本發(fā)明實(shí)施例涉及智慧交通，具體而言，涉及一種基于動(dòng)態(tài)圖像的交互挖掘處理方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代交通運(yùn)輸領(lǐng)域，交通擁堵、事故頻發(fā)等問(wèn)題日益嚴(yán)重，對(duì)高效交通管理提出了巨大挑戰(zhàn)。傳統(tǒng)的交通管理手段在分析交通狀況和預(yù)測(cè)交通事件方面存在明顯不足。一方面，僅依靠單一維度的數(shù)據(jù)難以全面評(píng)估交通監(jiān)測(cè)信息的重要性，無(wú)法準(zhǔn)確判斷交通狀況的變化趨勢(shì)。例如，僅依據(jù)區(qū)域的時(shí)空狀態(tài)信息或單個(gè)圖像內(nèi)容，無(wú)法深入挖掘交通行為背后的復(fù)雜關(guān)系。另一方面，缺乏有效整合多種交通數(shù)據(jù)進(jìn)行交通事件挖掘的方法，導(dǎo)致交通事件的預(yù)警不及時(shí)、不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)思路

1、為了至少克服現(xiàn)有技術(shù)中的上述不足，本發(fā)明實(shí)施例的目的之一在于提供一種基于動(dòng)態(tài)圖像的交互挖掘處理方法及系統(tǒng)。

2、本發(fā)明實(shí)施例提供了一種基于動(dòng)態(tài)圖像的交互挖掘處理方法，所述方法應(yīng)用于交互挖掘處理系統(tǒng)，所述方法包括：

3、響應(yīng)于目標(biāo)交通路網(wǎng)服務(wù)器的路網(wǎng)數(shù)據(jù)挖掘任務(wù)，依據(jù)所述目標(biāo)交通路網(wǎng)服務(wù)器的路網(wǎng)區(qū)域時(shí)空狀態(tài)信息和至少一個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的圖像描述向量，確定每個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像在至少兩個(gè)注意力層面的影響權(quán)重；

4、通過(guò)各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的目標(biāo)交叉軌跡關(guān)系網(wǎng)，從交通路網(wǎng)數(shù)據(jù)庫(kù)中獲取所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的目標(biāo)流量趨勢(shì)表征向量；其中，所述交通路網(wǎng)數(shù)據(jù)庫(kù)中包括至少一個(gè)軌跡關(guān)系網(wǎng)與每個(gè)軌跡關(guān)系網(wǎng)對(duì)應(yīng)的流量趨勢(shì)表征向量之間的相關(guān)性特征，軌跡關(guān)系網(wǎng)對(duì)應(yīng)的流量趨勢(shì)表征向量是事先對(duì)軌跡關(guān)系網(wǎng)對(duì)應(yīng)的交通行為數(shù)據(jù)進(jìn)行挖掘得到的；

5、依據(jù)所述目標(biāo)流量趨勢(shì)表征向量和所述各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像在多個(gè)注意力層面的影響權(quán)重，得到各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的目標(biāo)加權(quán)權(quán)重；

6、依據(jù)所述各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的目標(biāo)加權(quán)權(quán)重，對(duì)各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像進(jìn)行交通事件挖掘。

7、可選的，所述依據(jù)所述目標(biāo)流量趨勢(shì)表征向量和所述各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像在多個(gè)注意力層面的影響權(quán)重，得到各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的目標(biāo)加權(quán)權(quán)重，包括：

8、對(duì)于每個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像，依據(jù)所述動(dòng)態(tài)交通監(jiān)測(cè)圖像對(duì)應(yīng)的各個(gè)注意力層面的影響權(quán)重以及各個(gè)注意力層面的影響權(quán)重所對(duì)應(yīng)的特征值，對(duì)原始特征矩陣中各個(gè)特征值進(jìn)行更新，得到目標(biāo)特征矩陣；

9、依據(jù)所述目標(biāo)流量趨勢(shì)表征向量和所述目標(biāo)特征矩陣，實(shí)施對(duì)各個(gè)注意力層面的影響權(quán)重的交叉加權(quán)，得到所述動(dòng)態(tài)交通監(jiān)測(cè)圖像的目標(biāo)加權(quán)權(quán)重。

10、可選的，所述路網(wǎng)數(shù)據(jù)挖掘任務(wù)屬于當(dāng)前激活的至少兩個(gè)交通運(yùn)維項(xiàng)目中的目標(biāo)交通運(yùn)維項(xiàng)目；

11、所述原始特征矩陣的獲取方式，包括：

12、依據(jù)所述路網(wǎng)數(shù)據(jù)挖掘任務(wù)所屬的目標(biāo)交通運(yùn)維項(xiàng)目，從各個(gè)交通運(yùn)維項(xiàng)目與原始特征矩陣之間的映射列表中，獲取所述目標(biāo)交通運(yùn)維項(xiàng)目所對(duì)應(yīng)的原始特征矩陣；

