本发明属于交通数据监测，具体涉及基于智能识别的交通违法数据监测预警方法及系统。
背景技术：
1、传统交通监管模式主要依赖于固定的监控摄像头和交警的巡逻。然而，由于交警数量和分布的限制，以及交警巡逻路线的固定性，导致存在监控盲区。这些盲区往往是交通违法行为和交通事故的高发区域，同时人工响应速度较慢，尤其是在复杂情况下，如交通拥堵、恶劣天气等，交警需要花费更多时间到达现场并作出判断，进一步导致交通事故的增长，此外人工监控易遗漏重要事件。
2、当前智能识别的监测预警系统，结合ai算法，可以实现对交通道路的全天候、全方位监控，准确识别交通违法行为，如闯红灯、逆行、超速、不按规定车道行驶等，从而显著提高了监控的覆盖率和准确性。
3、如何通过交通违法数据分析交通违法行为与交通事故的关联性，从而实现对交通违法数据的监测预警是当前亟需解决的问题。
技术实现思路
1、本发明的目的在于提供基于智能识别的交通违法数据监测预警方法及系统，用于解决现有技术中如何通过交通违法数据分析交通违法行为与交通事故的关联性的技术问题。
2、为了实现上述目的，本发明采用了如下技术方案：
3、基于智能识别的交通违法数据监测预警方法，包括：
4、步骤一、确定监测区域，通过监测设备对监测区域实时监测，收集监测区域的道路限制属性，从交通数据中提取关键特征，根据关键特征识别交通数据中是否存在违法行为，确定各时间段内的违法信息；
5、步骤二、基于违法信息与道路限制属性，计算各时间段的违法程度值；
6、步骤三、划分历史交通数据，通过设置违法程度变化值计算公式，确定违法程度值的变化情况；
7、步骤四、设置危险趋势度公式，筛选违法程度值阈值与违法程度变化值阈值，通过比较违法程度值、违法程度变化值与违法程度值阈值、违法程度变化值阈值，实现对交通违法数据的监测预警。
8、步骤一的具体内容包括：通过交通监测平台，确定监测区域，以时间t划分时间段，通过部署在监测区域内各路段、区域的监测设备，实现对每个时间段内监测区域交通数据的实时监测，获得每个时间段内的交通数据，收集监测区域内各路段、区域的道路限制属性，道路限制属性包括：空间限制属性、行为限制属性以及车辆限制属性；
9、其中，空间限制属性指由部门或组织对监测区域内各路段、区域在一定空间内的制定的各种限制条件，表示为，其中表示监测区域的第i个关于空间限制属性的限制条件，b表示监测区域内一共包含b个限制条件；
10、行为限制属性指由部门或组织对路人与驾驶员行为的各种限制条件，表示为，其中表示监测区域的第i个关于行为限制属性的限制条件，c表示一共包含c个关于行为限制属性的限制条件；
11、车辆限制属性指由部门或组织对行驶车辆的各种限制条件，表示为，其中表示监测区域的第i个关于车辆限制属性的限制条件，d表示一共包含d个关于行为限制属性的限制条件；
12、按时间段顺序从实时监测的交通数据中提取关键特征，具体方法为在一个时间段内每搁a秒设置一时间间隔点，每经过一时间间隔点收集一次实时监测的交通数据，再确定每次收集的交通数据的关键体征，关键特征包括：车辆与路人的速度、位置与行进方向，利用智能识别算法结合道路限制属性，将关键特征与限制条件进行匹配，当关键特征出现不满足道路限制属性的限制条件时，则判断存在违法行为，反之，则判断不存在违法行为，将被判断存在违法行为的关键特征标记为违法信息。
13、步骤二的具体内容包括：对于确定的监测区域，综合违法信息代表的关键特征与道路限制属性的对应关系，设置违法程度值，每个时间段内的违法程度值通过计算各时间段内所有时间点的违法程度值得到，具体公式如下所示：
14、；
