一种交通事件关联度计算方法、装置及设备与流程

1.本发明属于数据处理技术领域，特别涉及一种交通事件关联度计算方法、装置及设备。


背景技术：

2.随着高速公路网密度的增加，高速公路交通事故和因为受到交通事故的影响导致的二次事故数量与严重程度亦不断上升。关于交通事故中主要事件和二次事件的关联性分析，现有研究都是基于时空阈的方法，无论是动态时空阈还是静态时空阈，都仅仅是从时间和空间的角度分析，对主要事件和二次事件之间关联性的定性分析的准确度较低，并且缺乏对于主要事件和二次事件之间的关联度的定量计算。


技术实现要素：

3.本发明实施例提供一种交通事件关联度计算方法、装置及设备，解决了现有技术中缺乏对于事件之间的关联度的定量计算的问题。
4.第一方面，本发明的实施例提供一种交通事件关联度计算方法，包括：
5.确定第一事件以及与所述第一事件存在关联关系的第二事件；
6.获取所述第一事件的第一事件信息以及所述第二事件的第二事件信息；
7.根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度；
8.其中，所述第一事件信息包括以下至少一项：所述第一事件的类型、所述第一事件的发生时间、所述第一事件的持续时间、发生所述第一事件的第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑度以及所述第一路段的能见度；所述第二事件信息包括以下至少一项：所述第二事件的事件类型和持续时间。
9.进一步地，所述确定第一事件以及与所述第一事件存在关联关系的第二事件，包括：
10.确定所述第一事件，并获取所述第一事件的第一数据，所述第一数据包括所述第一事件的发生位置、发生时间以及持续时间；
11.获取多个第三事件以及所述第三事件的第二数据，所述第二数据包括所述第三事件的发生位置以及发生时间；
12.根据所述第一数据和所述第二数据确定所述第二事件。
13.进一步地，所述根据所述第一数据和所述第二数据确定所述第二事件，包括：
14.根据所述第一数据，确定目标时空阈，所述目标时空阈用于指示所述第一事件的发生时间到所述第一事件发生后第一预设时间的时间阈，以及，所述第一事件的发生位置到所述第一路段中所述发生位置上游预设距离的空间阈；
15.根据所述第二数据，确定所述第三事件中发生于所述时间阈内和所述空间阈内的第二事件。
16.进一步地，所述获取第三事件的第二数据，包括：
17.从数据库获取所述第三事件的第三数据，所述第三数据包括所述第三事件的事件类型以及持续时间；
18.根据所述第三数据对所述第三事件进行筛选，确定通过筛选的第三事件对应的所述第二数据；
19.其中，所述通过筛选的第三事件为持续时长大于或者等于预设时间下限，和/或，事件类型为预设事件类型的事件。
20.进一步地，所述根据所述第一数据，确定目标时空阈，包括：
21.根据所述第一数据，确定第一时空阈；
22.根据所述第一时空阈，确定与所述第一时空阈对应的所述第二事件的第一数量；
23.缩小所述第一时空阈，得到第二时空阈；
24.根据所述第二时空阈，确定与所述第二时空阈对应的所述第二事件的第二数量；
25.若所述第二数量小于或者等于所述第一数量的预设比例，则所述第一时空阈为所述目标时空阈；
26.或者，若所述第二数量大于所述第一数量的预设比例，则继续缩小所述第二时空阈，直至缩小后的时空阈对应的第二事件的数量小于或者等于第一数量的预设比例。
27.进一步地，所述根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度之前，包括：
28.对所述第一事件信息和所述第二事件信息中的数值特征进行数值范围划分，将所述数值特征转换为类型特征，得到全部为类型特征的所述第一事件信息和所述第二事件信息；
29.其中，所述数值特征包括以下至少一项：所述第一事件的发生时间、所述第一事件的持续时间、所述第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑度、所述第一路段的能见度和所述第二事件的持续时间。
30.进一步地，所述根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度，包括：
31.根据所述第一事件信息以及所述第二事件信息中的每项事件特征，确定多个与一项所述事件特征对应的1项频繁项集；
32.根据每个所述1项频繁项集，通过所述关联规则挖掘算法，确定n项频繁项集和k项频繁项集，n和k均为大于1的整数，且k大于n；
