交通信息发布系统、方法、计算机设备及存储介质与流程

本发明涉及智能交通，尤其涉及交通信息发布系统、方法、计算机设备及存储介质。

背景技术：

1、智能交通是应用现代信息技术、数据通信传输技术、电子感知技术、控制技术和计算机技术于整个地面交通管理系统的一种综合运输管理系统，通过以上技术的综合应用，提高交通效率，增强交通安全，改善交通服务，节约交通时间，减少环境影响。

2、其中，交通信息发布系统是智能交通中的一个重要组成部分，核心目的是收集、处理、发布交通信息，以便交通参与者能够获取实时、准确的交通状况信息，这一系统的设立旨在提高交通效率，减少交通拥堵，提升道路安全，为用户规划最佳路线提供支持，从而达到缓解交通压力、提高公共交通使用率、降低事故发生率等效果。

3、传统交通信息发布系统缺乏对用户行为的深入分析和交通数据的全面整合，导致其在交通管理和信息发布上存在局限性，不能精确预测交通流量和拥堵点，导致无法提前采取有效措施，减轻或避免交通拥堵，影响交通效率和用户出行体验，缺乏个性化的交通信息推荐，用户无法获得最适合自己的出行建议，导致出行效率低下，传统系统在信息发布策略上通常采用静态模式，缺少根据实时交通状况和用户需求进行调整的能力，降低了信息服务的实用性和有效性，导致用户体验不佳，降低了公共服务的整体质量。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的交通信息发布系统、方法、计算机设备及存储介质。

2、为了实现上述目的，本发明采用了如下技术方案：交通信息发布系统包括信息评估模块、用户行为分析模块、跨域数据分析模块、关联分析模块、信息推荐模块、发布策略优化模块；

3、所述信息评估模块基于收集到的交通信息，采用多属性决策制定技术，对信息的紧急程度、影响范围、时间敏感性属性进行量化评分，应用加权和排序法，对多项属性进行权重分配和综合评分，排序每条信息，通过技术排序法优化排序结果，确定信息优先级，将多维度信息属性转化为单一综合评分，生成信息优先级评估结果；

4、所述用户行为分析模块基于信息优先级评估结果，采用孤立森林算法，分析用户行为数据，识别异常行为，通过聚类算法，细分异常行为模式，识别非典型查询模式和需求突变，提炼信息，生成用户行为异常分析结果；

5、所述跨域数据分析模块基于用户行为异常分析结果，采用自回归移动平均模型，处理历史交通数据，分析趋势和季节性变化，预测交通流量，采用循环神经网络技术，整合交通监测、气象、社会活动跨域数据，通过深度学习，预测交通流量和拥堵情况，分析提取跨域数据相关性，生成交通预测分析方案；

6、所述关联分析模块基于交通预测分析方案，通过图卷积网络，对交通网络中多个节点和路径之间的关联性进行分析，解析节点的依赖关系，预测潜在的拥堵点和对周围交通流的影响，揭示交通流的分布特性和动态变化规律，生成交通流关联性分析结果；

7、所述信息推荐模块基于交通流关联性分析结果和用户行为异常分析结果，采用卷积神经网络，分析用户出行习惯和偏好，学习出行模式，利用循环神经网络，处理实时交通状况数据，预测短期内交通状况变化，解析用户需求与当前交通状况，生成个性化交通信息推荐结果；

8、所述发布策略优化模块基于个性化交通信息推荐结果，通过动态调整算法，对信息发布的内容、频率、渠道进行优化，分析用户反馈和实时交通状况变化，调整发布策略匹配当前需求，优化信息发布的及时性和相关性，生成信息发布策略；

9、所述信息优先级评估结果包括紧急程度指数、影响区域大小、预期影响持续时间，所述用户行为异常分析结果包括异常查询频次、异常查询时间段、非典型路线选择，所述交通预测分析方案包括预测的交通流量变化、潜在的拥堵区域、影响交通流关键外部因素，所述交通流关联性分析结果包括关键节点和路径的关联性评分、预测的拥堵节点、交通流传播路径，所述个性化交通信息推荐结果包括用户偏好路线、建议出行时间段、应对策略，所述信息发布策略包括信息内容调整参数、发布频率的调整规则、选定的发布渠道。