13、其中，每個(gè)交通運(yùn)維項(xiàng)目對(duì)應(yīng)各自的原始特征矩陣，原始特征矩陣包括與目標(biāo)交通運(yùn)維項(xiàng)目所對(duì)應(yīng)的交叉軌跡關(guān)系網(wǎng)中的各個(gè)特征值及特征值的默認(rèn)參數(shù)。

14、可選的，所述目標(biāo)交叉軌跡關(guān)系網(wǎng)表征預(yù)設(shè)置的至少兩個(gè)特征值之間的交叉加權(quán)規(guī)則；所述依據(jù)所述目標(biāo)交通路網(wǎng)服務(wù)器的路網(wǎng)區(qū)域時(shí)空狀態(tài)信息和至少一個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的圖像描述向量，確定每個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像在至少兩個(gè)注意力層面的影響權(quán)重之后，所述方法還包括：

15、對(duì)于每個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像，獲取所述動(dòng)態(tài)交通監(jiān)測(cè)圖像對(duì)應(yīng)的目標(biāo)交叉軌跡關(guān)系網(wǎng)；

16、依據(jù)所述動(dòng)態(tài)交通監(jiān)測(cè)圖像的各個(gè)注意力層面的影響權(quán)重與所述目標(biāo)交叉軌跡關(guān)系網(wǎng)中各個(gè)特征值之間的映射列表，將所述動(dòng)態(tài)交通監(jiān)測(cè)圖像對(duì)應(yīng)的目標(biāo)交叉軌跡關(guān)系網(wǎng)、以及各個(gè)特征值與各個(gè)注意力層面的影響權(quán)重進(jìn)行整合，每個(gè)特征值關(guān)聯(lián)對(duì)應(yīng)一個(gè)注意力層面的影響權(quán)重。

17、可選的，所述通過(guò)各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的目標(biāo)交叉軌跡關(guān)系網(wǎng)，從交通路網(wǎng)數(shù)據(jù)庫(kù)中獲取所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的目標(biāo)流量趨勢(shì)表征向量，包括：

18、依據(jù)所述目標(biāo)交叉軌跡關(guān)系網(wǎng)，在所述交通路網(wǎng)數(shù)據(jù)庫(kù)中游走與所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的流量趨勢(shì)表征向量；

19、如果所述交通路網(wǎng)數(shù)據(jù)庫(kù)中包括與所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的目標(biāo)流量趨勢(shì)表征向量，獲取所述交通路網(wǎng)數(shù)據(jù)庫(kù)中所包括的目標(biāo)流量趨勢(shì)表征向量；

20、如果所述交通路網(wǎng)數(shù)據(jù)庫(kù)中不包括與所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的流量趨勢(shì)表征向量，將所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的交通行為數(shù)據(jù)挖掘?yàn)樗瞿繕?biāo)流量趨勢(shì)表征向量，并將所述目標(biāo)交叉軌跡關(guān)系網(wǎng)與所述目標(biāo)流量趨勢(shì)表征向量之間的相關(guān)性特征緩存到所述交通路網(wǎng)數(shù)據(jù)庫(kù)中。

21、可選的，所述目標(biāo)流量趨勢(shì)表征向量的生成方式，包括：

22、通過(guò)時(shí)空?qǐng)D神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)交叉軌跡關(guān)系網(wǎng)進(jìn)行處理，得到所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的交通行為數(shù)據(jù)；

23、對(duì)所述交通行為數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，得到所述交通行為數(shù)據(jù)對(duì)應(yīng)的行為要素鏈，并依據(jù)所述交通行為數(shù)據(jù)對(duì)應(yīng)的行為要素鏈分析各個(gè)流量節(jié)點(diǎn)和各個(gè)特征值之間推演描述，生成所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的目標(biāo)流量趨勢(shì)表征向量。

24、可選的，所述將所述目標(biāo)交叉軌跡關(guān)系網(wǎng)與所述目標(biāo)流量趨勢(shì)表征向量之間的相關(guān)性特征緩存到所述交通路網(wǎng)數(shù)據(jù)庫(kù)中，包括：

25、如果所述交通路網(wǎng)數(shù)據(jù)庫(kù)對(duì)應(yīng)的流量趨勢(shì)表征向量總數(shù)大于第一設(shè)定值，獲取所述交通路網(wǎng)數(shù)據(jù)庫(kù)中各個(gè)流量趨勢(shì)表征向量在目標(biāo)周期內(nèi)的噪聲系數(shù)，清洗噪聲系數(shù)符合目標(biāo)要求的流量趨勢(shì)表征向量，并將目標(biāo)流量趨勢(shì)表征向量與目標(biāo)交叉軌跡關(guān)系網(wǎng)之間的相關(guān)性特征緩存到所述交通路網(wǎng)數(shù)據(jù)庫(kù)中；

