【技術實現步驟摘要】
本專利技術涉及交通預測，尤其是涉及用于智慧交通公路運行安全狀態的異常檢測方法。
技術介紹
1、近年來，智能交通系統(intelligent?transportation?system,its)已經成為眾多國家在城市發展過程中關注的關鍵問題之一。但是，隨著快速的城市化進程和人口的急劇增長，智能交通系統已經變得愈加復雜。在此背景下，交通預測作為its的關鍵元素，被認為是早期的用于提高its效率的關鍵干預手段之一。交通預測旨在根據歷史觀測的交通狀況來預測城市交通路網中未來的交通狀況，其中所涉及的交通狀況一般包括交通流量和交通速度。經過多年持續的研究和實踐，交通預測已經取得了許多可喜的成果。但交通預測仍然面臨著預測效果不佳等問題。
2、因此，有必要提供一種用于智慧交通公路運行安全狀態的異常檢測方法來解決上述技術問題。
技術實現思路
1、本部分的目的在于概述本專利技術的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和專利技術名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和專利技術名稱的目的模糊，而這種簡化或省略不能用于限制本專利技術的范圍。
2、鑒于上述現有存在的問題，提出了本專利技術。
3、為解決上述技術問題，本專利技術提供如下技術方案：首先，讀取交通數據并轉化為包含時間維度、空間維度和特征維度的三維交通數據對應的矩陣；
4、其次，將得到的交通數據對應的三維矩陣通過第一多層感知機處理后得到第一交通數據；>
5、再者，將第一交通數據經過k層時空編碼模塊處理得到待預測的將來時間段的交通數據。
6、作為本專利技術所述基于結構化感知和頻域增強時間延遲感知注意力的交通預測方法的一種優選方案，從交通數據集中讀取數據，并轉換為包含時間維度、空間維度和特征維度的三維矩陣；其中，三維矩陣為其中t為當前時間，t1為交通數據的歷史時間，表示n個傳感器在t時刻的抓取的交通特征，表示第n個傳感器在t時刻的抓取的交通特征，n∈[1,n]。
7、作為本專利技術所述基于結構化感知和頻域增強時間延遲感知注意力的交通預測方法的一種優選方案，將得到的交通數據對應的三維矩陣通過第一多層感知機處理后得到第一交通數據其中表示n個傳感器在t時刻的抓取的交通特征，表示第n個傳感器在t時刻的抓取的交通特征，n∈[1,n],c為經第一多層感知機處理后得到的特征維度。
8、作為本專利技術所述基于結構化感知和頻域增強時間延遲感知注意力的交通預測方法的一種優選方案，將得到的第一交通數據經過k層時空編碼模塊處理，得到預測的將來時間段的交通數據。
9、作為本專利技術所述基于結構化感知和頻域增強時間延遲感知注意力的交通預測方法的一種優選方案，k層時空編碼模塊處理中的每一層包括兩個并行的分支，第一分支為結構化感知注意力模塊，第二分支為頻域增強時間延遲感知注意力模塊；此處以第k層為例來說明每一層時空編碼模塊處理步驟：
10、首先，將輸入到第k層的交通數據xk經過公式(1)處理得到公式(1)具體表示如下：
11、
12、其中，gnn(g)為圖神經網絡模型，wq，wk和wv為可學習參數，softmax(g)為歸一化指數函數，t為矩陣轉置操作；
13、其次，將輸入到第k層的交通數據xk經過公式(2)得到隱含于交通數據的周期信息和趨勢信息xtk，公式(2)具體表示如下：
14、
15、其中，avgpool(g)為移動平均操作，padding(g)為矩陣填充操作；
16、再者，將得到的周期信號經過時間延遲感知模塊得到新的周期信號其處理過程如下所示：
17、(1)本專利技術將歷史交通數據分為一組具有代表性的短期交通模式；具體的說，用大小為s的滑動窗口對歷史交通數據進行切片，得到一組交通流序列，其表現形式為：其中每一個片段長度皆為s,np為分割的交通數據切片數；
18、(2)采用k-shape聚類算法將得到的交通流序列分為np類，即為其中pi也是一個長度為s的時間序列，i∈[1，np]為第i個分類；
19、(3)基于上述np個時間序列和np個類，我們采用式(3)對其進行整合，即：
20、
21、其中，wt1，wt2，w1，w2，為可學習參數；
22、(4)將周期信號與r相加得到新的周期信號表示
23、再者，將得到的在頻域上進行注意力處理得到其表達式如下所示：
24、
25、其中，softmax(g)為歸一化指數函數，f(g)為快速傅里葉變換，f-1(g)為快速逆傅里葉變換，wfq，wfk和wfk為可學習矩陣；
26、再者，將和xtk相加交通信號
27、再者，采用如下公式得到第k個時空編碼模塊的輸出，具體表達式如式(5)所示：