33.计算所述n项频繁项集的第一支持度以及所述k项频繁项集的第二支持度；
34.所述第二支持度与所述第一支持度的商为所述第一事件与所述第二事件的关联度；
35.其中，所述n项频繁项集为关于所述第一事件信息的项集，所述k项频繁项集为关于所述第一事件信息和所述第二事件信息的项集。
36.进一步地，所述n项频繁项集为7项频繁项集，且所述k项频繁项集为9项频繁项集。
37.第二方面，本发明的实施例提供一种交通事件关联度计算设备，包括：收发机、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计算机程序时，实现如上所述的交通事件关联度计算方法的步骤。
38.第三方面，本发明的实施例提供一种交通事件关联度计算装置，包括：
39.确定模块，用于确定第一事件以及与所述第一事件存在关联关系的第二事件；
40.获取模块，用于获取所述第一事件的第一事件信息以及所述第二事件的第二事件信息；
41.计算模块，用于根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度；
42.其中，所述第一事件信息包括以下至少一项：所述第一事件的类型、所述第一事件的发生时间、所述第一事件的持续时间、发生所述第一事件的第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑度以及所述第一路段的能见度；所述第二事件信息包括以下至少一项：所述第二事件的事件类型和持续时间。
43.第四方面，本发明的实施例提供一种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所述的交通事件关联度计算方法的步骤。
44.本发明的上述技术方案的有益效果是：
45.本发明实施例的交通事件关联度计算方法，通过确定与第一事件存在关联关系的第二事件，并通过获取所述第一事件的第一事件信息和所述第二事件的第二事件信息计算所述第一事件与所述第二事件的关联度。本发明的方案，综合考虑了第一事件发生时的天气因素、第一事件的事件本身以及道路交通情况，能够对存在关联关系的事件之间的关联度进行定量的计算。
附图说明
46.图1表示现有技术中时空阈的确定方法示意图；
47.图2表示本发明实施例的交通事件关联度计算方法的步骤示意图；
48.图3表示本发明实施例的关联规则挖掘方法的逻辑示意图；
49.图4表示本发明实施例的采用深度挖掘关联规则算法对第一事件与第二事件的关联度的计算方法的逻辑示意图；
50.图5表示本发明另一实施例的交通事件关联度计算方法的步骤示意图；
51.图6表示本发明实施例的交通事件关联度计算装置的结构示意图；
52.图7表示本发明实施例的交通事件关联度计算设备的结构示意图。
具体实施方式
53.为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。在下面的描述中，提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。
54.应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
55.在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
56.另外，本文中术语“系统”和“网络”在本文中常可互换使用。
57.在本技术所提供的实施例中，应理解，“与a相应的b”表示b与a相关联，根据a可以确定b。但还应理解，根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其它信息确定b。
58.在进行本发明实施例的说明时，首先对下面描述中所用到的一些概念进行解释说明。
59.如果一个事件与另一个事件的发生相关联，第一个事件被称为主要事件，至少部分由主要事件引起的事件被称为二次事件。
60.现有技术中，大部分事件的关联性由静态的时空阈范围判定，即二次事件在主要事件一定的时间、空间范围内即认为两起事件相关。随着时间的变化，事件影响范围也在不断变化，但是静态时空阈并不能作出及时地调整，导致一些无关事件也被判定为关联事件。或者，使用动态时空阈方法判断两起交通事件是否具有相关性，动态时空阈由监测设备收集到的部分残缺数据，通过拟合曲线补全数据集，得到动态时空阈变化曲线，最后将满足动态时空阈的事件认为是二次事件。
