[發明專利]一種交通異常場景的判斷方法、裝置、設備及存儲介質

有效

• 申請號: 202010372810.5
• 申請日: 2020-05-06
• 公開（公告）號: CN111259877B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 陳振宇;李小村;俞山青;蘇媛;康敏;張登峰
• 申請（專利權）人: 杭州智誠惠通科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郄晨芳

1.一種交通異常場景的判斷方法，其特征在于，包括：

根據各交通信息數據以及各所述交通信息數據之間的關聯關系，確定出對應的交通信息節點網絡；

利用各所述交通信息數據的特征向量計算出所述交通信息節點網絡的網絡特征；

將所述網絡特征輸入至預先訓練出的場景判斷模型中，確定出對應的交通場景是否存在異常；

其中，各所述交通信息數據包括圖像信息數據和/或文本信息數據和/或數值信息數據；

其中，利用圖像特征提取模型提取圖像信息數據中的圖像特征，得出所述圖像信息數據的圖像特征向量；

根據計算出文本信息數據的文本特征向量；其中，文本信息數據為x＝(x₁,x₂,...x_q...,x_n)，n表示所述文本信息數據的總字符數；tanh為激活函數；W₁表示權重系數，b為偏置項；

J、M、N為每個字符的三個不同的空間維度，W^J、W^M、W^N分別為J、M、N三個空間維度對應的權重系數；d_m為M空間維度對應的向量維度；softmax表示激活函數；T表示對矩陣進行轉置操作，(x_q·W^M)^T為x_q·W^M的轉置矩陣；

根據計算出數值信息數據的數值特征向量；其中，C表示數值信息數據中的數字的數量；v_x表示數值信息數據內任意一個數字的字向量；

其中，所述利用各所述交通信息數據的特征向量計算出所述交通信息節點網絡的網絡特征的過程，具體包括：

分別計算出各節點的各出邊對應的鄰居節點對所述節點的重要程度：

其中，表示節點e在路徑Φ_er下鄰居節點r的重要性；att_node表示通過自注意力機制模型學習節點e和節點r間路徑Φ_er的重要性；h_e和h_r分別表示節點e和節點r的特征向量；

計算各節點對的注意力權重：

其中，表示在任意路徑Φ中節點對(e，r)的注意力權重，表示特征向量h_e和特征向量h_r在空間類型τ中對應的注意力參數；表示節點r為節點e的所有鄰居節點之一；為節點e的所有鄰居節點集合；σ為激活函數；

計算節點在含節點e的路徑的最終表示

因此，對于節點e的所有路徑得出對應的節點表示為：其中，p為路徑總數目；

計算交通信息節點網絡的網絡特征：

其中，att_sem表示由上一步得到的節點表示通過自注意力機制模型學習路徑的重要性；E表示所有節點的集合。

2.根據權利要求1所述的方法，其特征在于，在所述將所述網絡特征輸入至預先訓練出的場景判斷模型中，確定出對應的交通場景是否存在異常之后，進一步包括：

若確定出所述交通場景存在異常，則發出對應的提示信息。

3.根據權利要求1所述的方法，其特征在于，所述根據各交通信息數據以及各所述交通信息數據之間的關聯關系，確定出對應的交通信息節點網絡的過程，具體包括：

按照預設時間周期獲取所述交通信息數據；

根據同一時間戳的各所述交通信息數據以及同一時間戳的各所述交通信息數據之間的關聯關系，確定出對應的交通信息節點網絡。

4.根據權利要求3所述的方法，其特征在于，在所述將所述網絡特征輸入至預先訓練出的場景判斷模型中，確定出對應的交通場景是否存在異常之后，進一步包括：

記錄各所述交通信息節點網絡對應的時間戳以及對應的判斷結果。

5.根據權利要求2所述的方法，其特征在于，在確定出所述交通場景存在異常之后，進一步包括：

依據預先設置的異常信息與策略信息的對應關系，確定出與所述交通信息的異常情況對應的目標策略。