谱；
[0007]将交通知识图谱输入基于图神经网络的编码器，以获得交通知识图谱中每个节点的图嵌入向量；以及
[0008]将待诊断路口的特征与预定义的实体匹配，并且将匹配的实体输入到基于实体融合的解码器中，以供解码器进行运算并输出诊断结果。
[0009]进一步地，预定义了6大类共106种交通路网特征为F类型实体以及预定义了路网中存在的4大类23问题子类共45种交通问题为P类型实体，其中23问题子类作为C类型实体。
[0010]进一步地，所述利用预定义的实体和已诊断案例构建交通知识图谱包括：
[0011]将已诊断案例与预定义的实体相匹配，则每个已诊断案例能够视为交通路网特征实体集合F0与交通问题实体集合P0；
[0012]对每个已诊断案例的交通路网特征实体集合F0与交通问题实体集合P0分别进行集合间以及集合内部的笛卡尔积操作，得到三元组，并通过累加的方式整合三元组来构建交通知识图谱，其中每个三元组关系视为交通知识图谱的边，重复出现的三元组次数作为边权重；以及
[0013]通过边筛选方式过滤交通知识图谱中存在的噪声。
[0014]进一步地，所述利用预定义的实体和已诊断案例构建交通知识图谱还包括：加入C类型实体与P类型实体之间的边，得到交通知识图谱G＝(V,E)，其中P类型实体是预定义的路网中存在的交通问题，C类型实体是预定的问题子类。
[0015]进一步地，所述通过边筛选方式过滤交通知识图谱中存在的噪声包括：结合每条边两端节点的总的边权重，计算得到每条边的归一化边权重，并根据固定阈值对归一化边权重进行筛选，删去权重低于固定阈值的边。
[0016]进一步地，所述将交通知识图谱输入基于图神经网络的编码器，以获得交通知识图谱中每个节点的图嵌入向量包括：编码器由多层的图神经网络构成，在每一层图神经网络中，通过消息传播机制得到每个邻居节点对目标节点的信息传播增量，并对目标节点的图嵌入向量进行更新，最后输出目标节点更新后的图嵌入向量。
[0017]进一步地，通过随机初始化的方式得到起始时节点的图嵌入向量，然后更新目标节点的图嵌入向量，其中每个目标节点的图嵌入向量更新过程包括：
[0018]通过注意力机制计算邻居节点与目标节点之间的相关性权重；
[0019]对同种类型邻居节点的权重进行归一化；
[0020]通过邻居节点归一化后的权重得到邻居节点传递给目标节点的信息传播增量；以及
[0021]整合所有邻居节点的信息传播增量并更新目标节点的图嵌入向量。
[0022]进一步地，将待诊断路口的特征与预定义的实体匹配，然后将匹配的实体输入到基于实体融合的解码器中，解码器进行运算并输出诊断结果包括：
[0023]将待诊断路口的特征通过与预定义的交通路网特征实体匹配，然后将匹配的交通路网特征实体输入到解码器中；
[0024]解码器挖掘待诊断路口中同时包含的交通路网特征中所蕴涵的联合信息，得到象征案例的向量，并利用该向量与交通问题实体的向量一一内积得到象征案例与交通问题的相关性，根据相关性阈值筛选并排序交通问题，得到待诊断路口的交通问题。
[0025]进一步地，解码器的运算过程包括：
[0026]将与待诊断路口匹配的交通路网特征实体所对应的图嵌入向量相加，得到向量a；
[0027]每个交通路网特征实体的图嵌入向量与向量a拼接后输入全连接神经网络，得到每个交通路网特征实体的图嵌入向量的对应权重；
[0028]将每个交通路网特征实体的向量与对应权重进行加权求和，得到象征案例的向量；
[0029]象征案例的向量与象征每个交通问题的向量一一进行内积，得到象征案例与每个交通问题之间的相关性；以及
[0030]通过预设的相关性阈值筛选及相关性排序，相关性最高的指定数量的交通问题作为交通问题诊断模型的诊断结果。
[0031]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时执行根据上述方法的步骤。