61.如图1所示，当某时某地发生主要事件后，在此刻一定范围内还发生了事件a、b、c、d、e、f，横轴表示主要事件发生后经过的时间，纵轴表示主要事件发生的位置开始队列的增长，虚线表示静态时空阈，实线表示实际上的动态时空阈。若按静态时空阈方法，则事件a、b、c是关联事件；若拟合实际动态时空阈，则a、c、e是关联事件。可见，不同的方法所判别的结果存在一定差别，准确性仍有提高空间。
62.进一步，针对主要事件和二次事件的关联性，考虑的因素只有事件的发生时间和位置条件，关联性计算的准确度较低。
63.第一实施例
64.如图2所示，本发明的实施例提供了一种交通事件关联度计算方法，包括如下步骤：
65.步骤201，确定第一事件以及与所述第一事件存在关联关系的第二事件。
66.即，所述第一事件为主要事件，所述第二事件为二次事件。
67.可选地，所述确定第一事件以及与所述第一事件存在关联关系的第二事件，包括：
68.确定所述第一事件，并获取所述第一事件的第一数据，所述第一数据包括所述第一事件的发生位置、发生时间以及持续时间；
69.获取多个第三事件以及所述第三事件的第二数据，所述第二数据包括所述第三事件的发生位置以及发生时间；
70.根据所述第一数据和所述第二数据确定所述第二事件。
71.具体地，所述第一数据从数据库获取，所述数据库中存储有多个事件对应的数据。
72.可选地，所述从数据库获取所述第一数据以及所述第二数据，所述第三事件可以为任意事件。
73.步骤202，获取所述第一事件的第一事件信息以及所述第二事件的第二事件信息；
74.其中，所述第一事件信息包括以下至少一项：所述第一事件的类型、所述第一事件的发生时间、所述第一事件的持续时间、发生所述第一事件的第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑度以及所述第一路段的能见度；所述第二事件信息包括以下至少一项：所述第二事件的事件类型和持续时间。
75.本发明实施例的方案，所述第一事件信息包括多项事件特征，从多个角度进行事件数据的分析，包括事件本身：事件类型、事件发生时间、事件持续时间、事件发生位置；天气因素：所述第一路段的地面湿滑度、所述第一路段的能见度；交通情况：所述第一路段的平均速度以及平均车流量。
76.可选地，所述第一事件的持续时间可以理解为所述第一事件的持续时长。
77.具体地，所述第一路段的平均速度可以理解为所述第一事件发生之后第二预设时间内所述第一路段的平均速度；
78.所述第一路段的平均流量可以理解为所述第一事件发生后的第三预设时间内所述第一路段的平均流量；
79.所述第一路段的湿滑度可以理解为所述第一事件发生后的第四预设时间内所述第一路段的湿滑度；
80.所述第一路段的能见度可以理解为所述第一事件发生后的第五预设时间内所述第一路段的预设距离(例如，十米)能见度；
81.其中，所述第二预设时间、所述第三预设时间、所述第四预设时间以及所述第五预设时间均可以相同或者不同。
82.步骤203，根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度。
83.本发明实施例的方案，通过计算所述第一事件和所述第二事件的关联度，能够分析引起二次事件的交通事件有哪些，并给出该第一事件对不同的第二事件的影响占比；同时，能够根据已经发生的事件预测该事件将会引起的二次事件，并确定出该事件对不同的二次事件的影响占比，从而达到事件预警的目的。
84.本发明实施例的交通事件关联度计算，综合考虑了第一事件发生时的天气因素、第一事件的事件本身以及道路交通情况，确定与第一事件存在关联关系的第二事件，并通过获取所述第一事件的第一事件信息和所述第二事件的第二事件信息计算所述第一事件与所述第二事件的关联度。本发明的方案，能够对存在关联关系的事件之间的关联度进行定量的计算。
85.可选地，所述根据所述第一数据和所述第二数据确定所述第二事件，包括：
86.根据所述第一数据，确定目标时空阈，所述目标时空阈用于指示所述第一事件的发生时间到所述第一事件发生后第一预设时间的时间阈，以及，所述第一事件的发生位置到所述第一路段中所述发生位置上游预设距离的空间阈；
87.根据所述第二数据，确定所述第三事件中发生于所述时间阈内和所述空间阈内的第二事件。
88.本发明实施例的方案，通过所述第一事件的第一数据，确定出目标时空阈，从而确定发生于所述目标时空阈内的所述事件即为与所述第一事件存在关联关系的第二事件。
89.可选地，所述获取第三事件的第二数据，包括：
90.从数据库获取所述第三事件的第三数据，所述第三数据包括所述第三事件的事件类型以及持续时间；
91.根据所述第三数据对所述第三事件进行筛选，确定通过筛选的第三事件对应的所述第二数据；
