交通知识图谱构建方法、装置、电子设备及存储介质与流程

1.本技术涉及大数据挖掘技术，尤其涉及一种交通知识图谱构建方法、装置、电子设备及存储介质。


背景技术：

2.交通是一个涉及“人、车、路、环境、信息”的复杂系统，传统的交通工程理论，采用数学建模的方法来描述交通流的运行规律，难以全面、准确地反映交通系统中各个实体之间的复杂关系，更难以挖掘交通拥堵等问题背后的深层原因。


技术实现要素：

3.有鉴于此，本技术提供一种交通知识图谱构建方法、装置、电子设备及存储介质。
4.具体地，本技术是通过如下技术方案实现的：
5.根据本技术实施例的第一方面，提供一种交通知识图谱构建方法，包括：
6.获取交通基础信息，所述交通基础信息包括高精地图数据、交通态势数据以及信号配时数据；
7.依据所述交通基础信息进行实体提取，并生成关联实体之间的关系；其中，所提取的实体包括路网相关实体、交通流相关实体以及交通控制相关实体；
8.依据所提取的实体，以及所述关联实体之间的关系，构建交通知识图谱。
9.根据本技术实施例的第二方面，提供一种交通知识图谱构建装置，包括：
10.获取单元，用于获取交通基础信息，所述交通基础信息包括高精地图数据、交通态势数据以及信号配时数据；
11.提取单元，用于依据所述交通基础信息进行实体提取；其中，所提取的实体包括路网相关实体、交通流相关实体以及交通控制相关实体；
12.生成单元，用于生成关联实体之间的关系；
13.构建单元，用于依据所提取的实体，以及所述关联实体之间的关系，构建交通知识图谱。
14.根据本技术实施例的第三方面，提供一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现第一方面提供的方法。
15.根据本技术实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现第一方面提供的方法。
16.本技术实施例的交通知识图谱构建方法，通过获取交通基础信息，依据获取到的交通基础信息进行实体提取，并生成关联实体之间的关系，进而，依据所提取的实体，以及所生成的关联实体之间的关系，构建交通知识图谱，实现了交通知识图谱的自动构建，降低了图谱构建的工作量；此外，在传统路网实体的基础上，额外引入交通流实体以及交通控制
实体，使构建得到的交通知识图谱更加符合交通业务实际应用场景，提升了交通知识图谱的实用性。
附图说明
17.图1是本技术一示例性实施例示出的一种交通知识图谱构建方法的流程示意图；
18.图2是本技术一示例性实施例示出的一种基于高精地图的动态交通知识图谱构建方法的流程示意图；
19.图3是本技术一示例性实施例示出的一种应用场景的示意图；
20.图4是本技术一示例性实施例示出的一种应用场景的示意图；
21.图5是本技术一示例性实施例示出的图4所示应用场景下的交通知识图谱的示意图；
22.图6a～6c是本技术一示例性实施例示出一种路口信息查询的示意图；
23.图7是本技术一示例性实施例示出的一种交通知识图谱构建装置的结构示意图；
24.图8是本技术一示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
25.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
26.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
27.为了使本领域技术人员更好地理解本技术实施例提供的技术方案，下面先对本技术实施例涉及的部分技术术语进行简单说明。
28.1、图：指图模型，图模型中有节点与边，节点代表实体，边代表实体间的关系。
29.2、图挖掘：指利用图模型从海量数据中发现和提取有用知识和信息的过程。
30.3、知识图谱：一种以网络结构形式可视化展现客观世界中的实体(概念、人、事物)及其之间关系的知识库，是一种反映客观世界的语义网络，由节点(point)和边(edge)组成。
31.4、实体：知识图谱中的每个节点表示一个“实体”。
32.5、属性：描述实体的相关概念，如：人的属性：性别，年龄，职业等。
33.6、关系：每条边为实体与实体之间的“关系”。