28、
29、其中mlp(g)為多層感知機，swish(g)和relu(g)為激活函數；
30、最后，通過k個時空編碼模塊的串行操作得到最終的交通信號
31、作為本專利技術所述基于結構化感知和頻域增強時間延遲感知注意力的交通預測方法的一種優選方案，實驗表明，所提出的用于智慧交通公路運行安全狀態的異常檢測方法具有優越的性能。
32、本專利技術的有益效果：本專利技術通過三維交通數據對應的矩陣及交通數據經過k層時空編碼模塊處理，提高了交通異常檢測的質量效果、實時性及穩定性，降低了錯誤率，相比較現有技術中arima,svr,lstm,astgcn,gw對交通數據集pems04、pems07、pems08進行測試，本專利技術的交通預測異常檢測方法更佳，保障了智慧交通公路運行的安全和效率。
本文檔來自技高網...【技術保護點】
1.用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，包括：
2.根據權利要求1所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，從交通數據集中讀取數據，并轉換為包含時間維度、空間維度和特征維度的三維矩陣；其中，三維矩陣為其中t為當前時間，T1為交通數據的歷史時間，表示N個傳感器在t時刻的抓取的交通特征，xt′n表示第n個傳感器在t時刻的抓取的交通特征，n∈[1,N]。
3.根據權利要求1所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，將得到的交通數據對應的三維矩陣通過第一多層感知機處理后得到第一交通數據其中表示N個傳感器在t時刻的抓取的交通特征，表示第n個傳感器在t時刻的抓取的交通特征，n∈[1,N],C為經第一多層感知機處理后得到的特征維度。
4.根據權利要求1所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，將得到的第一交通數據經過K層時空編碼模塊處理，得到預測的將來時間段的交通數據。
5.根據權利要求3所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，K層時空編碼模塊處
6.根據權利要求5所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，將得到的周期信號經過時間延遲感知模塊得到新的周期信號其處理過程如下所示：
7.根據權利要求1所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，通過上述步驟得出的交通數據，其能夠通過多種可編程控制器，再通過通訊方式時空編碼模塊進而得到交通預測方法。
8.根據權利要求1所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，該方法可應用于交通規劃、交通管理、交通工程多種領域。
9.一種裝置，包括權利要求1～8中任一所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，以及：
...【技術特征摘要】
1.用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，包括：
2.根據權利要求1所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，從交通數據集中讀取數據，并轉換為包含時間維度、空間維度和特征維度的三維矩陣；其中，三維矩陣為其中t為當前時間，t1為交通數據的歷史時間，表示n個傳感器在t時刻的抓取的交通特征，xt′n表示第n個傳感器在t時刻的抓取的交通特征，n∈[1,n]。
3.根據權利要求1所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，將得到的交通數據對應的三維矩陣通過第一多層感知機處理后得到第一交通數據其中表示n個傳感器在t時刻的抓取的交通特征，表示第n個傳感器在t時刻的抓取的交通特征，n∈[1,n],c為經第一多層感知機處理后得到的特征維度。
4.根據權利要求1所述的用于智慧交通公路運行安全狀態的異常檢測方法，其特征在于，將得到的第一交通數據經過k層時空編碼模塊處理，得到預測的將來時間段的交通數據。
...【專利技術屬性】
技術研發人員：薛欣茹，程建偉，劉念茹，沈麟楓，侯天宇，楊子龍，于俊升，
申請(專利權)人：徐州工業職業技術學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。