92.其中，所述通过筛选的第三事件为持续时长大于或者等于预设时间下限，和/或，事件类型为预设事件类型的事件。
93.可选地，不同类型的事件对应的预设时间下限不同。
94.本发明一实施例中，所述第三事件的类型包括异常变道、匝道有车、主路有车等发生情形复杂、不确定性大等类型的事件；因此针对所述第三事件的事件类型进行筛选，仅保留交通拥堵、道路施工、车辆慢行、超速、异常停车、闯入事件等预设事件类型的事件。所述通过筛选的第三事件为事件类型为预设事件类型的事件。
95.本发明一实施例中，针对所述第三事件，包括有持续时间较短的事件，例如仅仅持续数秒的交通拥堵事件、超速事件、闯入事件车辆逆行事件等，针对这类事件，没有分析的意义。因此，将持续时间较短的事件剔除。所述通过筛选的第三事件为持续时长大于或者等于预设时间下限的事件。
96.本发明一实施例中，同时对所述第三事件的事件类型和事件持续时间进行筛选，所述通过筛选的第三事件为事件类型为预设事件类型，且事件持续时间大于预设时间下限的事件。
97.本发明一实施例，如表1所示，针对不同事件类型剔除持续时间小于对应预设时间下限的事件。
98.表1
99.事件预设时间下限交通拥堵5min道路施工30min车辆慢行2min超速2min异常停车3min占用应急车道3min闯入事件1min车辆逆行1min
100.可选地，所述根据所述第一数据，确定目标时空阈，包括：
101.根据所述第一数据，确定第一时空阈；
102.根据所述第一时空阈，确定与所述第一时空阈对应的所述第二事件的第一数量；
103.缩小所述第一时空阈，得到第二时空阈；
104.根据所述第二时空阈，确定与所述第二时空阈对应的所述第二事件的第二数量；
105.若所述第二数量小于或者等于所述第一数量的预设比例，则所述第一时空阈为所述目标时空阈；
106.或者，若所述第二数量大于所述第一数量的预设比例，则继续缩小所述第二时空阈，直至缩小后的时空阈对应的第二事件的数量小于或者等于第一数量的预设比例。
107.可选地，所述缩小所述第一时空阈可以理解为：将所述第一时空阈对应的时间阈缩短(例如，将所述第一事件发生后的所述第一预设时间缩短)，和/或，将所述第一时空阈对应的空间阈缩小(例如，将所述第一路段中所述第一事件的发生位置上游的所述预设距离缩短)。
108.本发明一实施例中，如图3所示，
109.获取预设时间段内的交通事件的事件数据，进行事件类型和持续时长的筛选；
110.对经过筛选的事件数据进行事件特征的提取；
111.预给定第一事件a的时空阈，确定满足时空阈的第二事件b的候选集合；这里，所述第一事件的数量可以为多个；
112.构建候选集合，例如{事件a类型，事件a发生时间，事件a持续时间，事件a所在路段平均速度，事件a所在路段平均流量，事件a所在路段的湿滑度，事件a所在路段的能见度，事件b类型，事件b持续时间}；这里，所述候选集合可以为多个，每个候选集合包括一个第一事件的事件信息，以及与该第一事件对应的一个第二事件的事件信息；
113.对事件特征进行处理，将数值特征转换为类型特征(枚举类)；
114.计算多个所述第一事件和与其对应的所述第二事件的关联度；
115.这里，缩小所述时空阈可以理解为，针对多个所述第一事件，缩小所述时空阈，计算每个所述第一事件和与该第一事件对应的第二事件的关联度，通过关联算法深入挖掘法，确定每个关联度大于预设阈值的第一事件和与其对应的第二事件的关联信息的数量，根据所述关联信息的数量进行所述时空阈的缩小。
116.具体地，将所述第一时空阈缩小80％，得到第二时空阈；
117.若所述第二时空阈对应的关联信息的数量小于或者等于所述第一时空阈对应的关联信息数量的90％，则所述第一时空阈的范围划分较准确，即所述时空阈的缩小对所述第二事件的影响较大；
118.若所述第二时空阈对应关联信息的数量大于所述第一时空阈对应的关联信息数量的90％，则所述第一时空阈的范围过大，即时空阈的缩小对所述第二事件的影响较小，易带入与所述第一事件关联性较低的第二事件；则继续缩小所述第二时空阈，直至缩小后的时空阈对应的关联信息的数量小于或者等于所述第一时空阈对应的关联信息数量的90％，或者，直至所述缩小后的第m时空阈对应的关联信息的数量小于或者等于第m-1时空阈对应的关联信息数量的90％。
119.本发明实施例的交通事件关联度计算方法，通过迭代计算对时空阈的划分进行优化处理，能够准确划分出所述目标时空阈，从而筛选出与所述第一事件存在关联关系相对较大的第二事件，并且能够剔除第二事件中与所述第一事件不具有关联关系的干扰事件。提高了事件之间关联性的确定准确度，且减弱了噪声事件对事件之间关联分析的影响，降低了关联度计算中不必要的复杂性，提升了缓存空间，加快了计算速度。