34.为了使本技术实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本技术实施例中技术方案作进一步详细的说明。
35.请参见图1，为本技术实施例提供的一种交通知识图谱构建方法的流程示意图，如图1所示，该交通知识图谱构建方法可以包括以下步骤：
36.步骤s100、获取交通基础信息，该交通基础信息包括高精地图数据、交通态势数据以及信号配时数据。
37.本技术实施例中，为了实现交通知识图谱自动构建，可以获取用于知识图谱构建的基础信息(可以称为交通基础信息)。
38.示例性的，交通基础信息可以包括但不限于高精地图数据、交通态势数据以及信号配时数据。
39.需要说明的是，在本技术实施例中，高精地图指的是至少精确到车道级的地图，即可以从地图中提取到车道信息。
40.示例性的，高精地图数据可以包括但不限于路口、路段、车道、人行道、公交站、poi(point of interest，兴趣点)等信息。
41.示例性的，交通态势数据和信号配时数据可以通过分析实时检测数据的方式获取，例如，监控前端的视频数据、浮动车(安装了车载定位装置并行驶在城市主干道上的特定车辆)的检测数据、信号机数据等。
42.示例性的，交通态势数据可以包括但不限于车道流量(可以称为车流量)、人行道流量(可以称为人流量)、排队数量(如车道上排队车辆的数量)、速度等信息。
43.示例性的，信号配时数据可以包括但不限于各相位的绿灯开始、结束时间、黄灯时间、全红时间等信息。
44.步骤s110、依据获取到的交通基础信息进行实体提取，并生成关联实体之间的关系；其中，所提取的实体包括路网实体、交通流实体以及交通控制实体。
45.本技术实施例中，可以依据步骤s110中获取到的交通基础信息进行实体提取，得到用于构建交通知识图谱的实体，及实体的属性。
46.示例性的，从交通基础信息中进行实体提取得到的实体可以包括但不限于路网实体、交通流实体以及交通控制实体。
47.示例性的，路网实体可以包括但不限于路口、路段、车道、人行道、公交站以及兴趣点等路网节点中的部分或全部。
48.示例性的，交通流实体可以指与交通流关联的实体，其可以包括但不限于交通流向(简称流向)。
49.示例性的，交通控制实体可以指与交通控制关联的实体，其可以包括但不限于信号相位。
50.本技术实施例中，对于提取得到的实体，可以依据实体之间的关联，生成存在关联关系的实体(可以称为关联实体)之间的关系。
51.例如，路段与路口、路段与路段以及车道与路段之间均可以存在连接关系。流向与流向之间可以存在冲突关系。
52.步骤s120、依据所提取的实体，以及所生成的关联实体之间的关系，构建交通知识图谱。
53.本技术实施例中，在按照上述方式进行了实体提取，以及关联实体之间的关系生成的情况下，可以依据所提取的实体，以及所生成的关联实体之间的关系，构建交通知识图谱。
54.示例性的，所提取的实体可以作为交通知识图谱中的点，关联实体之间的关系可以作为对应的点之间的边。
55.可见，在图1所示方法流程中，通过获取交通基础信息，依据获取到的交通基础信
息进行实体提取，并生成关联实体之间的关系，进而，依据所提取的实体，以及所生成的关联实体之间的关系，构建交通知识图谱，实现了交通知识图谱的自动构建，降低了图谱构建的工作量；此外，在传统路网实体的基础上，额外引入交通流实体以及交通控制实体，使构建得到的交通知识图谱更加符合交通业务实际应用场景，提升了交通知识图谱的实用性。
56.在一些实施例中，步骤s110中，依据交通基础信息进行实体提取，可以包括：
57.从高精地图数据中提取路网实体及其属性信息；
58.从高精地图数据，以及交通态势数据中提取交通流实体及其属性信息；
59.从信号配时数据中提取交通控制实体及其属性信息。
60.示例性的，对于步骤s100中获取到的交通基础信息，可以从高精地图数据中提取路网实体及其属性信息。
61.例如，对于路口，其属性信息可以包括但不限于路口编号、路口类型(如三岔口、四岔口等)、经纬度、是否受控(如路口是否存在信号灯)、饱和度、服务水平(如路口拥挤程度)、交通流量等信息中的部分或全部。
62.对于路段，其属性信息可以包括但不限于路段编号、路段类型、路段方向、路段长度、路段流量、路段排队等信息中的部分或全部。
