(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211365058.7 (22)申请日 2022.11.03 (71)申请人 山东大学 地址 250000 山东省济南市高新区舜华路 1500号 (72)发明人 张彩明　马翔　袁晨迅　李雪梅　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 李琳 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G08G 1/01(2006.01) (54)发明名称 一种基于模式相似性的交通流量异常检测 方法及系统 (57)摘要 本发明公开一种基于模式相似性的交通流 量异常检测方法及系统， 涉及交通流量异常检测 模型技术领域， 包括： 采用改进的长短期记忆神 经网络对交通流量数据提取时序特征； 采用滑动 窗口对交通流量数据进行分割和聚类， 以聚类中 心所对应的短期序列作为模式特征； 对不同空间 位置的时序特征计算时序相似度； 对每个模式特 征确定与其距离最近的模式特征， 对组成的模式 特征对的最近邻距离经加权处理， 得到不同空间 位置的模式相似度； 根据时序相似度和模式相似 度确定序列相似度， 根据序列相似度构建不同时 间且不同空间位置的交通流量动态关系图； 采用 交通流量动态关系图和时序相似度进行交通流 量异常状态的检测， 以提高交通流量异常检测的 准确率。 权利要求书2页 说明书11页 附图3页 CN 115423048 A 2022.12.02 CN 115423048 A 1.一种基于模式相似性的交通 流量异常检测方法， 其特 征在于， 包括： 获取交通 流量数据； 采用改进的长短期记忆神经网络对交通流量数据提取时序 特征； 所述改进的长短期记 忆神经网络为对不同时刻得到的隐藏状态经加权求和后得到时序特 征； 采用滑动窗口对交通流量数据进行分割， 得到短期序列集， 对短期序列集进行聚类后， 以每个类别的聚类中心所对应的短期序列 作为模式特 征； 对不同空间位置的时序特 征计算时序相似度； 对每个模式特征确定与其距离最近的模式特征， 以组成模式特征对， 对模式特征对的 最近邻距离经加权处 理后， 得到不同空间位置的模式相似度； 根据时序相似度和模式相似度确定序列相似度， 根据序列相似度构建不同时间且不同 空间位置的交通 流量动态关系图； 采用交通 流量动态关系图和时序相似度进行交通 流量异常状态的检测。 2.如权利要求1所述的一种基于模式相似性的交通流量异常检测方法， 其特征在于， 对 不同时刻得到的 隐藏状态进行加权求和得到时序特征的过程中， 以不同时刻的 隐藏状态与 交通流量数据的相关性确定 权重 ， 权重为： 其中，xt为第t日的交通流量数据， 为隐藏状态， 为相关性函数， 为待学习参 数， 是输入的交通 流量数据的天数， 为转置操作。 3.如权利要求1所述的一种基于模式相似性的交通流量异常检测方法， 其特征在于， 对 不同空间位置的时序特 征计算时序相似度 的过程为： 其中， 为第t日空间位置 a的时序特征， 为第t日空间位置 b的时序特征， 是由待学 习权重矩阵 和激活函数tanh构成的网络， 指将 和 进行拼接 。 4.如权利要求1所述的一种基于模式相似性的交通流量异常检测方法， 其特征在于， 对 模式特征对的最近邻距离进行加权处理的过程中， 权重为模式特征所在类别包含的元素个 数。 5.如权利要求1所述的一种基于模式相似性的交通流量异常检测方法， 其特征在于， 对 时序相似度和模式相似度赋权后求和 确定序列相似度。 6.如权利要求1所述的一种基于模式相似性的交通流量异常检测方法， 其特征在于， 构 建交通流量动态关系图的过程包括： 根据不同空间位置的交通流量数据的序列相似度， 构建同一 时间不同空间位置的关系权　利　要　求　书 1/2 页 2 CN 115423048 A 2图 ； 引入不同空间位置的交通流量数据间的连通关系矩阵， 根据关系图和连通关系矩阵构 建交通流量动态关系图 ； 其中， 为待学习参数， 为连通关系矩阵， tanh为激活函数， 和 分别为当前时刻和 先验数据指示的时刻， 为时间差， 是递减函数。 7.如权利要求6所述的一种基于模式相似性的交通流量异常检测方法， 其特征在于， 连 通关系矩阵为： 其中， Xa为空间位置 a的交通流量数据， Xb为空间位置 b的交通流量数据， 为Xa和Xb间 的连通关系矩阵。 8.一种基于模式相似性的交通 流量异常检测系统， 其特 征在于， 包括： 数据获取模块， 被 配置为获取交通 流量数据； 时序特征提取模块， 被配置为采用改进的长短期记忆神经网络对交通流量数据提取时 序特征； 所述改进的长 短期记忆神经网络为对不同时刻得到的 隐藏状态经加权求和 后得到 时序特征； 模式特征提取模块， 被配置为采用滑动 窗口对交通流量数据进行分割， 得到短期序列 集， 对短期序列集进行聚类后， 以每 个类别的聚类中心所对应的短期序列 作为模式特 征； 时序相似度确定模块， 被 配置为对不同空间位置的时序特 征计算时序相似度； 模式相似度确定模块， 被配置为对每个模式特征确定与其距离最近的模式特征， 以组 成模式特征对， 对模式特征对的最近邻距离经加权处理后， 得到不同空间位置的模式相似 度； 动态关系图构建模块， 被配置为根据时序相似度和模式相似度确定序列相似度， 根据 序列相似度构建不同时间且不同空间位置的交通 流量动态关系图； 异常检测模块， 被配置为采用交通流量动态关系图和时序相似度进行交通流量异常状 态的检测。 9.一种电子设备， 其特征在于， 包括存储器和处理器以及存储在存储器上并在处理器 上运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成权利要求 1‑7任一项所述的方 法。 10.一种计算机可读存储介质， 其特征在于， 用于存储计算机指令， 所述计算机指令被 处理器执行时， 完成权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115423048 A 3