1.本发明涉及智能交通技术领域，具体涉及一种交通管控场景生成模型构建及交通管控场景生成方法。
背景技术：2.通常情况下，“城市大脑”、“交通小脑”等智能交通管理与控制中心所处理的交通管控场景为固定式的或预先设置的，如车辆违法、事故处置等。如何对管控中心的场景与应用进行统一的管理，以及新场景下如何合理地生成是当前各城市建设的“城市大脑”、“交通小脑”等平台需首要建设的问题。
3.现有交通管控场景生成方法主要包含利用对抗神经网络等方法可生成逼近真实场景或者依据专家经验实现，但是用于训练对抗神经网络的数据较少且依据专家经验主观性较大，使得生成的交通管控场景准确性、可行性较低，与实际场景误差较大。
技术实现要素：4.有鉴于此，本发明实施例提供了涉及一种交通管控场景生成模型构建及交通管控场景生成方法，以解决现有技术中生成的交通管控场景准确性、可行性较低，与实际场景误差较大的技术问题。
5.本发明提出的技术方案如下：
6.本发明实施例第一方面提供一种交通管控场景生成模型构建方法，该交通管控场景生成模型构建方法包括：获取用于组成交通管控场景的元素实体；确定每一个所述元素实体对应的多个元素关键词；根据所述多个元素关键词构建每一种元素关键词对应的领域知识数据集并在所述领域知识数据集中提取所述每一种元素关键词对应的关联元素关键词；对每一种所述元素关键词以及其对应的关联元素关键词进行随机排列组合得到每一种所述元素关键词对应的多个组合场景数据；将多个包含有元素关键词以及关联元素关键词的组合场景数据和所述领域知识数据集输入至预设场景生成模型中进行训练并得到交通管控场景生成模型。
7.可选地，根据所述元素关键词构建对应的领域知识数据集并在所述领域知识数据集中提取所述元素关键词对应的关联元素关键词之前，所述方法还包括：获取历史交通管控业务数据并对所述历史交通管控业务数据进行处理；根据处理结果构建对应的交通管控业务集并将所述元素实体与所述交通管控业务集进行关联处理；根据所述多个元素关键词和关联处理后的所述交通管控业务集构建每一种元素关键词对应的领域知识数据集。
8.本发明实施例第二方面提供一种交通管控场景生成方法，该交通管控场景生成方法包括：获取用于组成交通管控场景的元素实体数据集；将所述元素实体数据集输入至如本发明实施例第一方面及第一方面任一项所述的交通管控场景生成模型构建方法构建得到的交通管控场景生成模型，得到由所述元素实体数据集组成的多个目标交通管控场景以及每一种所述交通管控场景对应的置信度；将置信度满足预设置信度要求的多个目标交通
管控场景判定为可行交通管控业务场景。
9.可选地，所述将置信度满足预设置信度要求的多个目标交通管控场景判定为可行交通管控业务场景，包括：将置信度满足预设置信度要求的每一个所述目标交通管控场景对应的元素实体组合与所述领域知识数据集进行比对；根据比对结果对置信度满足预设置信度要求的多个目标交通管控场景进行筛选，将筛选后得到的目标交通管控场景作为可行交通管控业务场景。
10.可选地，所述方法还包括：当筛选处理后所述置信度满足预设置信度要求的多个目标交通管控场景均不为可行交通管控业务场景，对获取到的所述元素实体数据集进行剪枝处理；将根据剪枝处理后的元素实体数据集生成的多个目标交通管控场景对应的元素实体组合与所述领域知识数据集进行比对，其中所述目标交通管控场景对应的置信度满足预设置信度要求；根据比对结果重复对所述多个目标交通管控场景进行筛选操作。
11.可选地，根据比对结果重复对所述多个目标交通管控场景进行筛选操作之后，所述方法还包括：当经过剪枝处理后生成的所述多个目标交通管控场景中仍无可行交通管控业务场景，重复所述对获取到的所述元素实体数据集进行剪枝处理的步骤到所述根据比对结果重复对所述多个目标交通管控场景进行筛选操作的步骤，直至所述元素实体数据集中仅包含有一个元素实体。
12.可选地，所述方法还包括：当所述多个目标交通管控场景中仍不存在所述可行交通管控业务场景，将所述元素实体数据集发送至用户终端；当用户终端判定所述元素实体数据集组成的任一目标交通管控场景为所述可行交通管控业务场景，将所述目标交通管控场景对应的元素实体组合添加至所述领域知识数据集。
