[发明专利]一种基于知识图谱的路网节点重要性评估的方法

说明书

本发明公开了一种基于知识图谱的路网节点重要性评估的方法，属于图神经网络与城市交通规划技术交叉的领域。通过这一技术可以解决由于路网中的数据不够全面而无法对路网中所有节点进行重要性评估的问题。本发明首先从已有的轨迹数据中挖掘出路网中频繁拥堵的路段及其拥堵传播模式，并根据各路段拥堵传播概率图对各路段进行评分。其次，本发明构建对应区域的交通知识图谱，并在知识图谱上使用基于图神经网络的方法，对已知节点的分数及特征进行传播并利用轨迹数据对节点的重要性进行调整，从而预测出路网中其他节点的重要性。

技术领域

本发明属于图神经网络与城市交通规划技术交叉的领域，涉及一种基于图神经网络在交通知识图谱中评估路网中节点重要性的方法。

背景技术

快速发展的交通给人们带来了便利的同时，随之而来的还有许多无法忽略的问题，出行这一民生问题目前已经成为了一个瞩目的社会难题，而引起这些难题的主要则是交通中的拥堵所导致的一系列的问题。拥堵会在导致出行时间的增长，生态环境的恶化等一系列问题的同时，也成为了城市发展的瓶颈。因此，解决拥堵问题已经迫在眉睫。目前虽然已经有很多交通领域的方法用于解决这一问题，但是由于交通系统是一个复杂变化的系统，仅仅凭借专业领域知识去解决是远远不够的。而大数据时代则为我们提供了另一个很好的机会去解决这一问题。通过对交通路网中的过往数据进行学习，可以让我们建立起科学而有效的交通模型从而实现对交通系统的有效统筹。

在交通领域，通常认为交通拥堵是由交通路网的脆弱性所导致的，并且由于交通系统是一个动态的系统，当路网中的某个节点发生拥堵的时候，随着时间的迁移，拥堵的状态拥堵可能会向相邻的路段扩散。而且对于不同的路段，即使他们发生同样程度的拥堵也很可能会导致不同程度的后果，这是因为不同的道路有不同的拥堵传播模式。根据拥堵传播的这一特性，当路网中发生大范围的拥堵时，可以根据路段对周边范围的不同影响程度，来优先疏通影响范围大的路段。因此，要想解决区域拥堵问题，就需要掌握各条道路在路网中的重要性程度，而这个重要性程度则需要用拥堵传播的能力来定义，即，对于那些发生拥堵会对路网产生较大范围影响的路段认为其是路网中相对重要的节点。在评估出路网中不同道路节点重要性之后，当路网中发生拥堵而导致部分节点失效的时候，通过及时对重要程度高的节点采取相应的措施，可以避免路网中出现级联失效。除此之外，在对路网中设施进行升级的时候，同样也可以优先对路网中的重要程度高的节点进行升级。

目前的关键节点评估方法主要来源于复杂网络领域和交通领域。对于复杂网络领域的方法来说，由于没有面向交通网络的特点构建相应的模型，所以导致这些算法开销大、效率低。而对于交通领域知识驱动的方法来说，过于依赖领域知识会导致模型不够灵活，而无法考虑到现实交通场景中一些其他因素的影响，而过往的真实数据则可以反映出各种因素对于交通的直接而不易量化的影响。因此，通过真实的路网数据与交通领域知识结合，可以从数据中学到全面、真实的交通拥堵传播模型的同时与交通领域知识相结合，从而评估出路段中各节点重要程度。这种方法可以从多方面考量到交通的多种影响因素，但是由于本质上为数据驱动的方法，因此依旧受限于数据量这一瓶颈，而当数据量不足的时候数据驱动的方法的效率则会大幅下降。对于交通数据来说，由于传感器失效或者保护隐私等原因很有可能会遇到数据的缺失的情况，在这种情况下，可以通过半监督学习的方法对数据量充足的节点特征进行学习，从而预测出其他节点的重要性程度。同时，在选择半监督学习方法的时候，也应该选择适合交通领域的模型，这样才能更好地学习到交通路网中的特征。

发明内容