63.示例性的，可以从高精地图数据，以及交通态势数据中提取交通流实体及其属性信息。
64.例如，以交通流实体为流向为例，其属性信息可以包括但不限于流向编号、流向类型、流量、排队等信息中的部分或全部。
65.示例性的，可以从信号配时数据中提取交通控制实体及其属性信息。
66.例如，以交通控制实体为信号相位为例，其属性信息可以包括但不限于相位编号、绿灯开始时间、绿灯结束时间、黄灯时间、全红时间等信息中的部分或全部。
67.在一些实施例中，步骤s110中，生成关联实体之间的关系，可以包括：
68.依据高精地图数据，以及预设转向判定规则和预设冲突判定规则，生成关联实体之间的关系。
69.示例性的，对于所提取的实体中存在关联的实体(即上述关联实体)，可以依据高精地图数据，以及预设转向判定规则和预设冲突判定规则，生成关联实体之间的关系。
70.示例性的，预设转向判定规则用于指示不同走向的车道或路段之间的转向关系，可以用于辅助确定车道与路段之间的连接关系。
71.示例性的，预设冲突判定规则可以用于指示不同流向之间的冲突关系，可以用于辅助确定流向与流向之间的冲突关系。
72.例如，对于路段与路段之间的连接关系，路段与路口之间的连接关系等关联实体之间的关系可以从高精地图数据中提取。
73.对于车道与路段之间的连接关系，可以依据高精地图数据以及预设转向判定规则确定。
74.对于流向之间的冲突关系，可以依据预设冲突判定规则确定。
75.在一些实施例中，步骤s120中，依据所提取的实体，以及所生成的关联实体之间的关系，构建交通知识图谱，可以包括：
76.依据所提取的实体，以及所生成的关联实体之间的关系，生成构图语句；
77.执行所生成的构图语句，并将得到的数据存入图数据库。
78.示例性的，在按照上述方式提取到了实体，并生成了关联实体之间的情况下，可以依据所提取的实体，以及所生成的关联实体之间的关系，生成构图语句。
79.例如，可以依据所提取的实体，以及所生成的关联实体之间的关系，利用gremlin(一种图遍语言，用于根据指定条件查询图数据)等语法生成构图语句。
80.示例性的，在按照上述方式生成了构图语句的情况下，可以执行所生成的构图语句，得到交通知识图谱数据，并将得到的数据存入图数据库，如存入janusgraph(一种开源图数据库，用于存储和分析图数据)数据库。
81.在一些实施例中，上述构建交通知识图谱之后，还可以包括：
82.周期性地对交通知识图谱的动态属性进行更新。
83.示例性的，本技术实施例中构建的交通知识图谱中，在原有静态路网信息的基础上增加了动态属性，将时空的因素结合在了一张图上，提升了基于图谱分析问题的时效性。
84.示例性的，动态属性可以包括但不限于行人流量、车流量、排队数量以及信号配时方案中的部分或全部。
85.相应地，对于按照上述实施例中描述的方式构建的交通知识图谱，为了保证交通知识图谱的动态属性的准确性，可以周期性地对交通知识图谱的动态属性进行更新。
86.例如，可以周期性地统计指定人行道的人流量，并依据统计得到的人流量更新交通知识图谱中对应人行道的人流量。
87.为了使本领域技术人员更好地理解本技术实施例提供的技术方案，下面结合具体实例对本技术实施例提供的技术方案进行说明。
88.在该实施例中，通过解析高精地图数据，提取路口、路段、车道、人行道、公交站，poi、流向、相位等实体及静态属性；通过分析实时检测数据(视频、浮动车、信号机)提取流量、排队、配时方案等动态属性；此外，基于专家经验定义了各实体之间的关联关系，最终形成了包含8类实体，12类关系的交通知识图谱。该图谱可应用于交通信息查询、交通问题诊断、出行路径规划等众多领域。
89.参见图2，为该实施例中的基于高精地图的动态交通知识图谱构建方法的流程示意图，如图2所示，该基于高精地图的动态交通知识图谱构建方法可以包括以下步骤：
90.步骤s200、读取高精地图数据、交通态势数据以及信号配时数据。
91.示例性的，高精地图数据可以包括路口、路段、车道、人行道、公交站、poi(兴趣点)等信息；交通态势数据可以包括车道流量、排队、速度等信息；信号配时数据可以包括各相位的绿灯开始、结束时间、黄灯时间、全红时间等信息。