13.本发明实施例第三方面提供一种交通管控场景生成模型构建装置，该交通管控场景生成模型构建装置包括：第一获取模块，用于获取用于组成交通管控场景的元素实体；确定模块，用于确定每一个所述元素实体对应的多个元素关键词；提取模块，用于根据所述多个元素关键词构建每一种元素关键词对应的领域知识数据集并在所述领域知识数据集中提取所述每一种元素关键词对应的关联元素关键词；组合模块，用于对每一种所述元素关键词以及其对应的关联元素关键词进行随机排列组合得到每一种所述元素关键词对应的多个组合场景数据；训练模块，用于将多个包含有元素关键词以及关联元素关键词的组合场景数据和所述领域知识数据集输入至预设场景生成模型中进行训练并得到交通管控场景生成模型。
14.本发明实施例第四方面提供一种交通管控场景生成装置，该交通管控场景生成装置包括：第二获取模块，用于获取用于组成交通管控场景的元素实体数据集；输入模块，用于将所述元素实体数据集输入至如本发明实施例第一方面及第一方面任一项所述的交通管控场景生成模型构建方法构建得到的交通管控场景生成模型，得到由所述元素实体数据集组成的多个目标交通管控场景以及每一种所述交通管控场景对应的置信度；判定模块，用于将置信度满足预设置信度要求的多个目标交通管控场景判定为可行交通管控业务场景。
15.本发明实施例第五方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的交通管控场景生成模型构建方法，或者如本发明实施例第二方面及第
二方面任一项所述的交通管控场景生成方法。
16.本发明实施例第六方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的交通管控场景生成模型构建方法，或者如本发明实施例第二方面及第二方面任一项所述的交通管控场景生成方法。
17.本发明提供的技术方案，具有如下效果：
18.本发明实施例提供的交通管控场景生成模型构建方法，利用元素实体对应的多个元素关键词构建每一个元素关键词对应的领域知识数据集，增加了领域知识数据集；利用领域知识数据集和组合场景数据进行训练得到了交通管控场景生成模型，实现了领域知识数据集与组合场景数据的关联表达。
19.本发明实施例提供的交通管控场景生成方法，利用训练好的交通管控场景生成模型获取每一种交通管控场景对应的置信度，并根据置信度比对得到对应的可行交通管控业务场景，提高了场景生成的可行性与准确率。
附图说明
20.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1是根据本发明实施例的交通管控场景生成模型构建方法的流程图；
22.图2是根据本发明实施例提供的自编码器示意图；
23.图3是根据本发明实施例提供的元素实体与交通管控业务集关联效果示意图；
24.图4是根据本发明实施例的交通管控场景生成方法的流程图；
25.图5是根据本发明实施例的交通管控场景生成模型构建装置的结构框图；
26.图6是根据本发明实施例的交通管控场景生成装置的结构框图；
27.图7是根据本发明实施例提供的计算机可读存储介质的结构示意图；
28.图8是根据本发明实施例提供的电子设备的结构示意图。
具体实施方式
29.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.本发明实施例提供一种交通管控场景生成模型构建方法，如图1所示，该方法包括如下步骤：
31.步骤s101：获取用于组成交通管控场景的元素实体。具体地，元素实体可以通过组合对交通系统进行描述，可以包括但不限于人员、车辆、时间、空间、天气、设施、规则等元素实体。依据元素实体间的层级或附属关系定义元素间的关联关系，定义该关联关系即为交
通管控场景图。
32.步骤s102：确定每一个所述元素实体对应的多个元素关键词。具体地，多个元素关键词可以完整地表述对应的元素实体。比如元素实体为车辆时，车辆对应的多个元素关键词可以为：小汽车、大客车、货车、危险品运输车辆、自动驾驶汽车、非机动车、摩托车、公交车、出租车、网约车；元素实体为人员时，人员对应的多个元素关键词可以为：驾驶员、行人、乘客；元素实体规则对应的多个元素关键词可以为：违法、违规；其中，元素关键词包括但不局限于现有交通、交警、市政等相关部门监管的数据及类型，也包括可获取但尚未获取、可能获取的数据类型，互联网文本数据等。
