一种应急管理下的人流异常检测方法、系统及装置

本发明涉及应急管理与检测领域，尤其涉及一种应急管理下的人流异常检测方法、系统及装置，应用于应急管理下的人流异常检测问题。

背景技术：

1、在应急管理下，针对采集到的人流轨迹数据，需要进行异常检测以排除可能存在问题的轨迹。目前存在多种人流异常检测方法，适用于应急管理场景。这些方法包括统计方法、基于近邻的方法、基于图的方法和基于模式学习的方法。

2、传统的异常检测方法之一是统计方法，它最早被应用于异常值检测。该方法假设数据符合特定的概率分布，并通过参数模型或非参数模型定义概率分布。当数据点生成的概率低于设定的阈值时，将其定义为异常轨迹。

3、基于近邻的方法是另一种常见的异常检测方法，它假设异常数据与大多数数据有所隔离。该方法可以通过聚类、距离或密度等方式建模异常轨迹。

4、基于图的方法考虑了轨迹数据中对象之间的相互关系。它通过子结构和子图模式的发现来检测异常轨迹。然而，这种方法的算法时间复杂度较高，需要更多的计算资源支持。

5、基于模式学习的方法通过训练模型，如自编码器、生成对抗网络等，对输入的轨迹数据进行重构。通过分析重构得到的轨迹与原始输入轨迹之间的差距，可以检测出异常轨迹。

6、传统的统计方法在轨迹异常检测中需要对数据进行假设，如假设数据符合特定的概率分布。然而，由于人流数据具备复杂性与多样性，直接应用传统的基于聚类、基于距离和基于密度的方法等算法可能难以捕获人流轨迹数据中潜在的道路信息，人流信息以及其余关联信息。另一方面，基于图的方法虽然能够捕获人流轨迹数据中的高阶潜在信息，但其方法复杂度较高，难以满足应急管理场景下的人流轨迹异常检测需求。

技术实现思路

1、本发明目的在于针对现有技术的不足，提出一种应急管理下的人流异常检测方法、系统及装置，在应急情况下的大规模人流轨迹数据快速检测，准确有效地监测人流异常，以便及时采取适当的措施。本发明提出的模型针对人流异常检测问题有更好的准确性和更高的效率。

2、本发明的目的是通过以下技术方案来实现的：一种应急管理下的人流异常检测方法，该方法包括以下步骤：

3、(1)获取人流轨迹信息，提取人流轨迹速度特征向量；

4、(2)基于人流轨迹所在路段信息生成路段层描述矩阵，通过图神经网络得到表示路段功能类别信息的功能层描述矩阵以及表示区县信息的区县层描述矩阵；

5、(3)对每一个路段，基于路段的归属关系和功能层描述矩阵以及区县层描述矩阵计算得到路段的特征向量；

6、(4)将人流轨迹速度特征和路段的特征向量拼接后进行分类检测，判断人流轨迹是否异常。

7、进一步地，步骤(1)中，将人流轨迹信息划分为若干个时刻，记录各个时刻的轨迹点位置，基于相邻时刻的轨迹点位置计算人流速度，得到人流轨迹信息的速度序列，通过编码解码提取人流轨迹速度的特征向量。

8、进一步地，步骤(2)中，获取人流轨迹信息所对应的路段信息，包括道路id，道路类型，车道编号，路段长度与经纬度属性，构成特征向量并拼接成路段层初始描述矩阵；并根据路段的互通关系构建路段层邻接矩阵；将初始描述矩阵和路段层邻接矩阵作为图注意力网络的输入计算得到路段层描述矩阵。

9、进一步地，根据每个路段的功能信息，包括每一个功能区域的功能类型，占地面积，路段数量，构成特征向量并拼接得到功能层初始描述矩阵，然后根据每个功能区域之间是否连通得到功能层邻接矩阵，将功能层初始描述矩阵和功能层邻接矩阵作为图注意力网络的输入计算得到功能层描述矩阵。

10、进一步地，根据路段层中每个路段所属的行政区县信息，包括每一个区县的行政编号，占地面积，路段数量，构成特征向量并拼接得到区县层初始描述矩阵，然后根据每个区县之间是否联通得到区县层邻接矩阵，将区县层初始描述矩阵和区县层邻接矩阵作为图注意力网络的输入计算得到区县层描述矩阵。

11、进一步地，步骤(3)中，基于路段所属功能区域或行政区县生成对应的归属矩阵，代表路段与功能区域或行政区县的归属关系，将功能层描述矩阵、区县层描述矩阵和对应的归属矩阵相乘后，将二者结果拼接再与路段层描述矩阵拼接，得到路段的特征向量。

