区域异常检测方法、装置、电子设备及存储介质与流程

本公开涉及区域异常检测，尤其涉及一种区域异常检测方法、装置、电子设备及存储介质。

背景技术：

1、相关技术可知，城市在正常运行过程中，也会伴随着异常事件的发生。例如某一区域的交通流量激增等。对于城市区域中的异常事件进行及时感知或预测，有助于实现对城市交通流量激增、人群聚集等异常事件进行预警。

2、然而，当前的区域异常检测并未考虑区域异常的时变性，以及相邻或相似区域对当前区域的异常事件的影响，从而导致区域异常检测结果并不准确。当前，寻找一种准确的区域异常检测方法成为研究热点。

技术实现思路

1、本公开提供一种区域异常检测方法、装置、电子设备及存储介质，实现了基于待检测区域的第一时间通道信息、第一空间通道信息以及目标检测模型，可以得到更加准确的待检测区域的区域异常预测结果。

2、本公开提供一种区域异常检测方法，获取待检测区域的第一时间通道信息和第一空间通道信息，其中，所述第一时间通道信息包括所述待检测区域的第一交通流量时序信息，所述第一空间通道信息包括第一相邻区域矩阵和第一相似区域矩阵，所述第一相邻区域矩阵包括第一相邻区域的邻接矩阵和第一相邻区域的区域特征矩阵，所述第一相邻区域为与所述待检测区域相邻的区域；所述第一相似区域矩阵包括第一相似区域的邻接矩阵和第一相似区域的区域特征矩阵，所述第一相似区域为与所述待检测区域在预设特征范围内相似的区域；将所述第一时间通道信息和所述第一空间通道信息输入至目标检测模型，得到所述目标检测模型输出的所述待检测区域的区域异常预测结果，其中，所述目标检测模型通过预训练得到。

3、根据本公开提供的一种区域异常检测方法，所述目标检测模型包括时间通道检测子模型和空间通道检测子模型；所述目标检测模型采用以下方式预训练得到：获取训练样本集，其中，所述训练样本集包括多个训练样本，所述训练样本包括样本区域的第二时间通道信息和第二空间通道信息；将所述第二时间通道信息输入至所述时间通道检测子模型，得到所述时间通道检测子模型输出的时间检测结果；将所述第二空间通道信息输入至所述空间通道检测子模型，得到所述空间通道检测子模型输出的空间检测结果；对所述时间检测结果和所述空间检测结果进行拼接，得到所述目标检测模型输出的所述样本区域的检测结果；基于所述检测结果，以及与所述训练样本对应的样本检测结果标签，对所述目标检测模型进行训练。

4、根据本公开提供的一种区域异常检测方法，所述第二时间通道信息包括样本区域的预设时间段的第二交通流量时序信息；所述将所述第二时间通道信息输入至所述时间通道检测子模型，得到所述时间通道检测子模型输出的时间检测结果，具体包括：将所述第二交通流量时序信息输入至所述时间通道检测子模型中的时间异常检测模块，得到所述时间异常检测模块输出的时间检测结果。

5、根据本公开提供的一种区域异常检测方法，所述时间异常检测模块包括编码器、解码器和注意力层，其中，所述编码器和所述解码器分别包括多个时间序列神经网络子模块；所述将所述第二交通流量时序信息输入至所述时间通道检测子模型中的时间异常检测模块，得到所述时间异常检测模块输出的时间检测结果，具体包括：将所述第二交通流量时序信息输入至所述编码器，得到所述编码器输出的编码结果，以及所述编码器中各个所述时间序列神经网络子模块输出的子编码结果；将所述编码结果输入至所述解码器，得到所述解码器输出的目标解码结果；基于所述注意力层，捕获各个所述子编码结果的权重；基于所述子编码结果和所述权重，得到目标编码结果；基于所述目标编码结果和所述的目标解码结果，得到所述时间异常检测模块输出的时间检测结果。