33.基于各个元素实体的组合可以得到对应的交通管控场景。比如，当有7个元素实体且每个元素实体有n个关键词时，对应的交通管控场景总数为n7个。
34.步骤s103：根据所述多个元素关键词构建每一种元素关键词对应的领域知识数据集并在所述领域知识数据集中提取所述每一种元素关键词对应的关联元素关键词。具体地，以互联网文本数据挖掘为例，采用元素关键词进行网页链接搜索，将关联度排序前n位的网页文本内容保存，并提取文本中与各元素实体内容相关的词汇与词频，形成领域知识数据集。
35.在一实施例中，以“渣土车”为元素关键词进行网页搜索，对所获取的文本进行统计，删除如“道路、交通、货车、安全”等高频但非必须的词汇后得到对应的领域知识数据集；在领域知识数据集中可以提取与该“渣土车”对应的关联元素关键词如下：{超限，超速/低速，超载，车牌污损/遮挡号牌，闯红灯，闯禁行，大吨小标，非法改装，违规载人，违停，疲劳驾驶，学校周边安全，野蛮驾驶，扬洒，震动噪声，道路隐患(如视距遮挡、路面破损、危桥、高风险路段、道路结冰)，消防安全，高风险企业，逆向驾驶，逆向停放，无证驾驶，无防护措施运输，不按规定行驶，出行需求大，关闭gps/数据造假，坏在路中，视线盲区，违法未处理，客货混装，碰瓷，逾期未检}，共31种。渣土车与如上31类情况共同出现时场景为真。
36.步骤s104：对每一种所述元素关键词以及其对应的关联元素关键词进行随机排列组合得到每一种所述元素关键词对应的多个组合场景数据。具体地，每一种元素关键词以及其对应的关联元素关键词进行随机排列组合得到多个组合场景数据。
37.比如，将元素关键词“渣土车”与对应的关联元素关键词进行随机排列组合可以得到“渣土车超载”、“渣土车闯红灯”等多个不同的组合场景数据。
38.步骤s105：将多个包含有元素关键词以及关联元素关键词的组合场景数据和所述领域知识数据集输入至预设场景生成模型中进行训练并得到交通管控场景生成模型。具体地，领域知识数据集中组成的场景与实际场景进行了关联表达，因此，将多个组合场景数据输入预设场景生成模型中后，利用领域知识数据集进行训练后可得到对应的交通管控场景生成模型。通过这种方式，通过该交通管控场景生成模型得到的交通管控场景实现了与实际场景的结合比对，提高了该得到的交通管控场景的准确率。
39.其中，具体的训练方法可以为传统机器学习方法、深度学习、神经网络等，本发明中不做具体限定，只要满足需求即可。预设场景生成模型可以为word2vec模型、bert模型等可以把词向量转化为可计算的结构化向量的词嵌入模型，本发明中不做具体限定，只要满足需求即可。
40.在一实施例中，以自编码器为例进行说明，基于word2vec模型把词向量降低至二
维空间，输入至如图2所示的自编码器，并结合编码-解码重构误差与低维空间表征场景的可靠性设计，并利用领域知识数据集学习该网络的参数。
41.其中，网络训练误差包括但不局限于如下方式：
42.1)词向量表示的重构误差：
43.loss1＝(y
out-y
in
)244.式中，y
out
表示自编码器的输出向量；y
in
表示自编码器的输入向量。
45.2)场景判定误差：在网络训练的最后一层，将文本的低维空间经过sigmoid函数归一化至[0，1]之间，即：h为低维空间表示；o为归一化数值。场景判定的正确与否是一个二分类问题：j∈{0，1}；
[0046]
于是场景判定误差可表示为：
[0047][0048]
式中，n表示第n次判定；jn表示第n次判定结果，为0或1；on表示第n次判定时对应的归一化数值；
[0049]
具体地，网络训练误差可为重构及场景判定误差的直接加和、加权加和等方式。
[0050]
本发明实施例提供的交通管控场景生成模型构建方法，利用元素实体对应的多个元素关键词构建每一个元素关键词对应的领域知识数据集，增加了领域知识数据集；利用领域知识数据集和组合场景数据进行训练得到了交通管控场景生成模型，实现了领域知识数据集与组合场景数据的关联表达。
[0051]