92.步骤s210、提取物理实体、概念实体，生成实体之间的关系。
93.示例性的，依据步骤s200中提取的交通基础信息，可以通过算法提取物理实体、概念实体并生成实体之间的关系。
94.需要说明的是，在该实施例中，可以将路网实体称为物理实体，交通流实体以及交通控制实体称为概念实体。
95.示例性的，相关实体可以如表1所示，实体之间的关系可以如表2所示。
96.表1
[0097][0098]
表2
[0099][0100]
示例性的，可以从高精地图数据中抽取物理实体及属性，如：路口、路段、车道等。对于流向概念实体，可以遍历车道实体列表，根据车道转向归类出对应的流向及属性。对于相位概念实体，从信号配时数据中可获取每个相位的信息。
[0101]
需要说明的是，对于混行车道，该车道的流量可以均分到该车道的各个流向，且该车道的各个流向的排队可以均取该车道的最大排队值。
[0102]
示例性的，车道的最大排队值为预设统计周期内该车道的最大排队车辆数。
[0103]
示例性的，在生成实体之间的关系时，部分实体之间的关系可以从高精地图数据
中抽取。
[0104]
例如，路段_连接_路段、路口_包含_人行道、路段_连接_路口、路段_包含_车道、路段_包含_流向、路段_相邻_兴趣点、路段_位阶差_路段、车道_属于_流向、车道_包含_公交站、流向_属于_相位等。
[0105]
对于车道_连接_路段以及流向_冲突_流向可以结合预设转向判定规则和预设冲突判定规则确定。
[0106]
示例性的，预设转向判定规则可以如表3所示，预设冲突判定规则可以如表4所示。
[0107]
表3
[0108][0109]
表4
[0110][0111][0112]
其中，
“×”
为交叉冲突，例如，一辆车从西往东，一辆车从南往北，该两辆车会存在交叉冲突；
“△”
为合流冲突，例如，右转的流向与直行的流向会存在合流冲突。
[0113]
举例来说，以图3所示场景为例，进口车道a的方向是西向东，出口路段b的方向是南向北，根据转向判定矩阵可知车道a连接路段b的转向为左转。流向a是西进口左转，流向b是东进口直行，根据冲突判定矩阵可知流向a与流向b之间存在交叉冲突。
[0114]
步骤s220、依据所提取的实体，以及所生成的实体之间的关系，生成构图语句，并将执行构图语句得到的数据存入图数据库。
[0115]
示例性的，依据按照上述方式得到的实体以及实体之间的关系，可以通过gremlin等语法生成构图语句，并将执行构图语句得到的数据存入janusgraph等图数据库。
[0116]
步骤s230、周期性更新所构建的交通知识图谱的动态数据。
[0117]
示例性的，可以设置每隔固定周期(如5分钟)，对所构建的交通知识图谱的动态属性进行更新。
[0118]
举例来说，对于图4所示应用场景，其按照上述实施例中描述的方式构建得到的交通知识图谱可以如图5所示。
[0119]
示例性的，图5所示交通知识图谱，可以用于路口信息查询、路口交通问题诊断等诸多领域。
[0120]
以路口信息查询为例，假设需要查询与路段a-1左转流向同相位控制的其他车道，则可以先查询路段a-1包含的流向，并筛选出路段a-1的左转流向(即流向a-1-2)，其示意图可以如图6a所示。
[0121]
在查询得到流向a-1-2的情况下，可以获取流向a-1-2受控的相位，即相位a-1-1，并获取到相位a-1-1关联的另一流向，即流向a-1-1，其示意图可以如图6b所示。
[0122]
在查询得到流向a-1-1的情况下，可以获取流向a-1-1关联的另一车道，即车道a-1-1，其示意图可以如图6c所示。
[0123]
总结而言，本案所述交通知识图谱的技术优势和创新点如下：
[0124]
一、通过从高精地图数据中自动提取实体、属性，并生成实体之间的关系，降低了图谱构建的工作量，适用于大范围路网场景的图谱构建。
[0125]
二、抽象出“交通流向”、“信号相位”等概念实体及关系，符合交通业务实际应用场景。通过构建抽象实体，能够深入分析信号控制对交通流的影响，并分析出各路口流向之间的关系，提升了交通知识图谱的实用性。
[0126]
三、通过在原有静态路网信息的基础上增加动态属性，将时空的因素结合在了一张图上，并可以动态更新配时方案、交通态势等实体属性，精准表达交通运行变化，提升了基于图谱分析问题的时效性。
