[發明專利]一種基于交通違法熱點預測的巡邏路線規劃方法、系統和可讀存儲介質

有效

• 申請號: 202010693026.4
• 申請日: 2020-07-17
• 公開（公告）號: CN112016735B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 陳龍彪;蔣之晗;范曉亮;王程;洪虹
• 申請（專利權）人: 廈門大學
• 主分類號: G06Q10/047
• 分類號: G06Q10/047;G06Q50/26;G08G1/01;G06F18/2431;G06F18/214
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭

1.一種基于交通違法熱點預測的巡邏路線規劃方法，其特征在于，具體包括如下步驟：

S1：將離散的交通違法事件匹配到道路網絡，得到交通違法熱點候選區域；

S2：得出所述交通違法熱點候選區域的交通違法時間序列，計算出交通違法時間序列下的交通違法熱點候選區域的違法程度，并提取交通違法時間序列下的交通違法熱點候選區域的時空情境特征，將交通違法熱點候選區域以及其交通違法時間序列、違法程度、時空情境特征組成數據集；所述違法程度：將每個交通違法熱點候選區域在每個小時的違法程度劃分為三個等級，分別為輕度，中度，重度；

所述交通違法時間序列為其中，/表示r_i在第t個小時的交通違法事件數量；r_i表示第i個交通違法熱點候選區域，i∈[1，N]，根據r_i在t小時的違法事件數量確定所述交通違法時間序列下r_i違法程度/

所述時空情境特征包括：基本時間特征、氣候特征以及空間特征；

其中基本時間特征包括但不限于該小時是一天中的第幾個小時，該小時屬于一周中的第幾天，該小時屬于一年中的第幾天，該小時屬于一月中的第幾天，該小時屬于一年中的第幾個月，該小時屬于一年中第幾個周，該小時屬于一年中的第幾個季度；以及氣候特征，包括但不限于該小時該交通違法熱點候選區域的溫度，該小時該交通違法熱點候選區域的濕度和該小時該交通違法熱點候選區域的氣壓；空間特征包括其基本位置特征，基本位置特征包括但不限于該交通違法熱點候選區域的經度、緯度，該交通違法熱點候選區域的道路等級，該交通違法熱點候選區域的道路限速；S3：采用拔靴抽樣法從數據集中抽取三組訓練數據集，分別用三組訓練數據集通過協同訓練與主動學習訓練三組預測模型，所述預測模型采用樹集成模型；

S4：利用所述三組預測模型，對無標簽交通數據進行分類，預測未來交通違法熱點的分布情況；

S5：根據預測的未來交通違法熱點的分布情況，進行交警巡邏路線的建模和優化；

argmax_XL·X ①

D·X≤μ ⑤

其中，①式表示優化目標，X為鄰接張量，L為增益張量，鄰接張量X使得L·X即巡邏路線覆蓋的交通違法熱點增益最大；限制條件②中，表示了從起始點出發的路徑數量，/表示最終回到起始點的路徑數量，/表示所有路線都從起始點開始，/表示所有路線都到起始結束，且路徑數量為k，t為第t個小時；限制條件③表示沒有路徑會在工作時間結束前回到起始點；②③兩個限制條件共同保證了有向圖的基本結構；限制條件④表示到達某個結點的路徑數量等于離開該結點的數量，并且路徑之間不會存在點交叉；限制條件⑤⑥表示總體的路徑長度不超過閾值μ。

2.根據權利要求1所述的一種基于交通違法熱點預測的巡邏路線規劃方法，其特征在于，利用所述三組預測模型，對無標簽交通數據進行分類，具體包括：

樣本被三個預測模型同時分到同一類，則標記為可信實例標簽，并加入三個訓練集中；

樣本被兩個預測模型分到同一類，在第三個預測模型中分到不同的類別，則標記為較可信實例標簽，并加入第三個預測模型相應的訓練集中；

樣本被三個預測模型分到了都不相同的類別，則標記為模糊實例標簽，加入專家驗證集。

3.根據權利要求1所述的一種基于交通違法熱點預測的巡邏路線規劃方法，其特征在于，所述預測模型定期采用在線更新機制，進行重新訓練。

4.根據權利要求1所述的一種基于交通違法熱點預測的巡邏路線規劃方法，其特征在于，所述步驟S5中交警巡邏路線為一張有向圖，圖中的每個結點v(i，t)表示在第t個小時的交通違法熱點候選區域r_i，屬性值Level(i，t)表示r_i在第t個小時的交通違法程度，每條邊x(i，j，t)表示交警是否在第t小時開始時從結點v(i，t-1)移動到結點v(j，t)，如果x(i，j，t)＝1則表示存在這樣的移動，該式為0則表示不存在這樣的移動。