作为本发明实施例一种可选的实施方式，步骤s103之前，所述方法还包括：获取历史交通管控业务数据并对所述历史交通管控业务数据进行处理；根据处理结果构建对应的交通管控业务集并将所述元素实体与所述交通管控业务集进行关联处理；根据所述多个元素关键词和关联处理后的所述交通管控业务集构建每一种元素关键词对应的领域知识数据集。
[0052]
具体地，首先，历史交通管控业务数据包括但不限于现有的交通、交警、市政等相关部门的管控业务数据。将这些管控业务数据进行整合，并划分为指挥、控制、执法、监管、服务等方向，在每个方向下进一步划分为不同的场景与业务，并构建对应的交通管控业务集。
[0053]
其次，将元素实体与该交通管控业务集中的每一个场景业务进行关联，实现了基础静态数据与实测数据的结合使用。
[0054]
在一实施例中，交通管控业务集＝{事故处理，驾驶人管理，运行监测，重点路段分析....}；元素实体分别为人员、车辆、时间、空间、天气、设施、规则；如图3所示，为将元素实体与该交通管控业务集进行关联的效果示意图。
[0055]
本发明实施例还提供一种交通管控场景生成方法，如图4所示，该方法包括如下步骤：
[0056]
步骤s201：获取用于组成交通管控场景的元素实体数据集。
[0057]
步骤s202：将所述元素实体数据集输入至如本发明实施例所述的交通管控场景生
成模型构建方法构建得到的交通管控场景生成模型，得到由所述元素实体数据集组成的多个目标交通管控场景以及每一种所述交通管控场景对应的置信度。具体地，元素实体用于组成交通管控场景，因此，将元素实体数据集输入至交通管控场景生成模型后可以得到多个目标交通管控场景。
[0058]
其次，如图2所示，输入至交通管控场景生成模型后，将元素实体数据集映射为对应的词向量，通过全连接层进行编码，再通过对应层数的全连接层解码实现词向量组合的重构，最后将低维空间输出的数值作为每一种交通管控场景对应的置信度。其中，输出的数值格式为：rule([“条件1”，“条件2”，“条件3”，...]，val)，其中val代表的是置信度；“条件1”，“条件2”，“条件3”分别表示对应交通管控场景的元素组合。
[0059]
步骤s203：将置信度满足预设置信度要求的多个目标交通管控场景判定为可行交通管控业务场景。具体地，利用低维空间的特征值数(即置信度)判定该生成的多个目标交通管控场景是否可行。其中，目标交通管控场景定义在区间[0，1]，目标交通管控场景的数值越接近1则认为越可行，即将置信度满足预设置信度要求的多个目标交通管控场景判定为可行交通管控业务场景。若判定多个目标交通管控场景均不可行，则直接结束。
[0060]
本发明实施例提供的交通管控场景生成方法，利用训练好的交通管控场景生成模型获取每一种交通管控场景对应的置信度，并根据置信度比对得到对应的可行交通管控业务场景，提高了场景生成的可行性与准确率。
[0061]
作为本发明实施例一种可选的实施方式，步骤s203之后，所述方法还包括：将置信度满足预设置信度要求的每一个所述目标交通管控场景对应的元素实体组合与所述领域知识数据集进行比对；根据比对结果对置信度满足预设置信度要求的多个目标交通管控场景进行筛选，将筛选后得到的目标交通管控场景作为可行交通管控业务场景。
[0062]
具体地，在领域知识数据集中搜索是否包含目标交通管控场景对应的元素实体组合，若包含，则将对应的目标交通管控场景判定为可行交通管控业务场景。通过比对，可以对步骤s203得到的可行交通管控业务场景进行筛选，提高了可行交通管控业务场景的判定准确度，进一步提高了生成的交通管控业务场景的可行性，减少与实际场景的误差。
[0063]
当筛选处理后所述置信度满足预设置信度要求的多个目标交通管控场景均不为可行交通管控业务场景，对获取到的所述元素实体数据集进行剪枝处理；将根据剪枝处理后的元素实体数据集生成的多个目标交通管控场景对应的元素实体组合与所述领域知识数据集进行比对，其中所述目标交通管控场景对应的置信度满足预设置信度要求；根据比对结果重复对所述多个目标交通管控场景进行筛选操作。
[0064]