[0127]
四、针对多层复杂关系的查询，相较于传统关系型数据库多表关联的查询方式，通过知识图谱的图遍历算法，能够极大提高查询速度。
[0128]
五、本技术实施例从描述路网交通运行场景的角度着手，完整准确表达了各类交通元素，因此，应用范围不仅仅局限在某个特定领域(如交通事故分析)，还可以可应用于交通信息查询、交通问题诊断、出行路径规划等众多领域，具备较好的泛化性。同时，本技术实施例中构建的交通知识图谱具备较好的可扩展性，后续可增加诸如公交线路、轨道站点客流等信息，进一步扩展图谱的应用场景。
[0129]
以上对本技术提供的方法进行了描述。下面对本技术提供的装置进行描述：
[0130]
请参见图7，为本技术实施例提供的一种图数据挖掘装置的结构示意图，如图7所示，该图数据挖掘装置可以包括：
[0131]
获取单元710，用于获取交通基础信息，所述交通基础信息包括高精地图数据、交通态势数据以及信号配时数据；
[0132]
提取单元720，用于依据所述交通基础信息进行实体提取；其中，所提取的实体包括路网相关实体、交通流相关实体以及交通控制相关实体；
[0133]
生成单元730，用于生成关联实体之间的关系；
[0134]
构建单元740，用于依据所提取的实体，以及所述关联实体之间的关系，构建交通知识图谱。
[0135]
在一些实施例中，所述提取单元720依据所述交通基础信息进行实体提取，包括：
[0136]
从所述高精地图数据中提取所述路网实体及其属性信息；
[0137]
从所述高精地图数据，以及所述交通态势数据中提取所述交通流实体及其属性信息；
[0138]
从所述信号配时数据中提取所述交通控制实体及其属性信息。
[0139]
在一些实施例中，所述生成单元730生成关联实体之间的关系，包括：
[0140]
依据所述高精地图数据，以及预设转向判定规则和预设冲突判定规则，生成关联实体之间的关系。
[0141]
在一些实施例中，所述构建单元740依据所提取的实体，以及所述关联实体之间的关系，构建交通知识图谱，包括：
[0142]
依据所提取的实体，以及所述关联实体之间的关系，生成构图语句；
[0143]
执行所述构图语句，并将得到的数据存入图数据库。
[0144]
在一些实施例中，所述构建单元740构建交通知识图谱之后，还包括：
[0145]
周期性地对所述交通知识图谱的动态属性进行更新。
[0146]
在一些实施例中，所述动态属性包括行人流量、车流量、排队数量以及信号配时方案中的部分或全部。
[0147]
请参见图8，为本技术实施例提供的一种电子设备的硬件结构示意图。该电子设备可包括处理器801、存储有机器可执行指令的存储器802。处理器801与存储器802可经由系统总线803通信。并且，通过读取并执行存储器802中与交通知识图谱构建控制逻辑对应的机器可执行指令，处理器801可执行上文描述的交通知识图谱构建方法。
[0148]
本文中提到的存储器802可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：ram(radom access memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
[0149]
在一些实施例中，还提供了一种机器可读存储介质，如图8中的存储器802，该机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现上文描述的交通知识图谱构建方法。例如，所述机器可读存储介质可以是rom、ram、cd-rom、磁带、软盘和光数据存储设备等。
[0150]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备
所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0151]
以上所述仅为本技术的较佳实施例而已，并不用以限制本技术，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术保护的范围之内。