120.本发明一实施例中，通过深度挖掘关联规则算法计算所述第一事件与所述第二事件之间的关联度。
121.可选地，所述根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度之前，包括：
122.对所述第一事件信息和所述第二事件信息中的数值特征进行数值范围划分，将所
述数值特征转换为类型特征，得到全部为类型特征的所述第一事件信息和所述第二事件信息；
123.其中，所述数值特征包括以下至少一项：所述第一事件的发生时间、所述第一事件的持续时间、所述第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑度、所述第一路段的能见度和所述第二事件的持续时间。
124.通过深度挖掘关联规则算法计算关联度，首先需要构建所述第一事件信息和所述第二事件信息的事件特征进行数据格式的构建。其中，事件类型属于类型特征，事件的发生时间、持续时间以及路段的平均速度、平均流量、湿滑度、能见度属于数值特征。需要对数值特征进行分类处理，转变为类型特征。
125.本发明实施例的方案，通过对所述第一事件信息和所述第二事件信息中的数值特征进行转换能够实现对所述第一事件和所述第二事件之间的关联度的定量计算。
126.本发明一实施例中，如表2所示，可以通过数值范围的划分将所述数值特征转换为类型特征。
127.表2
[0128][0129]
可选地，所述根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度，包括：
[0130]
根据所述第一事件信息以及所述第二事件信息中的每项事件特征，确定多个与一项所述事件特征对应的1项频繁项集；
[0131]
根据每个所述1项频繁项集，通过所述关联规则挖掘算法，确定n项频繁项集和k项频繁项集，n和k均为大于1的整数，且k大于n；
[0132]
计算所述n项频繁项集的第一支持度以及所述k项频繁项集的第二支持度；
[0133]
所述第二支持度与所述第一支持度的商为所述第一事件与所述第二事件的关联度；
[0134]
其中，所述n项频繁项集为关于所述第一事件信息的项集，所述k项频繁项集为关于所述第一事件信息和所述第二事件信息的项集。
[0135]
具体地，所述第一支持度与所述第二支持度的商可以理解为，所述第一事件发生导致所述第二事件发生的条件概率。
[0136]
本发明一实施例中，所述第一事件与所述第二事件的关联度大于60％，则判定所述第二事件由所述第一事件引起。
[0137]
可选地，所述n项频繁项集为7项频繁项集，且所述k项频繁项集为9项频繁项集。
[0138]
需要说明的是，深度挖掘关联规则算法主要思想是通过连接产生候选项及其支持度，然后通过剪枝生成频繁项集。
[0139]
频繁项集的所有非空子集一定是频繁项集。其中，项集a、b同时发生的概率称为关联规则的支持度，公式为：
[0140][0141]
其中，σ(a∪b)表示项集a、b同时发生的事件个数，n表示所有事件的个数。
[0142]
最小支持度是衡量支持度的一个阈值，表示项目集在统计意义上的最低重要性。项集a发生，则项集b发生的概率为关联规则的置信度，公式为：
[0143][0144]
其中，σ(a)表示项集a发生的事件个数。
[0145]
最小置信度是衡量置信度的一个阈值，表示关联规则的最低可靠性。
[0146]
本发明一实施例中，所述第一事件(事件a)和第二事件(事件b)的事件信息的事件特征的保存格式可以为候选集合，例如：{事件a类型，事件a发生时间，事件a持续时间，事件a所在路段平均速度，事件a所在路段平均流量，事件a所在路段的湿滑度，事件a所在路段的能见度，事件b类型，事件b持续时间}，所述候选集合中的每个元素均可以为一个一项频繁项集。需要说明的是，所述1项频繁项集为支持度大于最小支持度的频繁项集。
[0147]
如图4所示，本发明一实施例的交通事件关联度计算方法：
[0148]
提取所述第一事件信息和所述第二事件信息的事件特征，并将所述事件特征以候选集合的形式作为输入；
[0149]
对于由一个所述事件特征构成的一项候选集合进行支持度的判断，支持度大于最小支持度的候选集合为所述1项频繁项集；
[0150]
将所述1项频繁项集两两组合遍历取并集，由于频繁项集的所有非空子集一定是频繁项集，所以取并得到的所有2项候选集都是2项频繁项集；
[0151]