具体地，当领域知识数据集中不包含目标交通管控场景对应的元素实体组合，将获取到的元素实体数据集进行剪枝处理，即随机删除某个或多个元素实体，并在领域知识数据集中再次搜索检查是否包含目标交通管控场景对应的元素实体组合，若包含，则将对应的目标交通管控场景判定为可行交通管控业务场景。
[0065]
当经过剪枝处理后生成的所述多个目标交通管控场景中仍无可行交通管控业务场景，重复所述对获取到的所述元素实体数据集进行剪枝处理的步骤到所述根据比对结果重复对所述多个目标交通管控场景进行筛选操作的步骤，直至所述元素实体数据集中仅包含有一个元素实体。
[0066]
具体地，在领域知识数据集中再次搜索检查时，该领域知识数据集中仍不包含目
标交通管控场景对应的元素实体组合，重复对该元素实体数据集进行剪枝处理并继续在领域知识数据集中搜索检查直至该元素实体数据集中仅有一个元素实体。
[0067]
当经过迭代处理后，该领域知识数据集中均不包含目标交通管控场景对应的元素实体组合，即获取到的所述元素实体数据集组成的多个目标交通管控场景均不为可行交通管控业务场景，此时，所述方法还包括：将该元素实体数据集发送至用户终端；当用户终端判定所述元素实体数据集组成的任一目标交通管控场景为所述可行交通管控业务场景，将所述目标交通管控场景对应的元素实体组合添加至所述领域知识数据集。
[0068]
具体地，通过人机界面询问操作执行者该元素实体数据集组成的多个目标交通管控场景中是否存在可行交通管控业务场景，若执行者认为该多个目标交通管控场景存在任意一个或多个可行交通管控业务场景，则将对应的目标交通管控场景对应的元素实体组合添加到构建的领域知识数据集中，便于后续判定使用。
[0069]
本发明实施例还提供一种交通管控场景生成模型构建装置，如图5所示，该装置包括：
[0070]
第一获取模块501，用于获取用于组成交通管控场景的元素实体；详细内容参见上述方法实施例中步骤s101的相关描述。
[0071]
确定模块502，用于确定每一个所述元素实体对应的多个元素关键词；详细内容参见上述方法实施例中步骤s102的相关描述。
[0072]
提取模块503，用于根据所述多个元素关键词构建每一种元素关键词对应的领域知识数据集并在所述领域知识数据集中提取所述每一种元素关键词对应的关联元素关键词；详细内容参见上述方法实施例中步骤s103的相关描述。
[0073]
组合模块504，用于对每一种所述元素关键词以及其对应的关联元素关键词进行随机排列组合得到每一种所述元素关键词对应的多个组合场景数据；详细内容参见上述方法实施例中步骤s104的相关描述。
[0074]
训练模块505，用于将多个包含有元素关键词以及关联元素关键词的组合场景数据和所述领域知识数据集输入至预设场景生成模型中进行训练并得到交通管控场景生成模型；详细内容参见上述方法实施例中步骤s105的相关描述。
[0075]
本发明实施例提供的交通管控场景生成模型构建装置，利用元素实体对应的多个元素关键词构建每一个元素关键词对应的领域知识数据集，增加了领域知识数据集；利用领域知识数据集和组合场景数据进行训练得到了交通管控场景生成模型，实现了领域知识数据集与组合场景数据的关联表达。
[0076]
作为本发明实施例一种可选的实施方式，所述装置还包括：第一处理模块，用于获取历史交通管控业务数据并对所述历史交通管控业务数据进行处理；第二处理模块，用于根据处理结果构建对应的交通管控业务集并将所述元素实体与所述交通管控业务集进行关联处理；构建模块，用于根据所述多个元素关键词和关联处理后的所述交通管控业务集构建每一种元素关键词对应的领域知识数据集。
[0077]
本发明实施例提供的交通管控场景生成模型构建装置的功能描述详细参见上述实施例中交通管控场景生成模型构建方法描述。
[0078]
本发明实施例还提供一种交通管控场景生成装置，如图6所示，该装置包括：
[0079]
第二获取模块601，用于获取用于组成交通管控场景的元素实体数据集；详细内容
memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid－state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0089]
