技术特征：
1.一种基于实时交通流数据的疫情预警分析方法，其特征在于，步骤如下：(1)收集网约车数据、结构化之后的卡口数据、道路数据、区域数据，按照警、车、人、物、路、事件六个不同的数据域进行建模和数据分类处理；(2)将分类好的网约车数据、卡口数据、道路数据、区域数据进行空间关系匹配；(3)利用匹配好的空间数据构建实体与实体之间的关系数据；(4)将关系数据同步到图数据库中，同步过程中将关系数据转化为三元组格式即实体—关系—实体，以实体为点，关系为线构建知识网络图谱，通过箭头标示实体的影响关系；(5)前端检索查询实体的危险指数，对超过阈值的实体主动发出预警。2.如权利要求1所述的基于实时交通流数据的疫情预警分析方法，其特征在于，步骤(1)中，结构化之后的卡口数据是指：道路摄像头采集的数据图片信息提取为文本信息，包括车牌号、经纬度坐标信息；网约车数据包括车牌号、轨迹；道路数据包括道路经纬度点组成的线形状点；区域数据包括商圈、医院、学校边界点组成的面形状点。3.如权利要求1所述的基于实时交通流数据的疫情预警分析方法，其特征在于，步骤(1)中，建模是指：对网约车数据、结构化之后的卡口数据、道路数据、区域数据进行融合，并放在对应的警、车、人、物、路、事件数据域中。4.如权利要求1所述的基于实时交通流数据的疫情预警分析方法，其特征在于，步骤(1)中，分类处理是指：把数据分为事实时序数据、静态维度数据、变化状态数据三种类型；事实时序数据是指：数据随时间增长不断产生且不再变化；静态维度数据是指：某一物体或人的自然属性，且一段时间内不会变化；变化状态数据是指：某一事件的状态会短期内随着时间变化。5.如权利要求1所述的基于实时交通流数据的疫情预警分析方法，其特征在于，步骤(2)中，空间关系匹配是指：根据车的经纬度轨迹数据和静态道路数据进行包含距离上的空间关联，关联方法为判断车轨迹点到道路的距离。6.如权利要求1所述的基于实时交通流数据的疫情预警分析方法，其特征在于，步骤(3)中，实体分为静态实体和动态实体；动态实体：可以进行空间移动的个体；静态实体：无法进行空间移动的个体。7.如权利要求1所述的基于实时交通流数据的疫情预警分析方法，其特征在于，步骤(3)中，关系数据是指实体与实体之间的相关接触信息。8.如权利要求1所述的基于实时交通流数据的疫情预警分析方法，其特征在于，步骤(4)中，图数据库是指以图结构来存储和查询数据的数据库。9.如权利要求1所述的基于实时交通流数据的疫情预警分析方法，其特征在于，步骤(5)中，危险指数分为实时动态实体危险指数、实时静态实体危险指数，计算方式如下：实时动态实体危险指数＝动态实体入度+动态实体出度；实时静态实体危险指数＝(静态实体入度+静态实体出度)*tti；入度：一个实体受其他实体影响的次数，出度：一个实体影响其他实体的次数，tti为一
个区域或者道路的拥堵指数；当危险指数≥平均值时，对实体发出预警，平均值为3度关系内实体危险指数总和与实体个数的比值。10.一种基于实时交通流数据的疫情预警分析系统，其特征在于，包括数据收集模块、空间关系匹配模块、关系数据构建模块、关系数据同步模块和预警模块，其中，数据收集模块用于收集和分类处理收集网约车数据、结构化之后的卡口数据、道路数据、区域数据；空间关系匹配模块用于将分类好的网约车数据、卡口数据、道路数据、区域数据进行空间关系匹配；关系数据构建模块用于建实体与实体之间的关系数据；关系数据同步模块用于将关系数据同步到图数据库中，同步过程中将关系数据转化为三元组格式；预警模块用于查询实体的危险指数，对超过阈值的实体主动发出预警。
技术总结
本发明涉及一种基于实时交通流数据的疫情预警分析方法及系统，属于交通大数据技术领域。基于网约车数据、进出城车辆轨迹数据、市内车辆轨迹数据和公共交通数据的海量数据进行实时数据融合、建模、计算，实时输出涉疫实体的知识网络图谱和风险等级，对于阻止疫情扩散有着重要指导意义。着重要指导意义。着重要指导意义。
技术研发人员：陈连涛 云廷进 胡颖 潘述亮
受保护的技术使用者：济南市公安局交通警察支队
技术研发日：2021.11.10
技术公布日：2022/10/25