基于时空图网络的多闸口阻塞预测与通行控制方法及系统与流程
本发明涉及智能交通管理与停车场管理领域,具体涉及一种基于多闸口阻塞等级联合预测与通行控制方法及系统。
背景技术:
1、目前,停车场普遍采用道闸控制设备对进出场车辆进行管理,其中对存在未支付停车费用的欠费车辆进行拦截,是停车场收费闭环中的重要环节。现有欠费拦截方式通常基于车场管理平台的静态配置实现,即通过对车辆的欠费金额、欠费订单数量等欠费数据进行预设,当车辆经过闸口时,由前端设备识别车牌信息并与欠费名单进行比对,在判断车辆满足欠费条件时触发拦截操作。上述方式虽然能够实现基本的欠费控制,但完全依赖人工维护的静态配置,无法适配所有现场通行环境,也难以兼顾通行效率与拦截效果。
2、针对上述问题,已有改进方案提出基于闸口实时通行状态动态调整拦截策略。例如,中国发明专利cn121708666a公开了一种车辆拦截方法,通过获取目标闸口的环境感知数据,基于环境感知数据确定目标闸口的阻塞等级,并在识别到欠费车辆时基于预设的欠费规则与所述阻塞等级判断是否拦截欠费车辆。该方案使欠费车辆的拦截判断能够结合实时通行状态进行动态调整,从而避免在车流高峰或拥堵时触发不必要的拦截操作,在保障通行效率与追缴效率之间获得更优的平衡。
3、然而,上述现有方案仍存在以下不足:
4、第一,阻塞等级判断滞后于实际通行状态变化。
5、现有方案仅基于当前时刻的环境感知数据确定闸口阻塞等级,决策过程仅依赖当前时刻的瞬时数据,属于被动反应式决策。在实际运营中,闸口的通行状态可能在短时间内发生显著变化,尤其是早晚高峰时段,车流状态变化迅速。当欠费车辆从远处驶向闸口的过程中,当前时刻确定的阻塞等级可能已经无法准确反映车辆到达闸口时的真实通行状态,导致拦截决策与实际通行情况不匹配,影响通行效率或欠费追缴效果。虽然已有研究将时序预测技术应用于交通流预测领域,但现有方案均未涉及时序预测与欠费车辆拦截决策的结合,更未涉及针对欠费车辆到达时刻的定点预测。
6、第二,单闸口独立决策导致视角局限,忽略多闸口空间关联性。
7、现有方案通常针对单一闸口进行独立决策,未能考虑停车场内多个闸口之间的空间关联性。在实际场景中,大型停车场通常设有多个出口闸口,各闸口之间的通行状态存在相互影响,某一闸口的拥堵可能导致车流向相邻闸口分流,形成拥堵的连锁传导效应。虽然已有方案涉及多道闸的停车场管理或基于停车道闸通信信息共享的智慧停车管理,但其主要聚焦于入场车辆的路径分配或停车区域饱和度管理,未涉及基于多闸口空间关联关系的阻塞等级预测,更未涉及将多闸口联合预测结果用于欠费车辆的拦截决策。现有方案缺乏对多闸口空间依赖关系的建模,导致对整体通行状态的把握不全面,进而影响拦截决策的准确性和全局最优性。
8、综上所述,如何在兼顾多闸口空间关联关系的前提下,实现对闸口未来通行状态的前瞻性预判,并将其应用于欠费车辆的拦截决策中,以提升拦截决策的准确性和全局最优性,成为了本领域亟待解决的技术问题。
技术实现思路
1、本发明的目的在于提供一种基于时空图网络的多闸口阻塞等级联合预测方法、车辆通行控制方法及系统,具有能够前瞻性预测目标时刻的多闸口阻塞等级,通过时空图神经网络同时捕获时序变化特征和空间关联特征,能够提升预测准确性,为车辆通行控制提供可靠依据。
2、第一方面,本发明提供了基于时空图网络的多闸口阻塞等级联合预测方法,技术方案如下:
3、获取目标区域中多个闸口在历史时段内的阻塞等级时序数据;