15、其中，p表示违法程度值，n表示第n个时间段，m表示第m个时间点，m表示一个时间段内一共含有m个时间点，表示在第n个时间段的第m个时间点关于空间限制属性的限制程度值，表示在第n个时间段的第m个时间点关于行为限制属性的限制程度值，表示在第n个时间段的第m个时间点关于车辆限制属性的限制程度值，表示关于空间限制属性的权重系数，表示关于行为限制属性的权重系数，表示关于车辆限制属性的权重系数，这些权重系数可以根据具体情况和需求来确定，通常是由专业人士或相关利益方共同制定和确认的。
16、进一步的，关于空间限制属性的限制程度值的具体计算公式如下所示：
17、；
18、其中，表示在第n个时间段的第m个时间点出现不满足限制条件的次数，表示足限制条件的权重系数；
19、进一步的，关于行为限制属性的限制程度值的具体计算公式如下所示：
20、；
21、其中，表示在第n个时间段的第m个时间点出现不满足限制条件的次数，表示限制条件的权重系数；
22、进一步的，关于车辆限制属性的限制程度值的具体计算公式如下所示：
23、；
24、其中，表示在第n个时间段的第m个时间点出现不满足限制条件的次数，表示限制条件的权重系数。
25、其中、与这些权重系数可以根据具体情况和需求来确定，通常是由专业人士或相关利益方共同制定和确认的。
26、步骤三的具体内容包括：收集监测区域t时间内的历史交通数据，将历史交通数据划分为两部分，一部分代表在连续时间内未发生交通事故的交通数据，记为安全数据；另一部分代表在连续时间内发生交通事故的交通时间，记为事故数据；其中安全数据的连续时间由多个相邻时间段组成，事故数据的连续时间由j个相邻时间段组成，且该相邻时间段的最后一个时间段内发生了交通事故，计算安全数据与事故数据在各时间段内的违法程度值，根据相邻时间段的违法程度值确定违法程度值的变化情况，设置违法程度变化值计算公式，具体公式如下所示：
27、；
28、其中，f表示违法程度变化值，用来体现不同时间段违法程度值的变化情况，表示第n个时间段，表示第n个时间段的违法程度值，e表示自然数对数的底数，r表示常数。
29、通过相邻时间段违法程度变化值的大小关系确定违法程度值的变化情况。
30、步骤四的具体内容包括：根据违法程度值与违法程度变化值在安全数据与事故数据中的变化趋势，设置危险趋势度公式，用于筛选违法程度值阈值与违法程度变化值阈值，筛选违法程度值阈值的危险趋势度公式具体如下所示：
31、；
32、其中q(p)表示违法程度值p的危险趋势度，表示安全数据内小于等于p的违法程度值占总违法程度值的比例，表示事故数据内小于等于p的违法程度值占总违法程度值的比例，r表示常数。
33、筛选违法程度变化值阈值的危险趋势度公式具体如下所示：
34、；
35、其中q(f)表示违法程度变化值f的危险趋势度，表示安全数据内小于等于f的违法程度变化值占总违法程度变化值的比例，表示事故数据内小于等于f的违法程度变化值占总违法程度变化值的比例，r表示常数。
36、设置危险趋势度阈值qs，当q(p)小于等于qs时，表示小于等于p的违法程度值在对应时间段内发生交通事故的概率小，当q(f)小于等于qs时，表示小于等于f的违法程度变化值在对应时间段内发生交通事故的概率小。
37、以q(p)小于等于qs为条件，筛选能够满足该条件的p的最大值，记为maxp；相同的，以q(f)小于等于qs为条件，筛选能够满足该条件的f的最大值，记为maxf；
38、将maxp设置为违法程度值阈值，将maxf设置为违法程度变化值阈值，若当前时间段的违法程度值大于maxp时，发送预警信息至交通监测平台；若当前时间段与其前一时间段的违法程度变化值大于maxp时，发送预警信息至交通监测平台，若当前时间段的违法程度值与其前一时间段的违法程度变化值都满足小于等于对应阈值时，不发送预警信息。
