[发明专利]一种基于城市大数据的道路障碍风险评估方法、装置及可读存储介质

权利要求书

1.一种基于城市大数据的道路障碍风险评估方法，其特征在于，包括如下步骤：

城市路网提取：根据经纬度划分成同样大小的网格，根据每个浮动车的GPS坐标映射到对应的网格内，统计每个时间段各个网格浮动车的数量；将每个网格每个小时对应的浮动车数量进行聚类，提取出路网并且将路网分成相应路段；

路网特征提取：提取每个路网网格对应的时空和情境特征；时空特征为相应时间相应位置的天气特征，情境特征主要包括DEM、树木覆盖率和POI特征；

道路障碍风险预测：通过社交网络数据，利用关键字，爬取字段，通过群智感知系统，由群智感知者进行录入，获取到最终发生道路障碍数据；通过统计各个时段浮动车的数量，设置阈值，获取各个时段各个路网网格无发生道路障碍事件数据；根据提取到的路网特征以及所对应的发生道路障碍和没有发生道路障碍的事件，基于Self-training自训练模型的模型预测；

所述通过统计各个时段浮动车的数量，设置阈值，获取各个时段各个路网网格无发生道路障碍事件数据，具体包括：

将浮动车按各个时间映射到各个路网当中；

设置阈值，大于阈值则认为所述时间段、所述路网网格无发生道路障碍事件，作为无发生道路障碍事件数据；

所述根据提取到的路网特征以及所对应的发生道路障碍和没有发生道路障碍的事件，基于Self-training自训练模型的模型预测，具体包括：

根据提取到的路网特征以及所对应的发生道路障碍和没有发生道路障碍的事件；

合并所提取的路网特征以及事件数据，得到三个数据集，一个为发生道路障碍事件数据集，一个为无发生道路障碍数据集，一个为未知数据集；

将发生道路障碍事件数据集和无发生道路障碍数据集进行训练，得到一个分类器后，对未知数据集进行预测，取置信度最高的N个数据加入训练集中训练，直到模型最优，N为整数。

2.根据权利要求1所述的一种基于城市大数据的道路障碍风险评估方法，其特征在于，所述路网特征提取，提取每个路网网格对应的时空和情境特征；时空特征为相应时间相应位置的天气特征，情境特征主要包括DEM、树木覆盖率和POI特征，具体为：

对于时空特征，通过UndergroundWeatherAPI获取相应的天气特征；

对于情境特征，通过数字高程模型(DEM)映射到每个路网网格，获取到DEM特征，再通过每个路网网格城市遥感卫星图像，进行AlexNet训练并分类，得到路网网格的树木覆盖率，最后将POI根据GPS映射到各个路网网格中，并统计数量，作为POI特征。