6、根据本公开提供的一种区域异常检测方法，时间异常检测模块包括第一时间异常检测模块、第二时间异常检测模块和第三时间异常检测模块；在所述将所述第二交通流量时序信息输入至所述时间通道检测子模型中的时间异常检测模块，得到所述时间异常检测模块输出的时间检测结果之前，所述方法还包括：对所述第二交通流量时序信息进行分解，得到第一子序列、第二子序列和第三子序列，其中，所述第一子序列用于表征所述第二交通流量时序信息以第一预设时长为自变量得到的第一时序信息中具有不同时序特征的子序列，所述第二子序列用于表征所述第二交通流量时序信息以季节时长为自变量得到的第二时序信息中具有不同时序特征的子序列，所述第三子序列用于表征所述第二交通流量时序信息以第二预设时长为自变量得到的第三时序信息中具有目标时序特征的子序列，所述具有目标时序特征的子序列为与相邻子序列之间的时序特征的差值大于或等于预设值的子序列；所述将所述第二交通流量时序信息输入至所述时间通道检测子模型中的时间异常检测模块，得到所述时间异常检测模块输出的时间检测结果，具体包括：将所述第一子序列输入至所述第一时序异常检测模块，得到第一时序异常检测结果；将所述第二子序列输入至所述第二时序异常检测模块，得到第二时序异常检测结果；将所述第三子序列输入至所述第三时序异常检测模块，得到第三时序异常检测结果；对所述第一时序异常检测结果、所述第二时序异常检测结果和所述第三时序异常检测结果进行拼接，得到所述时间异常检测模块输出的时间检测结果。

7、根据本公开提供的一种区域异常检测方法，所述第二空间通道信息包括第二相邻区域矩阵和第二相似区域矩阵，其中，所述第二相邻区域矩阵包括第二相邻区域的邻接矩阵和第二相邻区域的区域特征矩阵，所述第二相邻区域为与所述样本区域相邻的区域；所述第二相似区域矩阵包括第二相似区域的邻接矩阵和第二相似区域的区域特征矩阵，所述第二相似区域为与所述样本区域在预设特征范围内相似的区域；所述空间通道检测子模型包括第一空间通道检测子模型和第二空间通道检测子模型；将所述第二空间通道信息输入至所述空间通道检测子模型，得到所述空间通道检测子模型输出的空间检测结果，具体包括：将所述第二相邻区域矩阵输入至所述第一空间通道检测子模型，得到所述第一空间通道检测子模型输出的第一空间检测结果；将所述第二相似区域矩阵输入至所述第二空间通道检测子模型，得到所述第二空间通道检测子模型输出的第二空间检测结果；基于所述第一空间检测结果和所述第二空间检测结果，得到所述空间通道检测子模型输出的空间检测结果。

8、根据本公开提供的一种区域异常检测方法，所述第一空间通道检测子模型包括第一图神经网络模块和第一循环神经网络模块；所述将所述第二相邻区域矩阵输入至所述第一空间通道检测子模型，得到所述第一空间通道检测子模型输出的第一空间检测结果，具体包括：将所述第二相邻区域矩阵依次输入至所述第一图神经网络模块和所述第一循环神经网络模块，得到所述第一空间检测结果。

9、根据本公开提供的一种区域异常检测方法，所述第二空间通道检测子模型包括第二图神经网络模块和第二循环神经网络模块；所述将所述第二相似区域矩阵输入至所述第二空间通道检测子模型，得到所述第二空间通道检测子模型输出的第二空间检测结果，具体包括：将所述第二相似区域矩阵依次输入至所述第二图神经网络模块和所述第二循环神经网络模块，得到所述第二空间检测结果。

10、本公开还提供一种区域异常检测装置，所述系统包括：第一模块，用于获取待检测区域的第一时间通道信息和第一空间通道信息，其中，所述第一时间通道信息包括所述待检测区域的第一交通流量时序信息，所述第一空间通道信息包括第一相邻区域矩阵和第一相似区域矩阵，所述第一相邻区域矩阵包括第一相邻区域的邻接矩阵和第一相邻区域的区域特征矩阵，所述第一相邻区域为与所述待检测区域相邻的区域；所述第一相似区域矩阵包括第一相似区域的邻接矩阵和第一相似区域的区域特征矩阵，所述第一相似区域为与所述待检测区域在预设特征范围内相似的区域；第二模块，用于将所述第一时间通道信息和所述第一空间通道信息输入至目标检测模型，得到所述目标检测模型输出的所述待检测区域的区域异常预测结果，其中，所述目标检测模型通过预训练得到。

11、本公开还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的区域异常检测方法。

12、本公开还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的区域异常检测方法。

13、本公开还提供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如上述任一种所述的区域异常检测方法。

14、本公开提供的一种区域异常检测方法、装置、电子设备及存储介质，通过将待检测区域的第一时间通道信息和第一空间通道信息输入至训练好的目标检测模型，以使得到的输出结果综合了区域异常的时变性和空间异常性，进而确保能够得到更加准确的待检测区域的区域异常预测结果。