将所述2项频繁项集的前一项排序并两两遍历组合，若有相同的一项，则将两个2项频繁项集取并集，组成三项候选集，由于频繁项集的所有非空子集一定是频繁项集，所以如果三项候选集的任意两项子集都是频繁项集，则该三项候选集是3项频繁项集；
[0152]
以此类推，取得k项频繁项集。本发明中的事件特征{事件a类型，事件a发生时间，事件a持续时间，事件a所在路段平均速度，事件a所在路段平均流量，事件a所在路段的湿滑度，事件a所在路段的能见度，事件b类型，事件b持续时间}一共有九项，其中主事件a的重要特征有七项，所以取只含有事件a特征的7项频繁项集及支持度、包含事件a和事件b的9项频繁项集及支持度；
[0153]
将只含有事件a特征的7项频繁项集与含有事件对a、b的9项频繁项集两两组合遍历，若7项频繁项集是9项频繁项集的子集，则用9项频繁项集的支持度除以7项频繁项集支持度，得到的商表示在事件a发生导致事件b发生的概率，即事件对a、b的关联度。
[0154]
需要说明的是，本发明实施例的深度挖掘关联规则算法仅针对只含有事件a特征的7项频繁项集与含有事件对a、b的9项频繁项集的支持度进行计算，省略了对每个频繁项集的支持度进行计算，优化了深度挖掘关联规则算法。
[0155]
本发明实施例的交通事件关联度计算方法，通过计算所述第一事件和所述第二事件的关联度，能够分析引起二次事件的交通事件有哪些，并给出该第一事件对不同的第二事件的影响占比；同时，能够根据已经发生的事件预测该事件将会引起的二次事件，并确定出该事件对不同的二次事件的影响占比，从而达到事件预警的目的。
[0156]
本发明一实施例中，通过多次所述交通事件关联度计算方法，建立关联信息库。将每个关联度大于预设阈值的第一事件与第二事件之间的关联度和事件信息保存至所述关联信息库。
[0157]
如图5所示，根据所述关联信息库，在判断两个事件是否具有关联性时：
[0158]
通过主事件a的事件id和二次事件b的事件id查询数据库，获取两个事件的事件信息；
[0159]
判断主事件和二次事件是否满足时空阈的要求；
[0160]
若主事件和二次事件满足时空阈的要求，进一步构建包括主事件和二次事件的事件信息的数据集；
[0161]
查询所述关联信息库，判断主事件和二次事件是否与关联信息库中的信息匹配，从而判断主事件和二次事件的关联度。
[0162]
第二实施例
[0163]
如图6所示，本发明的实施例提供了一种交通事件关联度计算装置600，包括：
[0164]
确定模块601，用于确定第一事件以及与所述第一事件存在关联关系的第二事件；
[0165]
获取模块602，用于获取所述第一事件的第一事件信息以及所述第二事件的第二事件信息；
[0166]
计算模块603，用于根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度；
[0167]
其中，所述第一事件信息包括以下至少一项：所述第一事件的类型、所述第一事件的发生时间、所述第一事件的持续时间、发生所述第一事件的第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑度以及所述第一路段的能见度；所述第二事件信
息包括以下至少一项：所述第二事件的事件类型和持续时间。
[0168]
本发明实施例的交通事件关联度计算装置，通过确定与第一事件存在关联关系的第二事件，并通过获取所述第一事件的第一事件信息和所述第二事件的第二事件信息计算所述第一事件与所述第二事件的关联度。本发明的方案，能够对存在关联关系的事件之间的关联度进行定量的计算。
[0169]
可选地，所述确定模块，还用于：
[0170]
确定所述第一事件，并获取所述第一事件的第一数据，所述第一数据包括所述第一事件的发生位置、发生时间以及持续时间；
[0171]
获取多个第三事件以及所述第三事件的第二数据，所述第二数据包括所述第三事件的发生位置以及发生时间；
[0172]
根据所述第一数据和所述第二数据确定所述第二事件。
[0173]
可选地，所述确定模块，还用于：
[0174]
根据所述第一数据，确定目标时空阈，所述目标时空阈用于指示所述第一事件的发生时间到所述第一事件发生后第一预设时间的时间阈，以及，所述第一事件的发生位置到所述第一路段中所述发生位置上游预设距离的空间阈；
[0175]
根据所述第二数据，确定所述第三事件中发生于所述时间阈内和所述空间阈内的第二事件。
[0176]
可选地，所述确定模块，还用于：
[0177]
根据所述第一数据，确定第一时空阈；
[0178]
