[發明專利]一種城市交通異常探測模型的構建方法

在審

• 申請號: 202010189746.7
• 申請日: 2020-03-18
• 公開（公告）號: CN111653087A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 關慶鋒;梁哲瑋;岳漢秋
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06N3/04;G06N3/08
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 易濱

1.一種兼顧路網拓撲結構和道路屬性的城市交通異常探測模型的構建方法，其特征在于，包括：利用GRU-GCN模型預測速度數據，結合預測速度數據和真實速度數據，采用HTM-Detector算法，輸出道路上發生交通異常事件的時間范圍，并計算準確率；

GRU-GCN模型公式如下所示：

u_t＝σ(W_u[f(A，X_t)，h_t-1]+b_u)

r_t＝σ(W_r[f(A，X_t)，h_t-1]+b_r)

c_t＝tan h(W_c[f(A，X_t)，(r_t*h_t-1]+b_c)

h_t＝u_t*h_t-1+(1-u_t)*c_t

其中，u_t和r_t分別代表t時刻的更新門和重置門，c_t為t時刻隱藏層輸出的候選集，h_t為t時刻隱藏層的輸出；

GCN主要通過圖學習的方式捕捉復雜拓撲結構的空間依賴性，表示如下：

其中，X代表屬性矩陣，A代表路網拓撲矩陣，代表了對矩陣A進行預處理的過程，W₀、W₁分別代表兩層GCN模型中第一層和第二層的權重矩陣。

2.如權利要求1所述的兼顧路網拓撲結構和道路屬性的城市交通異常探測模型的構建方法，其特征在于，構建GRU-GCN模型的具體方法為：

獲取城市交通異常探測所需的數據集并對數據集預處理，數據集包括城市道路網數據、城市道路交通異常數據以及城市道路交通流數據；

分別構建路網拓撲矩陣與屬性矩陣，結合GCN和GRU網絡進行學習并驗證，得GRU-GCN模型。

3.如權利要求2所述的兼顧路網拓撲結構和道路屬性的城市交通異常探測模型的構建方法，其特征在于，數據集預處理方法具體為：

提取城市道路交通流數據中某個時間范圍的速度數據，并提取該時間范圍內的城市道路交通異常數據，并進行去重去空；

將城市道路交通流數據與城市道路網數據匹配得到路網交通流數據集；

去重去空后的城市道路交通異常事件數據與路網交通流數據集，得到異常道路數據集。

4.如權利要求2所述的兼顧路網拓撲結構和道路屬性的城市交通異常探測模型的構建方法，其特征在于，屬性矩陣的每個元素包括城市道路交通流數據中提取出的速度數據和城市道路網數據中的道路寬度數據。

5.如權利要求2所述的兼顧路網拓撲結構和道路屬性的城市交通異常探測模型的構建方法，其特征在于，屬性矩陣按時間序列分為訓練集和測試集，訓練集結合路網拓撲矩陣輸入到GRU-GCN中進行學習獲得模型的參數，測試集用于檢測GRU-GCN模型異常探測的準確率。

6.如權利要求1所述的兼顧路網拓撲結構和道路屬性的城市交通異常探測模型的構建方法，其特征在于，HTM-Detector算法具體包括：

結合GRU-GCN模型預測數據和真實數據計算異常得分；

基于長短窗口構建兩個滾動高斯分布；

通過Q-function函數得出異常似然性。