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read－only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid－state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0090]
本发明实施例还提供了一种电子设备，如图8所示，该电子设备可以包括处理器81和存储器82，其中处理器81和存储器82可以通过总线或者其他方式连接，图8中以通过总线连接为例。
[0091]
处理器81可以为中央处理器(central processing unit，cpu)。处理器81还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
[0092]
存储器82作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器81通过运行存储在存储器82中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的交通管控场景生成模型构建方法或交通管控场景生成方法。
[0093]
存储器82可以包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需要的应用程序；存储数据区可存储处理器81所创建的数据等。此外，存储器82可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器82可选包括相对于处理器81远程设置的存储器，这些远程存储器可以通过网络连接至处理器81。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0094]
所述一个或者多个模块存储在所述存储器82中，当被所述处理器81执行时，执行如图1－4所示实施例中的交通管控场景生成模型构建方法或交通管控场景生成方法。
[0095]
上述电子设备具体细节可以对应参阅图1至图4所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
[0096]
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
技术特征：1.一种交通管控场景生成模型构建方法，其特征在于，包括如下步骤：获取用于组成交通管控场景的元素实体；确定每一个所述元素实体对应的多个元素关键词；根据所述多个元素关键词构建每一种元素关键词对应的领域知识数据集并在所述领域知识数据集中提取所述每一种元素关键词对应的关联元素关键词；对每一种所述元素关键词以及其对应的关联元素关键词进行随机排列组合得到每一种所述元素关键词对应的多个组合场景数据；将多个包含有元素关键词以及关联元素关键词的组合场景数据和所述领域知识数据集输入至预设场景生成模型中进行训练并得到交通管控场景生成模型。2.根据权利要求1所述的方法，其特征在于，根据所述元素关键词构建对应的领域知识数据集并在所述领域知识数据集中提取所述元素关键词对应的关联元素关键词之前，所述方法还包括：获取历史交通管控业务数据并对所述历史交通管控业务数据进行处理；根据处理结果构建对应的交通管控业务集并将所述元素实体与所述交通管控业务集进行关联处理；根据所述多个元素关键词和关联处理后的所述交通管控业务集构建每一种元素关键词对应的领域知识数据集。3.一种交通管控场景生成方法，其特征在于，包括如下步骤：获取用于组成交通管控场景的元素实体数据集；将所述元素实体数据集输入至如权利要求1或2所述的交通管控场景生成模型构建方法构建得到的交通管控场景生成模型，得到由所述元素实体数据集组成的多个目标交通管控场景以及每一种所述交通管控场景对应的置信度；将置信度满足预设置信度要求的多个目标交通管控场景判定为可行交通管控业务场景。4.根据权利要求3所述的方法，其特征在于，所述将置信度满足预设置信度要求的多个目标交通管控场景判定为可行交通管控业务场景，包括：将置信度满足预设置信度要求的每一个所述目标交通管控场景对应的元素实体组合与所述领域知识数据集进行比对；根据比对结果对置信度满足预设置信度要求的多个目标交通管控场景进行筛选，将筛选后得到的目标交通管控场景作为可行交通管控业务场景。