根据所述第一时空阈，确定与所述第一时空阈对应的所述第二事件的第一数量；
[0179]
缩小所述第一时空阈，得到第二时空阈；
[0180]
根据所述第二时空阈，确定与所述第二时空阈对应的所述第二事件的第二数量；
[0181]
若所述第二数量小于或者等于所述第一数量的预设比例，则所述第一时空阈为所述目标时空阈；
[0182]
或者，若所述第二数量大于所述第一数量的预设比例，则继续缩小所述第二时空阈，直至缩小后的时空阈对应的第二事件的数量小于或者等于第一数量的预设比例。
[0183]
可选地，所述获取模块，还用于：
[0184]
从数据库获取所述第三事件的第三数据，所述第三数据包括所述第三事件的事件类型以及持续时间；
[0185]
根据所述第三数据对所述第三事件进行筛选，确定通过筛选的第三事件对应的所述第二数据；
[0186]
其中，所述通过筛选的第三事件为持续时长大于或者等于预设时间下限，和/或，事件类型为预设事件类型的事件。
[0187]
可选地，所述计算模块，还用于：
[0188]
对所述第一事件信息和所述第二事件信息中的数值特征进行数值范围划分，将所述数值特征转换为类型特征，得到全部为类型特征的所述第一事件信息和所述第二事件信息；
[0189]
其中，所述数值特征包括以下至少一项：所述第一事件的发生时间、所述第一事件的持续时间、所述第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑
度、所述第一路段的能见度和所述第二事件的持续时间。
[0190]
可选地，所述计算模块，还用于：
[0191]
根据所述第一事件信息以及所述第二事件信息中的每项事件特征，确定多个与一项所述事件特征对应的1项频繁项集；
[0192]
根据每个所述1项频繁项集，通过所述关联规则挖掘算法，确定n项频繁项集和k项频繁项集，n和k均为大于1的整数，且k大于n；
[0193]
计算所述n项频繁项集的第一支持度以及所述k项频繁项集的第二支持度；
[0194]
所述第二支持度与所述第一支持度的商为所述第一事件与所述第二事件的关联度；
[0195]
其中，所述n项频繁项集为关于所述第一事件信息的项集，所述k项频繁项集为关于所述第一事件信息和所述第二事件信息的项集；
[0196]
其中，所述n项频繁项集为7项频繁项集，且所述k项频繁项集为9项频繁项集。
[0197]
第三实施例
[0198]
为了更好的实现上述目的，如图7所示，本发明还提供了一种交通事件关联度计算设备，包括：处理器700；以及通过总线接口与所述处理器700相连接的存储器720，所述存储器720用于存储所述处理器700在执行操作时所使用的程序和数据，处理器700调用并执行所述存储器720中所存储的程序和数据。
[0199]
其中，收发机710与总线接口连接，用于在处理器700的控制下接收和发送数据；
[0200]
处理器700用于读取存储器720中的程序执行以下步骤：
[0201]
确定第一事件以及与所述第一事件存在关联关系的第二事件；
[0202]
收发机710用于：
[0203]
获取所述第一事件的第一事件信息以及所述第二事件的第二事件信息；
[0204]
可选的，所述处理器700还用于：根据所述第一事件信息以及所述第二事件信息，计算所述第一事件与所述第二事件的关联度；
[0205]
其中，所述第一事件信息包括以下至少一项：所述第一事件的类型、所述第一事件的发生时间、所述第一事件的持续时间、发生所述第一事件的第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑度以及所述第一路段的能见度；所述第二事件信息包括以下至少一项：所述第二事件的事件类型和持续时间。
[0206]
其中，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器700代表的一个或多个处理器和存储器720代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机710可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。针对不同的交通事件关联度计算设备，用户接口730还可以是能够外接内接需要设备的接口，连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。处理器700负责管理总线架构和通常的处理，存储器720可以存储处理器700在执行操作时所使用的数据。
[0207]