12、第二方面，本发明还提供了一种应急管理下的人流异常检测系统，该系统包括：

13、速度特征提取模块，用于获取人流轨迹信息，提取人流轨迹速度特征向量；

14、路段归属描述模块，用于基于人流轨迹所在路段信息生成路段层描述矩阵，通过图神经网络得到表示路段功能类别信息的功能层描述矩阵以及表示区县信息的区县层描述矩阵；

15、路段特征提取模块，用于对每一个路段，基于路段的归属关系和功能层描述矩阵以及区县层描述矩阵计算得到路段的特征向量；

16、人流异常检测模块，用于将人流轨迹速度特征和路段的特征向量拼接后进行分类检测，判断人流轨迹是否异常。

17、第三方面，本发明还提供了一种应急管理下的人流异常检测装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现所述的一种应急管理下的人流异常检测方法。

18、第四方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时，实现所述的一种应急管理下的人流异常检测方法。

19、第五方面，本发明还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现所述的一种应急管理下的人流异常检测方法。

20、本发明的有益效果：

21、1.本方法对异常检测模型解耦合。通过tvrm模型提取出人流轨迹速度特征信息，通过rfrm模型提取出了道路属性特征信息，以更加灵活的方式为人流轨迹异常检测提供了更全面的信息，提高了人流轨迹异常检测的准确率。

22、2.本方法在应急管理场景下，通过向量相似度检索的方法从输入的人流轨迹信息获取对应的人流轨迹速度特征向量e与道路属性特征向量f，拼接成g输入classifier进行人流异常检测，该过程提高了人流异常检测模型的响应速度和吞吐量。

技术特征：

1.一种应急管理下的人流异常检测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种应急管理下的人流异常检测方法，其特征在于，步骤(1)中，将人流轨迹信息划分为若干个时刻，记录各个时刻的轨迹点位置，基于相邻时刻的轨迹点位置计算人流速度，得到人流轨迹信息的速度序列，通过编码解码提取人流轨迹速度的特征向量。

3.根据权利要求1所述的一种应急管理下的人流异常检测方法，其特征在于，步骤(2)中，获取人流轨迹信息所对应的路段信息，包括道路id，道路类型，车道编号，路段长度与经纬度属性，构成特征向量并拼接成路段层初始描述矩阵；并根据路段的互通关系构建路段层邻接矩阵；将初始描述矩阵和路段层邻接矩阵作为图注意力网络的输入计算得到路段层描述矩阵。

4.根据权利要求2所述的一种应急管理下的人流异常检测方法，其特征在于，根据每个路段的功能信息，包括每一个功能区域的功能类型，占地面积，路段数量，构成特征向量并拼接得到功能层初始描述矩阵，然后根据每个功能区域之间是否连通得到功能层邻接矩阵，将功能层初始描述矩阵和功能层邻接矩阵作为图注意力网络的输入计算得到功能层描述矩阵。

5.根据权利要求2所述的一种应急管理下的人流异常检测方法，其特征在于，根据路段层中每个路段所属的行政区县信息，包括每一个区县的行政编号，占地面积，路段数量，构成特征向量并拼接得到区县层初始描述矩阵，然后根据每个区县之间是否联通得到区县层邻接矩阵，将区县层初始描述矩阵和区县层邻接矩阵作为图注意力网络的输入计算得到区县层描述矩阵。

6.根据权利要求1所述的一种应急管理下的人流异常检测方法，其特征在于，步骤(3)中，基于路段所属功能区域或行政区县生成对应的归属矩阵，代表路段与功能区域或行政区县的归属关系，将功能层描述矩阵、区县层描述矩阵和对应的归属矩阵相乘后，将二者结果拼接再与路段层描述矩阵拼接，得到路段的特征向量。

7.一种实现权利要求1-6任一项所述应急管理下的人流异常检测方法的系统，其特征在于，该系统包括：

8.一种应急管理下的人流异常检测装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，实现如权利要求1-6中任一项所述的一种应急管理下的人流异常检测方法。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时，实现如权利要求1-6中任一项所述的一种应急管理下的人流异常检测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-6任一项所述的一种应急管理下的人流异常检测方法。

技术总结
本发明公开了一种应急管理下的人流异常检测方法、系统及装置，首先获取人流轨迹信息，提取人流轨迹速度特征向量；基于人流轨迹所在路段信息生成路段层描述矩阵，通过图神经网络得到表示路段功能类别信息的功能层描述矩阵以及表示区县信息的区县层描述矩阵；对每一个路段，基于路段的归属关系和功能层描述矩阵以及区县层描述矩阵计算得到路段的特征向量；将人流轨迹速度特征和路段的特征向量拼接后进行分类检测，判断人流轨迹是否异常。本发明在应急情况下的大规模人流轨迹数据快速检测，准确有效地监测人流异常，以便及时采取适当的措施。本发明提出的模型针对人流异常检测问题有更好的准确性和更高的效率。

技术研发人员：李瑞杰,胡秉德,王新根,陈伟
受保护的技术使用者：浙江大学
技术研发日：
技术公布日：2024/10/24