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：当筛选处理后所述置信度满足预设置信度要求的多个目标交通管控场景均不为可行交通管控业务场景，对获取到的所述元素实体数据集进行剪枝处理；将根据剪枝处理后的元素实体数据集生成的多个目标交通管控场景对应的元素实体组合与所述领域知识数据集进行比对，其中所述目标交通管控场景对应的置信度满足预设置信度要求；根据比对结果重复对所述多个目标交通管控场景进行筛选操作。6.根据权利要求5所述的方法，其特征在于，根据比对结果重复对所述多个目标交通管控场景进行筛选操作之后，所述方法还包括：
当经过剪枝处理后生成的所述多个目标交通管控场景中仍无可行交通管控业务场景，重复所述对获取到的所述元素实体数据集进行剪枝处理的步骤到所述根据比对结果重复对所述多个目标交通管控场景进行筛选操作的步骤，直至所述元素实体数据集中仅包含有一个元素实体。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：当所述多个目标交通管控场景中仍不存在所述可行交通管控业务场景，将所述元素实体数据集发送至用户终端；当用户终端判定所述元素实体数据集组成的任一目标交通管控场景为所述可行交通管控业务场景，将所述目标交通管控场景对应的元素实体组合添加至所述领域知识数据集。8.一种交通管控场景生成模型构建装置，其特征在于，包括：第一获取模块，用于获取用于组成交通管控场景的元素实体；确定模块，用于确定每一个所述元素实体对应的多个元素关键词；提取模块，用于根据所述多个元素关键词构建每一种元素关键词对应的领域知识数据集并在所述领域知识数据集中提取所述每一种元素关键词对应的关联元素关键词；组合模块，用于对每一种所述元素关键词以及其对应的关联元素关键词进行随机排列组合得到每一种所述元素关键词对应的多个组合场景数据；训练模块，用于将多个包含有元素关键词以及关联元素关键词的组合场景数据和所述领域知识数据集输入至预设场景生成模型中进行训练并得到交通管控场景生成模型。9.一种交通管控场景生成装置，其特征在于，包括：第二获取模块，用于获取用于组成交通管控场景的元素实体数据集；输入模块，用于将所述元素实体数据集输入至如权利要求1或2所述的交通管控场景生成模型构建方法构建得到的交通管控场景生成模型，得到由所述元素实体数据集组成的多个目标交通管控场景以及每一种所述交通管控场景对应的置信度；判定模块，用于将置信度满足预设置信度要求的多个目标交通管控场景判定为可行交通管控业务场景。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1或2所述的交通管控场景生成模型构建方法，或如权利要求3－7任一项所述的交通管控场景生成方法。11.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1或2所述的交通管控场景生成模型构建方法，或如权利要求3－7任一项所述的交通管控场景生成方法。
技术总结本发明公开了一种交通管控场景生成模型构建及交通管控场景生成方法，获取用于组成交通管控场景的元素实体；确定每一个元素实体对应的多个元素关键词；根据多个元素关键词构建对应的领域知识数据集并在提取每一种元素关键词对应的关联元素关键词；对每一种元素关键词以及其对应的关联元素关键词进行随机排列组合得到每一种所述元素关键词对应的多个组合场景数据；将多个组合场景数据和领域知识数据集输入至预设场景生成模型中进行训练并得到交通管控场景生成模型，利用该模型判定生成的目标交通管控场景是否可行。通过本发明，增加了领域知识数据集；实现了领域知识数据集与组合场景数据的关联表达；提高了场景生成的可行性与准确率。行性与准确率。行性与准确率。
技术研发人员：王长君 戴帅 朱春丽 刘金广 杨钧剑 朱新宇 闫星培 赵琳娜 褚昭明 成超锋 于晓娟 姚雪娇 刘婉
受保护的技术使用者：公安部道路交通安全研究中心
技术研发日：2022.07.18
技术公布日：2022/11/1