可选的，所述处理器700，还用于：
[0208]
确定所述第一事件，并获取所述第一事件的第一数据，所述第一数据包括所述第一事件的发生位置、发生时间以及持续时间；
[0209]
获取多个第三事件以及所述第三事件的第二数据，所述第二数据包括所述第三事件的发生位置以及发生时间；
[0210]
根据所述第一数据和所述第二数据确定所述第二事件。
[0211]
可选的，所述处理器700还用于：
[0212]
根据所述第一数据，确定目标时空阈，所述目标时空阈用于指示所述第一事件的发生时间到所述第一事件发生后第一预设时间的时间阈，以及，所述第一事件的发生位置到所述第一路段中所述发生位置上游预设距离的空间阈；
[0213]
根据所述第二数据，确定所述第三事件中发生于所述时间阈内和所述空间阈内的第二事件。
[0214]
可选的，所述收发机710，用于：
[0215]
从数据库获取所述第三事件的第三数据，所述第三数据包括所述第三事件的事件类型以及持续时间；
[0216]
根据所述第三数据对所述第三事件进行筛选，确定通过筛选的第三事件对应的所述第二数据；
[0217]
其中，所述通过筛选的第三事件为持续时长大于或者等于预设时间下限，和/或，事件类型为预设事件类型的事件。
[0218]
可选的，所述处理器700还用于：
[0219]
根据所述第一数据，确定第一时空阈；
[0220]
根据所述第一时空阈，确定与所述第一时空阈对应的所述第二事件的第一数量；
[0221]
缩小所述第一时空阈，得到第二时空阈；
[0222]
根据所述第二时空阈，确定与所述第二时空阈对应的所述第二事件的第二数量；
[0223]
若所述第二数量小于或者等于所述第一数量的预设比例，则所述第一时空阈为所述目标时空阈；
[0224]
或者，若所述第二数量大于所述第一数量的预设比例，则继续缩小所述第二时空阈，直至缩小后的时空阈对应的第二事件的数量小于或者等于第一数量的预设比例。
[0225]
可选的，所述处理器700还用于：
[0226]
对所述第一事件信息和所述第二事件信息中的数值特征进行数值范围划分，将所述数值特征转换为类型特征，得到全部为类型特征的所述第一事件信息和所述第二事件信息；
[0227]
其中，所述数值特征包括以下至少一项：所述第一事件的发生时间、所述第一事件的持续时间、所述第一路段的平均速度、所述第一路段的平均流量、所述第一路段的湿滑度、所述第一路段的能见度和所述第二事件的持续时间。
[0228]
可选的，所述处理器700还用于：
[0229]
根据所述第一事件信息以及所述第二事件信息中的每项事件特征，确定多个与一项所述事件特征对应的1项频繁项集；
[0230]
根据每个所述1项频繁项集，通过所述关联规则挖掘算法，确定n项频繁项集和k项频繁项集，n和k均为大于1的整数，且k大于n；
[0231]
计算所述n项频繁项集的第一支持度以及所述k项频繁项集的第二支持度；
[0232]
所述第二支持度与所述第一支持度的商为所述第一事件与所述第二事件的关联
度；
[0233]
其中，所述n项频繁项集为关于所述第一事件信息的项集，所述k项频繁项集为关于所述第一事件信息和所述第二事件信息的项集；
[0234]
其中，所述n项频繁项集为7项频繁项集，且所述k项频繁项集为9项频繁项集。
[0235]
本发明提供的交通事件关联度计算设备，通过确定与第一事件存在关联关系的第二事件，并通过获取所述第一事件的第一事件信息和所述第二事件的第二事件信息计算所述第一事件与所述第二事件的关联度。本发明的方案，能够对存在关联关系的事件之间的关联度进行定量的计算。
[0236]
本领域技术人员可以理解，实现上述实施例的全部或者部分步骤可以通过硬件来完成，也可以通过计算机程序来指示相关的硬件来完成，所述计算机程序包括执行上述方法的部分或者全部步骤的指令；且该计算机程序可以存储于一可读存储介质中，存储介质可以是任何形式的存储介质。
[0237]
另外，本发明具体实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的第一实施例中的方法的步骤。且能达到相同的技术效果，为避免重复，这里不再赘述。
[0238]
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
[0239]
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
[0240]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。