39、本发明还提供一种基于智能识别的交通违法数据监测预警系统，主要包括：违法监测单元、违法程度值计算单元、违法程度变化值计算单元与交通违法预警单元；
40、其中，违法监测单元，用于确定监测区域，以时间t划分时间段，对每个时间段内监测区域交通数据的实时监测，获得每个时间段内的交通数据，收集监测区域内各路段、区域的道路限制属性，按时间段顺序从实时监测的交通数据中提取关键特征，利用智能识别算法结合道路限制属性，将关键特征与道路限制属性进行匹配，判断是否存在违法行为；
41、违法程度值计算单元，用于综合违法信息代表的关键特征与道路限制属性的对应关系，设置违法程度值，每个时间段内的违法程度值通过计算各时间段内所有时间点的违法程度值得到；
42、违法程度变化值计算单元，用于划分历史交通数据，根据交通数据相邻时间段的违法程度值计算违法程度变化值。
43、交通违法预警单元，用于根据违法程度值与违法程度变化值在安全数据与事故数据中的变化趋势，筛选违法程度值阈值与违法程度变化值阈值，比较违法程度值、违法程度变化值与对应阈值的大小关系，判断是否发送预警信息。
44、综上所述，由于采用了上述技术方案，本发明的有益效果是：
45、1、本发明通过定义道路限制属性，提取交通数据的关键特征，从而确定违法信息，根据违法信息设置违法程度值，精准定位违法行为严重程度较高的时间段，在纠正违法行为方面提供了科学依据，提高了纠正违法行为资源分配的效率；
46、2、本发明设置的违法程度变化值，通过计算相邻时间段的违法程度值的变化情况，可以直观地反映交通违法行为的增减趋势，实现对交通违法行为的动态监测，以及对交通数据中的潜在风险进行精准预测，有助于提高监测区域道路通行能力和交通管理效率；
47、3、本发明通过设置危险趋势度，筛选违法程度值与违法程度变化值的阈值，能够迅速识别不同时间段由于交通违法行为导致的危险程度，从而提高对交通违法行为处理的针对性，通过对由交通违法行为导致的高风险时间段的及时识别和干预，可以显著降低交通事故的发生率，有助于提高道路交通环境的安全性。
1.基于智能识别的交通违法数据监测预警方法，其特征在于，包括：
2.根据权利要求1所述的基于智能识别的交通违法数据监测预警方法，其特征在于，道路限制属性，具体包括空间限制属性、行为限制属性以及车辆限制属性；
3.根据权利要求1所述的基于智能识别的交通违法数据监测预警方法，其特征在于，基于违法信息与道路限制属性，计算各时间段的违法程度值，具体方法为：
4.根据权利要求3所述的基于智能识别的交通违法数据监测预警方法，其特征在于，关于空间限制属性、行为限制属性与车辆限制属性的限制程度值，具体包括：
5.根据权利要求1所述的基于智能识别的交通违法数据监测预警方法，其特征在于，划分历史交通数据，具体方法为：
6.根据权利要求1所述的基于智能识别的交通违法数据监测预警方法，其特征在于，通过设置违法程度变化值计算公式，确定违法程度值的变化情况，具体方法为：
7.根据权利要求1所述的基于智能识别的交通违法数据监测预警方法，其特征在于，设置危险趋势度公式，具体方法为：
8.根据权利要求1所述的基于智能识别的交通违法数据监测预警方法，其特征在于，筛选违法程度值阈值与违法程度变化值阈值，具体方法为：
9.基于智能识别的交通违法数据监测预警系统，应用于权利要求1-8任一项所述的基于智能识别的交通违法数据监测预警方法，其特征在于，包括：