4、基于所述多个闸口在所述目标区域内的空间位置关系与通行连接关系,构建空间拓扑图;所述空间拓扑图以各闸口为图节点、以闸口之间的通行通道为图边;所述图边具有权重,所述权重根据闸口之间的路径距离、平均通行时间及通行方向约束中的至少一种确定;
5、将各闸口的阻塞等级时序数据作为对应图节点的时序特征、所述空间拓扑图作为图结构信息,输入预设的时空图神经网络模型,通过所述时空图神经网络模型联合预测各闸口在目标时刻的预判阻塞等级;
6、其中,所述时空图神经网络模型包括时间卷积模块和图卷积模块,所述时间卷积模块用于对各闸口的阻塞等级时序数据分别进行时序卷积以提取时序变化特征,所述图卷积模块用于基于所述空间拓扑图的邻接矩阵对各闸口的时序变化特征进行图卷积运算以捕获不同闸口之间的空间关联特征。
7、第二方面,本发明提供了一种基于多闸口阻塞等级联合预测的车辆通行控制方法,所述方法包括:
8、采用如上所述的基于时空图网络的多闸口阻塞等级联合预测方法,预测目标区域中多个闸口在目标车辆预计到达时刻的预判阻塞等级;
9、基于所述目标车辆的当前位置与行驶状态信息,预测所述目标车辆选择各闸口的概率分布;
10、基于所述概率分布从所述多个闸口中确定目标闸口;
11、基于所述目标闸口的预判阻塞等级,生成针对所述目标车辆的通行控制指令。
12、第三方面,本发明还提供了多闸口阻塞等级联合预测系统,包括:
13、存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述方法的步骤。
14、第四方面,本发明还提供了车辆通行控制系统,包括:
15、存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述方法的步骤。
16、由上可知,本发明提供的一种基于时空图网络的多闸口阻塞等级联合预测方法、车辆通行控制方法及系统,通过构建空间拓扑图并采用时空图神经网络联合预测多闸口阻塞等级,实现对未来通行状态的准确预判,具有能够前瞻性预测目标时刻的多闸口阻塞等级,通过时空图神经网络同时捕获时序变化特征和空间关联特征,能够提升预测准确性,为车辆通行控制提供可靠依据。
17、具体的,本发明相对于现有技术至少具有以下有益效果:
18、(1)本发明通过获取多个闸口的阻塞等级时序数据,构建以闸口为节点、通行通道为边并分配权重的空间拓扑图,将时序数据作为节点特征、拓扑图作为图结构信息输入时空图神经网络模型,利用时间卷积模块提取各闸口阻塞等级随时间的演进趋势,利用图卷积模块基于邻接矩阵在各闸口间传递信息并捕获相邻闸口间的拥堵传导效应。相比于现有技术仅基于单个闸口当前时刻环境感知数据进行独立决策的方案,本技术实现了多闸口联合预测,使各闸口的预测结果能够互相校正,有利于解决单闸口独立决策视角局限的问题,能够提升了阻塞等级预测的准确性和全局性。
19、(2)本发明通过获取多个闸口在历史时段内的阻塞等级时序数据,利用时空图神经网络模型对通行状态随时间的演进趋势进行建模,并采用多步递推方式预测目标时刻的阻塞等级。相比于现有技术仅依赖当前时刻环境感知数据进行决策的方案,本发明实现未来时刻阻塞等级的预测,使拦截决策具有前瞻性,有利于解决因车辆从远处驶向闸口过程中通行状态已发生变化而导致的决策滞后问题。
20、进一步地,本发明将预测的目标时刻锚定于待通行车辆预计到达出口闸口的时刻,使预测结果与具体车辆的运动状态相关联,预测的时间粒度更加精准,避免了固定时点预测与实际通行需求脱节的问题。