[0032]本专利技术至少具有下列有益效果：(1)本专利技术公开的一种针对城市交通网络的问题诊断方法，首先预定义交通路网特征以及交通路网中存在的问题，作为交通知识图谱中的
实体，利用预定义的实体和已诊断案例构建交通知识图谱，使历史案例数据中的知识具备可泛化与可迁移性，然后使用基于图神经网络的编码器可得到交通知识图谱中每个节点的图嵌入向量。(2)将待诊断路口的特征通过基于规则的方式与预定义的交通路网特征实体匹配，然后将匹配的交通路网特征实体输入到解码器中，解码器挖掘待诊断路口中同时包含的交通路网特征中所蕴涵的联合信息，得到象征案例的向量，并利用该向量与交通问题实体的向量一一内积得到象征案例与交通问题相关性，根据相关性阈值筛选与排序，得到待诊断路口的交通问题。通过基于实体融合的解码器挖掘待诊断路口中同时出现的交通路网特征实体的联合信息，相比逐个实体进行内积的方式可以得到更准确的诊断结果。(3)该方法可在无需人工干预的情况下快速诊断出交通问题，且诊断效率高，并且诊断结果的准确性与客观性较高。(4)该方法具备泛化性与可迁移性，能够推广至不同城市。总言之，本专利技术通过将新颖的人工智能技术应用于智能交通领域，大大提高了交通问题的诊断速度和精度，同时与相同精度所需计算量相比减少了计算量，显著减少了硬件占用。
附图说明
[0033]为了进一步阐明本专利技术的各实施例的以上和其它优点和特征，将参考附图来呈现本专利技术的各实施例的更具体的描述。可以理解，这些附图只描绘本专利技术的典型实施例，因此将不被认为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对城市交通网络的问题诊断方法，其特征在于，包括：预定义交通路网特征以及交通路网中存在的交通问题，作为交通知识图谱中的实体；利用预定义的实体和已诊断案例构建交通知识图谱；将交通知识图谱输入基于图神经网络的编码器，以获得交通知识图谱中每个节点的图嵌入向量；以及将待诊断路口的特征与预定义的实体匹配，并且将匹配的实体输入到基于实体融合的解码器中，以供解码器进行运算并输出诊断结果。2.根据权利要求1所述的针对城市交通网络的问题诊断方法，其特征在于，预定义了6大类共106种交通路网特征为F类型实体以及预定义了路网中存在的4大类23问题子类共45种交通问题为P类型实体，其中23问题子类作为C类型实体。3.根据权利要求1所述的针对城市交通网络的问题诊断方法，其特征在于，所述利用预定义的实体和已诊断案例构建交通知识图谱包括：将已诊断案例与预定义的实体相匹配，则每个已诊断案例能够视为交通路网特征实体集合F0与交通问题实体集合P0；对每个已诊断案例的交通路网特征实体集合F0与交通问题实体集合P0分别进行集合间以及集合内部的笛卡尔积操作，得到三元组，并通过累加的方式整合三元组来构建交通知识图谱，其中每个三元组关系视为交通知识图谱的边，重复出现的三元组次数作为边权重；以及通过边筛选方式过滤交通知识图谱中存在的噪声。4.根据权利要求3所述的针对城市交通网络的问题诊断方法，其特征在于，所述利用预定义的实体和已诊断案例构建交通知识图谱还包括：加入C类型实体与P类型实体之间的边，得到交通知识图谱G＝(V,E)，其中P类型实体是预定义的路网中存在的交通问题，C类型实体是预定义的问题子类。5.根据权利要求3所述的针对城市交通网络的问题诊断方法，其特征在于，所述通过边筛选方式过滤交通知识图谱中存在的噪声包括：结合每条边两端节点的总的边权重，计算得到每条边的归一化边权重，并根据固定阈值对归一化边权重进行筛选，删去权重低于固定阈值的边。6.根据权利要求1所述的针对城市交通网络的问题诊断方法，其特征在于，所述将交通知识图谱输入基于图神经网络的编码器，以获得交通知识图谱中每个节点的图嵌入向量包括：编码器由多层...

【专利技术属性】
技术研发人员：阚宇衡，龚越，刘瑞强，王茂南，
申请(专利权)人：上海人工智能创新中心，
类型：发明
国别省市：