10、作为本发明的进一步方案，所述信息评估模块包括紧急程度分析子模块、影响范围分析子模块、时间敏感性分析子模块；

11、所述紧急程度分析子模块基于收集到的交通信息，采用多属性决策制定技术，对信息的紧急程度进行量化评分，通过设置紧急程度量化标准，将信息的紧急情况转化为数值评分，生成紧急程度评分；

12、所述影响范围分析子模块基于紧急程度评分，采用加权和排序法，对信息的影响范围进行量化评分，通过紧急程度评分，进行权重分配，生成影响范围评分；

13、所述时间敏感性分析子模块基于影响范围评分，采用技术排序法，对信息的时间敏感性量化评分，通过紧急程度评分和影响范围评分，进行综合分析，确定信息的优先级，生成信息优先级评估结果。

14、作为本发明的进一步方案，所述用户行为分析模块包括查询频次分析子模块、查询时间分析子模块、路线选择分析子模块；

15、所述查询频次分析子模块基于信息优先级评估结果，采用孤立森林算法，分析用户的查询频次，筛选异常频次的查询行为，生成查询频次异常指标；

16、所述查询时间分析子模块基于查询频次异常指标，采用聚类算法，分析用户查询行为时间分布，识别非典型时间段异常查询行为，识别时间因素对用户异常行为的作用，生成查询时间异常指标；

17、所述路线选择分析子模块基于查询时间异常指标，采用孤立森林算法，分析用户路线选择行为，识别用户非典型查询模式，通过用户查询频次和查询时间异常指标，评估用户行为异常程度，生成用户行为异常分析结果。

18、作为本发明的进一步方案，所述跨域数据分析模块包括交通流量预测子模块、拥堵点识别结果子模块、外部因素影响分析子模块；

19、所述交通流量预测子模块基于用户行为异常分析结果，采用自回归移动平均模型，通过历史交通数据，分析交通流量的趋势和季节性变化，通过历史数据建立模型，预测未来交通流量，生成交通流量趋势预测；

20、所述拥堵点识别结果子模块基于交通流量趋势预测，采用循环神经网络技术，整合实时交通监控数据，分析预测拥堵点，处理时间序列数据，识别流量突增的区域和时间，生成拥堵点识别结果；

21、所述外部因素影响分析子模块基于拥堵点识别结果，采用循环神经网络技术，整合跨域数据，分析影响交通流量和拥堵状况的气象、社会活动，通过深度学习模型，预测跨域数据对交通流量影响，生成交通预测分析方案。

22、作为本发明的进一步方案，所述关联分析模块包括节点关联性评分子模块、拥堵预测子模块、流量传播分析子模块；

23、所述节点关联性评分子模块基于交通预测分析方案，采用图卷积网络，分析交通网络中多个节点间的关联性，评估节点在交通网络中的重要性和关联性，通过提取节点特征、聚合邻居信息和计算关联性评分，生成节点关联性评分；

24、所述拥堵预测子模块基于节点关联性评分，采用长短期记忆网络，对潜在拥堵点进行评估，捕获时间序列数据中的长期依赖关系，分析交通流量数据和节点关联性，预测在目标时间段发生的拥堵情况，生成拥堵点预测信息；

25、所述流量传播分析子模块基于拥堵点预测信息，应用传染病传播模型，分析交通流量的传播模式，包括节点之间的关联性和交通流量变化，分析交通流在整个网络中的分布特征和动态变化规律，生成交通流关联性分析结果。

26、作为本发明的进一步方案，所述信息推荐模块包括出行习惯分析子模块、实时状况分析子模块、推荐策略生成子模块；

27、所述出行习惯分析子模块基于交通流关联性分析结果和用户行为异常分析结果，采用卷积神经网络技术，分析用户历史出行数据，识别用户出行习惯和偏好，通过用户历史出行模式，包括常用路线和出行时间，生成用户出行习惯分析结果；

