摘要
本申请提供一种高速公路事件智能关联分析与预测方法,包括:根据事件的时空分布特征,构建事件时空关联网络,其中节点表示事件,边表示事件之间的关联;采用图神经网络模型对事件时空关联网络进行训练,得到事件在时间和空间上的关联演化规律;若预测出未来可能发生的事件,则根据事件时空关联网络,推理该事件可能引发的其他关联事件,形成事件因果逻辑链条;根据事件因果逻辑链条,采用强化学习算法,评估不同应对策略的效果,得到事件处置方案;在事件发生和演化过程中,持续获取车辆轨迹数据和路况监测数据,动态更新事件时空关联网络和预测模型。
技术关键词
车辆轨迹数据
时空分布特征
异常事件
智能关联分析
序列预测模型
强化学习算法
道路交通流量
动态更新
策略
链条
神经网络模型
路况
注意力机制
聚类算法
分析事件
关联规则挖掘算法
逻辑
时间序列分析方法
系统为您推荐了相关专利信息
扩展卡尔曼滤波
多传感器采集
非线性
GNSS定位数据
时间同步
分层
多尺度
电量预测技术
时间序列预测模型
特征选择
低频信号分量
高频信号分量
混合预测方法
时间序列预测模型
萤火虫算法
数字孪生模型
动力机房
管控方法
钢结构
无人机图像识别
零样本学习方法
三维点云数据
点云去噪
视觉
碰撞检测方法