公开(公告)号：CN113192325A

公开(公告)日：2021-07-30

申请号：CN202110416305.0

申请日：2021-04-19

申请人： 银江股份有限公司

发明人： 季青原 ,  王辉 ,  温晓岳 ,  何尚秋 ,  陈乾 ,  吴建平 ,  聂文涛 ,  林文霞 ,  吴占宁

IPC分类号： G08G1/01 ,  G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06Q50/26

摘要： 一种交通事件相关性分析方法,其具体步骤包括：在交通历史数据中提取T个时段N个空间的M1个交通第一特征、M2个交通第二特征；其中交通第一特征为与交通事件相关的具有时段非可变性的特征交通，第二特征为与交通事件相关的具有时段可变性的特征，且M1个交通第一特征与M2个交通第二特征在时段、空间上相对应；构建T个时段S个交通特征相似图，其中交通特征相似图包括空间、邻接矩阵、交通第二特征，邻接矩阵为两个空间的交通第一特征的相似性；基于T个时段S个交通特征相似图，利用图学习算法提取T个时段N个空间M3个第三交通特征；基于T个时段N个空间M3个第三交通特征，计算N个空间第三交通特征相关性。

公开(公告)号：CN112732905A

公开(公告)日：2021-04-30

申请号：CN202011420444.2

申请日：2020-12-08

申请人： 银江股份有限公司

发明人： 季青原 ,  吴建平 ,  徐甲 ,  吴越 ,  聂文涛 ,  陈乾 ,  林文霞 ,  吴占宁 ,  温晓岳

IPC分类号： G06F16/35 ,  G06F16/36 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 一种基于知识图谱的交通事故分析与防控方法,其具体步骤如下：S1.提取交通事故数据，构建交通事故知识图谱G；S2.训练GraphSAGE模型，对交通事故知识图谱G中的事故实体进行表示学习，然后进行聚类分析，移除偶发的交通事故；S3.训练多分类任务的全连接深度神经网络，利用事故的向量表示，对其对应的标签进行预测；S4.利用向量表示空间的欧式距离，生成特定标签事故主要成因表。本发明基于交通事故知识图谱，使用GraphSAGE模型对交通事件进行表示学习，随后进行聚类分析，并删除交通事故随机噪声。然后使用多分类任务的全连接深度神经网络，利用事故的向量表示对事故标签进行预测。同时生成特定标签事故主要成因表，用以支持下游的事故预警以及防控等具体工作。

公开(公告)号：CN112215435A

公开(公告)日：2021-01-12

申请号：CN202011201374.1

申请日：2020-11-02

申请人： 银江股份有限公司

发明人： 季青原 ,  徐甲 ,  胡慷 ,  陈乾 ,  林文霞 ,  吴占宁 ,  温晓岳

IPC分类号： G06Q10/04 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/26

摘要： 一种基于循环自回归模型的城市拥堵传播模式的预测方法，其具体步骤如下：S1.利用城市路网的拓扑连接关系，生成路段连接关系图N；S2.选择长时间段的历史数据，基于路段连接关系图N构造拥堵传播时序知识图谱G；S3.训练循环自回归模型，学习拥堵传播时序知识图谱G中的拥堵传播模式，并进行预测。本发明通过构建相应的时序知识图谱，该方法可以针对路网中不同类型的拥堵传播模式，进行时空预测。

公开(公告)号：CN112183926A

公开(公告)日：2021-01-05

申请号：CN202010871780.2

申请日：2020-08-26

申请人： 银江股份有限公司

发明人： 季青原 ,  徐甲 ,  陈乾 ,  万雨茜 ,  林文霞 ,  吴占宁 ,  温晓岳

IPC分类号： G06Q10/06 ,  G06Q50/26 ,  G06F16/28 ,  G06F16/31 ,  G06F16/36 ,  G08G1/01

摘要： 本发明公开了一种基于图数据库的交通运行状况评估方法、装置、电子设备和计算机存储介质，涉及智能交通领域，旨在实现对城市交通运行状况的全面评价。其中所述方法包含以下步骤：通过图数据库存储交通运行数据的知识图谱；从所述图数据库中获取指标：目标路口的报警和配时数据、目标路口的进口路段及路段速度数据；根据报警和配时数据，计算调控效率；根据进口路段及路段速度数据，计算目标路口的周期相关系数；计算目标区域在不同的时间分辨率下的平均调控效率和平均周期相关系数；基于平均调控效率和平均周期相关系数，通过预先定义的指标重要性排名规则，求取所述目标区域在不同的时间分辨率下的综合运行指数。