基于3D视觉智能的智慧交通大数据处理方法及系统

专利主权项内容

1.一种基于3D视觉智能的智慧交通大数据处理方法，其特征在于，应用于智慧交通大数据处理系统，所述方法包括：获取待进行交通状态预测风险确定的3D视觉交通图像信息，所述3D视觉交通图像信息包括具有时空联系的若干个智慧交通参与对象，所述交通状态预测风险包括两个智慧交通参与对象之间存在的拥堵加剧状态标签、拥堵减缓状态标签或非拥堵关联状态标签；对所述智慧交通参与对象进行时空状态描述挖掘，得到所述智慧交通参与对象的第一时空状态描述向量；对具有时空联系的若干个智慧交通参与对象的第一时空状态描述向量进行向量集成，得到所述智慧交通参与对象的第二时空状态描述向量；基于所述第一时空状态描述向量和所述第二时空状态描述向量，对两个智慧交通参与对象进行交通状态预测分析，得到所述两个智慧交通参与对象的交通状态预测风险；其中，基于所述第一时空状态描述向量和所述第二时空状态描述向量，对两个智慧交通参与对象进行交通状态预测分析，得到所述两个智慧交通参与对象的交通状态预测风险，包括：将所述智慧交通参与对象的所述第一时空状态描述向量和所述第二时空状态描述向量集成得到所述智慧交通参与对象的第三时空状态描述向量；根据事先设定的全连接层对两个智慧交通参与对象的第三时空状态描述向量进行全连接处理，得到所述两个智慧交通参与对象的交通状态判别系数，所述交通状态判别系数包括将所述两个智慧交通参与对象的交通状态预测风险判别成拥堵加剧状态标签、拥堵减缓状态标签或非拥堵关联状态标签的可能性；基于所述交通状态判别系数的最大判别系数确定所述两个智慧交通参与对象的交通状态预测风险；其中，当所述两个智慧交通参与对象的交通状态预测风险为非拥堵关联状态标签时，所述交通状态判别系数的最大判别系数与所述两个智慧交通参与对象的时空状态描述共性评分具有第一量化关系；当所述两个智慧交通参与对象的交通状态预测风险为拥堵加剧状态标签或者拥堵减缓状态标签时，所述交通状态判别系数的最大判别系数与所述两个智慧交通参与对象的时空状态描述共性评分具有第二量化关系；其中，当所述两个智慧交通参与对象的交通状态预测风险为非拥堵关联状态标签时，所述两个智慧交通参与对象的时空状态描述共性评分对于所述交通状态判别系数的贡献权重值与所述两个智慧交通参与对象的路径空间分布差异具有第二量化关系；当所述两个智慧交通参与对象的交通状态预测风险为拥堵加剧状态标签或者拥堵减缓状态标签时，所述两个智慧交通参与对象的时空状态描述共性评分对于所述交通状态判别系数的贡献权重值与所述两个智慧交通参与对象的路径空间分布差异具有第一量化关系；其中，在获取待进行交通状态预测风险确定的3D视觉交通图像信息之前，所述方法还包括：获取用于对3D视觉交通图像信息进行交通状态预测风险确定的交通状态预测风险处理网络，所述交通状态预测风险处理网络包括用于对智慧交通参与对象进行时空状态描述挖掘的时空状态描述挖掘分支和用于对两个智慧交通参与对象进行交通状态预测分析的交通状态预测分支；获取用于调试所述交通状态预测风险处理网络的3D视觉交通图像信息调试示例，所述3D视觉交通图像信息调试示例包括具有时空联系的若干个智慧交通参与对象调试示例，以及用于表示两个智慧交通参与对象调试示例之间的交通状态预测风险的先验交通状态观点；获取通过所述时空状态描述挖掘分支对所述智慧交通参与对象调试示例进行时空状态描述挖掘得到的时空状态描述向量调试示例，并基于所述时空状态描述向量调试示例和所述先验交通状态观点确定两个智慧交通参与对象调试示例的第一网络调试代价函数；获取通过所述交通状态预测分支基于所述时空状态描述向量调试示例对所述两个智慧交通参与对象调试示例进行交通状态预测分析得到的交通状态预测热力图，并基于所述交通状态预测热力图和所述先验交通状态观点确定所述两个智慧交通参与对象调试示例的第二网络调试代价函数；基于所述第一网络调试代价函数和所述第二网络调试代价函数改进所述交通状态预测风险处理网络的网络参量。