28、所述实时状况分析子模块基于用户出行习惯分析结果，采用循环神经网络技术，通过实时交通状况数据，分析当前交通状况，包括拥堵信息、事故信息、用户出行习惯，生成实时交通状况分析结果；

29、所述推荐策略生成子模块基于实时交通状况分析结果，采用卷积神经网络和循环神经网络技术，通过用户出行习惯和当前交通状况，分析出行时间和路线，生成个性化交通信息推荐结果。

30、作为本发明的进一步方案，所述发布策略优化模块包括内容调整策略子模块、发布频率管理子模块、渠道选择优化子模块；

31、所述内容调整策略子模块基于个性化交通信息推荐结果，采用文本挖掘算法，提取用户特征，利用支持向量机算法，通过用户的历史偏好和反馈，对信息进行分类和优先级排序，分析信息内容，进行个性化调整，生成内容调整方案；

32、所述发布频率管理子模块基于内容调整方案，采用时间序列分析，匹配信息发布时间点，调整信息发布频率，利用泊松分布模型，通过预测结果和实时交通情况调整发布频率，生成频率调整方案；

33、所述渠道选择优化子模块基于频率调整方案，利用分析层次过程，评估多个渠道的有效性、科学性、合理性，优化信息发布渠道，采用遗传算法，分析多个发布渠道，匹配最优组合，生成信息发布策略。

34、交通信息发布方法基于交通信息发布系统执行，所述交通信息发布方法包括以下步骤：

35、s1：基于收集到的交通信息，采用多属性决策制定技术，对信息的紧急程度、影响范围、时间敏感性属性进行量化评分，通过加权和排序法进行综合评分，分配每条信息的优先级，生成信息优先度评分；

36、s2：基于所述信息优先度评分，采用孤立森林算法，分析用户行为数据，识别异常行为模式，通过密度聚类算法细分异常模式，识别非典型的查询模式和需求突变，生成用户行为异常指标；

37、s3：基于所述用户行为异常指标，采用自回归移动平均模型和循环神经网络，分析历史交通数据趋势，整合跨域数据，包括交通监测、气象、社会活动，预测交通流量和拥堵情况，生成交通趋势预测分析；

38、s4：基于所述交通趋势预测分析，采用图卷积网络，分析交通网络中多个节点和路径间的关联性，预测潜在拥堵点和对周围交通流的影响，生成交通流关联性评价；

39、s5：基于所述交通流关联性评价和用户行为异常指标，采用卷积神经网络和循环神经网络，分析用户出行习惯，结合实时交通状况，提供个性化出行方案，生成个性化交通信息推荐；

40、s6：基于所述个性化交通信息推荐，采用动态调整算法，通过实时交通状况和用户反馈，对发布内容、频率和渠道进行优化调整，生成优化后的发布内容和频率；

41、s7：基于所述优化后的发布内容和频率，采用动态调整算法，通过多种渠道的特点和用户偏好，匹配合适的信息发布渠道，生成信息发布策略。

42、一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如上述所述的交通信息发布系统。

43、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述的交通信息发布方法的步骤。

44、与现有技术相比，本发明的优点和积极效果在于：

45、本发明中，通过采用多属性决策制定技术对交通信息进行综合评分，实现了对信息优先级的精准判定，将紧急和重要的交通信息优先发布，有效提高了交通管理的实时性和准确性。通过孤立森林算法和聚类算法精确分析用户行为，识别异常行为模式并快速响应，这样的用户行为分析机制大幅提高了系统对突发事件的反应能力和预测准确率。通过自回归移动平均模型和循环神经网络，整合并分析大范围跨域数据，使得交通流量和拥堵情况的预测更为全面和准确。通过图卷积网络的应用，允许系统预测潜在拥堵点并评估其对周围交通流的影响，为交通规划和管理提供了更加科学和精确的依据。通过分析结果提供个性化的交通信息推荐，大幅提升了用户体验和满意度，通过动态调整算法对信息发布的内容、频率和渠道进行优化，确保信息发布的及时性和相关性，有效提升了信息服务的质量和效率。