21、(3)本发明获取入口流量、气象数据、事件数据、历史同期统计数据中的至少两种多源条件数据,通过全连接层编码为条件嵌入向量并拼接为综合条件向量,再通过交叉注意力机制以中间层输出特征为查询、综合条件向量为键和值进行融合,并采用残差连接和层归一化输出条件增强的时空融合特征。交叉注意力机制使模型能够自适应地学习不同闸口对不同条件因素的差异化关注程度,使模型能够对突发性的通行状态变化(如突降暴雨、入口流量陡增)做出更精准的预判。
22、(4)本发明在图卷积运算中引入闸口间拥堵传播系数矩阵,该矩阵的元素基于各闸口阻塞等级变化时间序列之间的格兰杰因果检验结果确定,和/或基于闸口间的路径距离与历史车流分流比例确定,以量化一闸口阻塞等级变化对另一闸口的传导影响强度。相比于现有图卷积方案仅依赖空间距离或连通关系定义节点关联度,本发明从统计因果性和实际车流行为两个维度对拥堵传导效应进行显式量化建模,使图卷积运算能够更加准确地反映闸口间阻塞的实际传播规律,进一步提升了多闸口联合预测的精度。
23、(5)本发明基于目标车辆的历史闸口选择记录构建先验概率,并利用实时行驶方向计算方向相似度进行动态修正,得到修正后的闸口选择概率分布;同时将概率超过预设阈值的其他闸口确定为候选闸口。该方案兼顾了个性化偏好与实时行为,使闸口选择预测更加精准,并为多闸口协同提供了数据基础。
24、特别是,本发明构建包含追缴收益、拥堵成本和绕行成本的归一化加权多目标优化函数,将优化函数值最大的闸口确定为目标闸口。该方案将拦截决策从单一维度的“能否拦截”提升为多目标综合最优的“在哪拦截最优”,使停车场管理者能够根据运营策略灵活配置权重系数,兼顾追缴效果、通行效率和用户体验。
25、(6)本发明在判断拦截后,向目标闸口下发拦截指令,并向候选闸口同步下发拦截预备指令,使候选闸口保持正常通行但处于监控待命状态。通过持续监测车辆行驶方向,当检测到方向相似度下降至预设切换阈值以下且与任一候选闸口的方向相似度上升至该阈值以上时,判定车辆改变目标闸口,随即升级拦截预备指令为拦截指令、撤销原拦截指令,并基于新目标闸口的预判阻塞等级重新验证拦截决策的合理性,相比于在全部候选闸口预先关闭的方案,在防止欠费车辆利用闸口切换逃逸的同时最小化了正常通行效率的损失;动态调整和重新验证机制进一步保障了决策的灵活性和合理性。
26、(7)本发明采用边缘-云协同架构,在边缘端部署经知识蒸馏压缩的轻量级模型以实现低延迟实时推理,在云端部署全量模型进行训练与更新。轻量级模型通过减少时序卷积模块的通道数、减少注意力头数及8-bit量化进行压缩,大幅降低计算复杂度。云端更新时,以全量模型为教师、轻量级模型为学生,基于包含交叉熵损失和kl散度损失的蒸馏损失函数进行知识蒸馏,在压缩的同时最大限度保留预测精度。边缘端持续监测模型精度,当精度连续低于阈值时触发云端增量训练,增量训练采用渐进式解冻策略以避免灾难性遗忘。模型下发后边缘端并行运行新旧版本,在过渡周期内比较精度,当新版本精度低于旧版本且差距超过预设回滚阈值时自动回滚。
27、(8)本发明在输出预判阻塞等级的同时输出预测置信度,当置信度低于预设阈值时降级采用当前时刻的阻塞等级进行决策,并生成模型预警信息;当预警信息累积超过预设触发阈值时自动触发模型的增量更新流程,使系统在预测可靠性不足时自动回退到安全策略,保障了决策的鲁棒性,同时通过预警累积触发更新形成了反馈闭环,使模型能够及时发现并适应数据分布的变化。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com