1.基于知识图谱的学校路段交通拥堵重点车辆识别方法,其特征在于,包括以下步骤:S1、以个体车辆为对象,利用原始监测数据获得的基础知识和再分析形成的多特征知识构建层次化知识图谱结构,对车、路、轨迹、特征的多层次知识进行关联表征;该层次化知识图谱结构包括三个层次;
S2、从基础数据中构建第一层次知识图谱;
S3、通过第二层次的特征知识挖掘,构建第二层次知识图谱;
S4、通过第三层次的判别知识挖掘,构建第三层次知识图谱;
S5、基于构建的层次化知识图谱,对重点车辆进行快速识别检索。
2.根据权利要求1所述的基于知识图谱的学校路段交通拥堵重点车辆识别方法,其特征在于,步骤S2中,第一层次知识图谱的实体、关系、属性包括但不限于以下内容:实体:车辆、路段、轨迹、上学事件、下学事件、时间;
关系:产生轨迹、经过、发生路段是、时间是;
属性:车辆实体对应的属性包括车牌、类型、品牌、燃料类型、排放标准、车龄;路段实体对应的属性包括道路名称、起点、终点、方向、长度;轨迹实体对应的属性包括路段、起点、终点、方向;上/下学事件实体对应的属性包括学校名称、上学时刻;时间实体对应的属性包括小时时刻、分钟、日期。
3.根据权利要求1所述的基于知识图谱的学校路段交通拥堵重点车辆识别方法,其特征在于,步骤S3中,第二层次知识图谱的实体、关系包括但不限于:实体:频率特征、目的特征、运行特征;
关系:车辆的频率特征是、车辆的目的是、轨迹的运行特征是。
4.根据权利要求1所述的基于知识图谱的学校路段交通拥堵重点车辆识别方法,其特征在于,步骤S4中,第三层次知识图谱的实体、关系包括但不限于:实体:判别结果;
关系:判别结果是。
5.根据权利要求2所述的基于知识图谱的学校路段交通拥堵重点车辆识别方法,其特征在于,步骤S2中,构建第一层次知识图谱包括以下子步骤:S201、收集城市路网地图,获得学校位置数据、周边道路信息数据,包括但不限于学校名称、学校位置、道路名称、分路段名称、起止点经纬度、方向、长度、车道数;
收集车辆信息数据,包括但不限于车辆类型、品牌、燃料类型、排放标准、车龄;
收集包含上学与暑假期间的周边道路交通出行监测数据,包括但不限于车牌、车主、车辆类型、运行轨迹、运行位置、车速、运行时长;
收集包含上学与暑假期间的气象监测数据,包括但不限于小时级气温、大气压、降水量、相对湿度、天气状况;
收集学校上学、下学时间数据;
S202、对步骤S201中收集的数据进行参数的统一表达与时空关联处理,进行不同来源数据的关联与互通使用;建立各参数的标准化表达体系,统一多源数据中道路、车辆、运行状态相关参数及其数值的表达;利用时间字段索引与地理信息系统GIS技术,对不同参数数据的时间与空间进行关联;其中通过对车辆出行轨迹、气象参数、上下学事件的小时时刻的关联,获得时间关联,利用地理信息系统,获得道路、车辆运行轨迹与气象监测站点的空间映射与匹配校对;
S203、依据车辆、周边路段、出行轨迹、上下学事件5大类实体关联的知识图谱结构,从基础数据中,通过直接映射方式,进行实体抽取、关系抽取、属性抽取,构建第一层次知识图谱。
6.根据权利要求3所述的基于知识图谱的学校路段交通拥堵重点车辆识别方法,其特征在于,步骤S3中,构建第二层次知识图谱包括以下子步骤:S301、车辆出行频率实体关系的构建:根据上/下学时间,以一定的时长为间隔,设定为上/下学时段,对上/下学时段内途径车辆出行频率进行统计;依据车辆出行频率的大小,设置分类阈值,进行极高频出行、高频出行、偶发出行三类别的车辆聚类;依据聚类结果,对任一个体车辆出行频率特征进行标签化,形成出行频率特征实体,与第一层次知识图谱中的车辆实体建立连接关系,融入到知识图谱体系中;
S302、车辆出行目实体的构建:进行上/下学时段内车辆运行轨迹方向、时长、频数、到达学校路段时间在开学、暑假两个时期内的差异对比;依据以上参数在两个时期上的对比结果,设立分类判别标准,进行车辆出行目的的分类判别,分为通勤、接送孩子、其他三类别;依据分类结果,对任一个体车辆出行目进行特征标签化,形成出行目的特征实体,与第一层次知识图谱中的车辆实体建立连接关系,融入到知识图谱体系中;
S303、出行轨迹特征实体的构建:设立畅通、缓行、拥堵、阻塞四个类别标签对轨迹运行特征进行表征;建立运行速度、时长与运行特征的映射关系;利用对轨迹运行速度、运行时长的统计分析,对任一轨迹运行特征进行类别标签化,并形成一种特征实体,与第一层次知识图谱中的轨迹实体建立连接关系,融入到知识图谱体系中;
S304、根据车辆、出行轨迹特征层的实体关系结构,构建第二层次知识图谱。
7.根据权利要求4所述的基于知识图谱的学校路段交通拥堵重点车辆识别方法,其特征在于,步骤S4中,构建第三层次知识图谱包括以下内容:通过车辆类型、出行频率特征、出行目的特征、轨迹运行特征的知识融合,形成分类别的特征辨识结果,如频繁接送车辆、通勤高频车辆、偶发途径车辆,形成相对应的高权重重点车辆、次权重重点车辆、低权重车辆判别结果标签,能对学校路段交通拥堵不同级别影响的重点车辆进行识别,并作为一种特征实体融入到知识图谱体系中,设计重点车辆判别层的实体关系结构,即完成第三层次知识图谱的构建;
其中,不同权重重点车辆的判别公式为:
式中,Vv表示车辆v的判别结果,Lv表示车辆v的车辆类型,Pv表示车辆v的频率特征,Mv表示车辆v的出行目的特征,Yv表示车辆v在统计时段T内的所有轨迹中最高发生频率对应的运行特征,y1,y2,y3,y4分别表示畅通、缓行、拥堵、阻塞状态的发生频率,mapping表示关系映射表。
8.根据权利要求1所述的基于知识图谱的学校路段交通拥堵重点车辆识别方法,其特征在于,步骤S5中,对重点车辆进行快速识别检索包括以下内容:在首次建立知识图谱后,以一定时长为周期,动态定期更新知识图谱的第二层次的特征知识、第三层次的判别知识,以此保证图谱中知识的时效性;基于知识图谱,根据实际应用场景,建立“上/下学事件‑时间范围‑路段‑车辆‑特征‑判别”知识关联的检索条件,对学校路段交通拥堵重点车辆进行快速识别检索。