26、如果所述交通路網(wǎng)數(shù)據(jù)庫(kù)對(duì)應(yīng)的流量趨勢(shì)表征向量總數(shù)不大于第一設(shè)定值，將目標(biāo)流量趨勢(shì)表征向量與目標(biāo)交叉軌跡關(guān)系網(wǎng)之間的相關(guān)性特征緩存到所述交通路網(wǎng)數(shù)據(jù)庫(kù)中。

27、可選的，所述方法還包括：

28、如果所述交通路網(wǎng)數(shù)據(jù)庫(kù)對(duì)應(yīng)的流量趨勢(shì)表征向量總數(shù)大于第一設(shè)定值，確定預(yù)設(shè)周期內(nèi)對(duì)所述交通路網(wǎng)數(shù)據(jù)庫(kù)中流量趨勢(shì)表征向量進(jìn)行清洗處理的步長(zhǎng)信息；

29、如果所述步長(zhǎng)信息符合優(yōu)化要求，下發(fā)流量趨勢(shì)更新報(bào)告。

30、可選的，所述路網(wǎng)數(shù)據(jù)挖掘任務(wù)屬于當(dāng)前激活的至少兩個(gè)交通運(yùn)維項(xiàng)目中的目標(biāo)交通運(yùn)維項(xiàng)目；所述交通路網(wǎng)數(shù)據(jù)庫(kù)還包括所述目標(biāo)交通運(yùn)維項(xiàng)目所對(duì)應(yīng)的各個(gè)流量趨勢(shì)表征向量的當(dāng)前擁堵趨勢(shì)，所述當(dāng)前擁堵趨勢(shì)用于表征是否被所述目標(biāo)交通運(yùn)維項(xiàng)目中任一任務(wù)跟蹤；

31、所述通過(guò)各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的目標(biāo)交叉軌跡關(guān)系網(wǎng)，從交通路網(wǎng)數(shù)據(jù)庫(kù)中獲取所述目標(biāo)交叉軌跡關(guān)系網(wǎng)對(duì)應(yīng)的目標(biāo)流量趨勢(shì)表征向量之后，所述方法還包括：將所述目標(biāo)流量趨勢(shì)表征向量的當(dāng)前擁堵趨勢(shì)注釋為跟蹤標(biāo)簽；

32、所述依據(jù)所述目標(biāo)流量趨勢(shì)表征向量和所述各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像在多個(gè)注意力層面的影響權(quán)重，得到各個(gè)動(dòng)態(tài)交通監(jiān)測(cè)圖像的目標(biāo)加權(quán)權(quán)重之后，所述方法還包括：將所述目標(biāo)流量趨勢(shì)表征向量的當(dāng)前擁堵趨勢(shì)注釋為待跟蹤標(biāo)簽。

33、本發(fā)明實(shí)施例還提供了一種交互挖掘處理系統(tǒng)，包括處理器以及與所述處理器連接的存儲(chǔ)器和總線(xiàn)；其中，所述處理器和所述存儲(chǔ)器通過(guò)所述總線(xiàn)完成相互間的通信；所述處理器用于調(diào)用所述存儲(chǔ)器中的程序指令，以執(zhí)行上述的基于動(dòng)態(tài)圖像的交互挖掘處理方法。

34、本發(fā)明實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的基于動(dòng)態(tài)圖像的交互挖掘處理方法。

35、本發(fā)明實(shí)施例通過(guò)結(jié)合目標(biāo)交通路網(wǎng)服務(wù)器的路網(wǎng)區(qū)域時(shí)空狀態(tài)信息和動(dòng)態(tài)交通監(jiān)測(cè)圖像的圖像描述向量確定影響權(quán)重，能夠全面且多層次地評(píng)估動(dòng)態(tài)交通監(jiān)測(cè)圖像的重要性。從交通路網(wǎng)數(shù)據(jù)庫(kù)獲取基于目標(biāo)交叉軌跡關(guān)系網(wǎng)的目標(biāo)流量趨勢(shì)表征向量，利用了預(yù)先挖掘的軌跡關(guān)系網(wǎng)與流量趨勢(shì)表征向量的相關(guān)性特征，使交通狀況的分析更具依據(jù)。綜合二者得到目標(biāo)加權(quán)權(quán)重并用于交通事件挖掘，提高了交通事件挖掘的準(zhǔn)確性。這有助于更精準(zhǔn)地掌握交通狀況，提前預(yù)警交通事件，優(yōu)化交通管理，減少交通擁堵，提升交通運(yùn)輸效率并增強(qiáng)交通安全保障。