1.一种城市地理空间内细粒度交通事故风险识别方法,其特征在于:包括以下步骤:步骤1:构建数据集
将三通道的RGB城市卫星图像、城市路网二值图像,融合成4通道图像;
提取目标区域范围内不同种类兴趣点POI的数量,整合向量f步骤2:提取多尺度特征
通过VGG-16神经网络提取目标区域I步骤3:计算空间注意力
捕捉低层级特征f
其中,upsample4表示4倍上采样,conv表示标准卷积操作,σ表示sigmoid激活函数,W步骤4:计算通道注意力
将
将
将
第i个通道的权重值计算公式如下:其中α
步骤5:构建损失函数
损失函数具体计算公式如下:
其中,d为目标区域图像的边长,
2.根据权利要求1所述的一种城市地理空间内细粒度交通事故风险识别方法,其特征在于:所述不同种类兴趣点POI包括酒店、学校、商店、交通站点,整合向量fe作为外部因素输入。
3.根据权利要求1所述的一种城市地理空间内细粒度交通事故风险识别方法,其特征在于:所述通过VGG-16神经网络提取目标区域I通过VGG-16自顶向下生成五级特征,在生成的每一级特征上采用四种不同的空洞卷积层,通过设置卷积核的扩张率r,卷积核大小设置为3×3,设置不同的扩张率,分别设置为r=1,r=3,r=5和r=7;将以上四种扩张率不同的卷积核生成的特征合并,最终得到不同层级的多尺度特征f1-f5。
4.根据权利要求1所述的一种城市地理空间内细粒度交通事故风险识别方法,其特征在于:生成低层级特征具体方法为:对f2进行2倍上采样,对f3进行4倍上采样,将f1与上采样后的f2、f3合并,通过一个卷积层,生成低层级特征f生成高层级特征具体方法为:对f4进行2倍上采样,对f5进行4倍上采样,之后将f3与上采样后的f4、f5合并,再通过另一个卷积层,生成高层级特征f
5.根据权利要求1所述的一种城市地理空间内细粒度交通事故风险识别方法,其特征在于:所述将
对
其中,concat表示括号中两个矩阵进行拼接,pooling表示池化操作,FC表示全连接层,W′为全连接层中所有的可训练参数,ReLU为ReLU激活函数;
将目标区域内POI特征f
6.根据权利要求1所述的一种城市地理空间内细粒度交通事故风险识别方法,其特征在于:步骤5中所述构建损失函数的前提如下:统计每个像素点对应位置周围一定范围内发生的交通事故的总和,通过校正系数映射到限定的取值范围内,将取值范围设定为0-100;
构建标签,扫描目标区域图像中的每个像素点,I
7.根据权利要求1所述的一种城市地理空间内细粒度交通事故风险识别方法,其特征在于:所述损失函数定义为对应像素点的预测值与真实值之间的绝对误差与真实值加1后的乘积。
8.根据权利要求1所述的一种城市地理空间内细粒度交通事故风险识别方法,其特征在于:从4通道图像中选取目标区域I