交通分析方法、相关设备及可读存储介质与流程

技术特征：

1.一种交通分析方法，其特征在于，所述方法包括：

根据目标路网中各检测器在第一时长内检测到的交通数据，生成第一张量，所述第一张量的空间维度的长度为所述目标路网中的s个路段，时间维度的长度为所述第一时长内的t个时间点，交通数据维度的长度为所述检测器检测的r类交通数据，s和t均为正整数，r为大于1的整数；

利用注意力机制对所述第一张量中的空间维度和交通数据维度进行融合，得到第二张量；

根据第三张量，确定所述目标路网的目标信息；

其中，所述第三张量为所述第二张量或基于所述第二张量确定；所述目标信息包括以下至少一项：交通模式、交通规律以及未来交通状态。

2.根据权利要求1所述的方法，其特征在于，所述根据目标路网中各检测器在第一时长内检测到的交通数据，生成第一张量，包括：

生成目标路网中各检测器检测的t个时间点对应的时间序列，及与所述目标路网中s个路段对应的空间序列；

拼接所述时间序列中各时间点对应的r类交通数据的值，及所述空间序列中各路段对应的r类交通数据的值，得到第一张量。

3.根据权利要求1所述的方法，其特征在于，所述利用注意力机制对所述第一张量中的空间维度和交通数据维度进行融合，得到第二张量，包括：

提取所述第一张量中空间维度和交通数据维度的区域特征，得到中间张量；

将所述中间张量输入注意力融合网络，得到所述中间张量中各区域特征的权重值；

将所述各区域特征的权重值与所述第一张量相乘，得到第二张量。

4.根据权利要求1所述的方法，其特征在于，所述利用注意力机制对所述第一张量中的空间维度和交通数据维度进行融合，得到第二张量之后，所述根据第三张量，确定所述目标路网的目标信息之前，所述方法还包括：

检测所述第二张量是否存在空缺值；

在所述第二张量存在空缺值的情况下，利用基于权值的插值法补缺所述空缺值，得到第三张量。

5.根据权利要求1所述的方法，其特征在于，在所述目标信息包括交通模式的情况下，所述根据第三张量，确定所述目标路网的目标信息，包括：

对第三张量进行张量分解，得到与时间维度对应的第一因子矩阵，与空间维度对应的第二因子矩阵，及与交通数据对应的第三因子矩阵；

根据所述第一因子矩阵、所述第二因子矩阵和所述第三因子矩阵，确定所述目标路网的交通模式。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第一因子矩阵、所述第二因子矩阵和所述第三因子矩阵，确定所述目标路网的交通模式，包括：

构造目标函数，所述目标函数用于反映第一值和第二值之间的差异，所述第一值为所述第三张量的值，所述第二值基于所述第一因子矩阵、所述第二因子矩阵和所述第三因子矩阵计算得到；

根据所述目标函数，优化所述第一因子矩阵、所述第二因子矩阵和所述第三因子矩阵；

根据优化后的第一因子矩阵、第二因子矩阵和第三因子矩阵，确定所述目标路网的交通模式。

7.根据权利要求5所述的方法，其特征在于，所述第三张量的空间维度的长度为n个路段，时间维度的长度为m个时间点，交通数据维度的长度为i类交通数据，n和m均为正整数，i为大于1的整数；

所述第一因子矩阵为m×q矩阵，所述第二因子矩阵为n×q矩阵，所述第三因子矩阵为i×q矩阵，q为正整数；

所述根据所述第一因子矩阵、所述第二因子矩阵和所述第三因子矩阵，确定所述目标路网的交通模式，包括：

根据所述第一因子矩阵、所述第二因子矩阵和所述第三因子矩阵，得到q组交通数据序列；

获取与所述q组交通数据序列对应的q个交通模式。

8.根据权利要求1所述的方法，其特征在于，所述第三张量的交通数据维度的长度为i类交通数据，i为大于1的整数；

在所述目标信息包括交通规律的情况下，所述根据第三张量，确定所述目标路网的目标信息，包括以下至少一项：

获取所述目标路网的第k类交通数据在目标时长内的平均值；

获取所述目标路网的目标空间的第k类交通数据在所述第一时长内的平均值；

其中，所述目标时长的时间单位包括以下至少一项：日；周；年；所述目标空间的空间单位包括以下至少一项：车道；路段；路网；k的取值范围为1至i。

9.根据权利要求1所述的方法，其特征在于，在所述目标信息包括未来交通状态的情况下，所述根据第三张量，确定所述目标路网的目标信息，包括：

将所述第三张量输入训练好的第一模型中，预测得到第四张量，所述第四张量用于反映所述目标路网在第二时长内的交通状态，所述第二时长为所述第一时长的下一个时长；

其中，所述第一模型预测所述第四张量时的第一隐藏状态由所述第三张量和历史隐藏状态确定，所述历史隐藏状态为所述第一模型在第三时长的隐藏状态确定，所述第三时长为所述第一时长的上一个时长；所述第一模型的隐藏状态用于确定所述第一模型的输出。

10.根据权利要求9所述的方法，其特征在于，所述将所述第三张量输入训练好的第一模型中，预测得到第四张量之前，所述方法还包括：

获取样本张量；

将所述样本张量输入未训练的第一模型，得到第五张量；

根据所述样本张量和所述第五张量，确定与所述第一模型对应的损失函数；

根据所述损失函数，调整所述第一模型的权重值，得到训练好的第一模型。

11.一种交通分析装置，其特征在于，包括：

生成模块，用于根据目标路网中各检测器在第一时长内检测到的交通数据，生成第一张量，所述第一张量的空间维度的长度为所述目标路网中的s个路段，时间维度的长度为所述第一时长内的t个时间点，交通数据维度的长度为所述检测器检测的r类交通数据，s和t均为正整数，r为大于1的整数；

融合模块，用于利用注意力机制对所述第一张量中的空间维度和交通数据维度进行融合，得到第二张量；

第一确定模块，用于根据第三张量，确定所述目标路网的目标信息；

其中，所述第三张量为所述第二张量或基于所述第二张量确定；所述目标信息包括以下至少一项：交通模式、交通规律以及未来交通状态。

12.一种电子设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；其特征在于，所述处理器，用于读取存储器中的程序实现如权利要求1至10中任一项所述的交通分析方法。

13.一种可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如权利要求1至10中任一项所述的交通分析方法。

技术总结
本申请提供一种交通分析方法、相关设备及可读存储介质，属于交通领域。方法包括：根据目标路网中各检测器在第一时长内检测到的交通数据，生成第一张量，第一张量的空间维度的长度为目标路网中的S个路段，时间维度的长度为第一时长内的T个时间点，交通数据维度的长度为检测器检测的R类交通数据，S和T均为正整数，R为大于1的整数；利用注意力机制对第一张量中的空间维度和交通数据维度进行融合，得到第二张量；根据第三张量，确定目标路网的目标信息；其中，第三张量为第二张量或基于第二张量确定；目标信息包括以下至少一项：交通模式、交通规律以及未来交通状态。本申请利用多维度交通数据进行交通分析，提高了交通分析的准确度。

技术研发人员：蒋鑫;纪雅琪;王健;童恒金;杜豫川;都州扬;潘宁;刘成龙;曾俊益;曾程;敖星冉;吴荻非
受保护的技术使用者：中移(上海)信息通信科技有限公司;中移智行网络科技有限公司;中国移动通信集团有限公司
技术研发日：2021.06.29
技术公布日：2021.08.13