本技術(shù)涉及視頻監(jiān)控技術(shù)，特別涉及一種關(guān)鍵路徑識(shí)別方法、裝置、存儲(chǔ)介質(zhì)和電子設(shè)備。

背景技術(shù)：

1、隨著網(wǎng)絡(luò)技術(shù)和大數(shù)據(jù)技術(shù)的進(jìn)步，智能交通控制系統(tǒng)得到了越來越廣泛的應(yīng)用。

2、在目前的交通路網(wǎng)系統(tǒng)中，經(jīng)常會(huì)出現(xiàn)某個(gè)路段擁堵或事故需要進(jìn)行交通管控的路段。這類路段及其相關(guān)路段在路網(wǎng)系統(tǒng)中可以通過關(guān)鍵路徑進(jìn)行識(shí)別和標(biāo)記。通過識(shí)別到達(dá)指定路段或從指定路段出發(fā)的關(guān)鍵路徑，可以直觀呈現(xiàn)擁堵車流“從哪來，到哪去”，以便為后續(xù)的信號(hào)控制方案提供有效參考。

3、在相關(guān)的關(guān)鍵路徑識(shí)別方法中，有些基于車輛gps軌跡或行駛路徑數(shù)據(jù)，這類方法對(duì)數(shù)據(jù)質(zhì)量要求較高，而在真實(shí)的應(yīng)用場景中，部分路段中關(guān)于行駛數(shù)據(jù)的檢測器可能存在缺失或損壞，無法觀測到全量路網(wǎng)的交通狀態(tài)，對(duì)于這類弱數(shù)據(jù)環(huán)境，前述方法進(jìn)行關(guān)鍵路徑識(shí)別時(shí)的識(shí)別準(zhǔn)確性將大大降低。在現(xiàn)有的關(guān)鍵路徑識(shí)別方法，有些是基于搜索的交叉口群關(guān)鍵路徑識(shí)別，其中使用轉(zhuǎn)向流量與行駛時(shí)間來進(jìn)行識(shí)別處理，這種方式下無法避免一些異常路徑(例如環(huán)狀路徑)，使得識(shí)別出的關(guān)鍵路徑的有效性大大降低，同時(shí)這類方法對(duì)于數(shù)據(jù)環(huán)境的要求也比較理想，同樣難以適用弱數(shù)據(jù)環(huán)境。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種關(guān)鍵路徑識(shí)別方法、裝置、存儲(chǔ)介質(zhì)和電子設(shè)備，能夠提高關(guān)鍵路徑的識(shí)別準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本技術(shù)采用如下技術(shù)方案：

3、一種關(guān)鍵路徑識(shí)別方法，包括：

4、獲取溯源路段、溯源方向、溯源層級(jí)和時(shí)段；其中，所述溯源層級(jí)用于表示溯源范圍；

5、基于所述溯源路段、所述溯源方向、所述溯源層級(jí)和所述時(shí)段，確定用于檢測關(guān)鍵路徑的路網(wǎng)范圍和時(shí)間范圍；

6、獲取在所述路網(wǎng)范圍和時(shí)間范圍內(nèi)的路網(wǎng)數(shù)據(jù)，并利用獲取的路網(wǎng)數(shù)據(jù)構(gòu)建交通運(yùn)行狀態(tài)圖；其中，所述交通運(yùn)行狀態(tài)圖中的節(jié)點(diǎn)為路段的交通流向，有向邊為交通流向間的連接關(guān)系；

7、在所述交通運(yùn)行狀態(tài)圖中，遍歷所有針對(duì)關(guān)鍵路徑的備選路徑，構(gòu)成備選路徑集合，并計(jì)算每個(gè)所述備選路徑的路徑流量、車道數(shù)和環(huán)狀路徑懲罰因子；其中，所述備選路徑中繞路的情況越多，該備選路徑的環(huán)狀路徑懲罰因子越大；

8、以路徑流量越大越好、車道數(shù)越多越好、環(huán)狀路徑懲罰因子越小越好為目標(biāo)，對(duì)所述備選路徑集合中的所有備選路徑進(jìn)行排序，在排序后的備選路徑中選擇出與所述路網(wǎng)范圍和時(shí)間范圍對(duì)應(yīng)的關(guān)鍵路徑。

9、較佳地，所述交通運(yùn)行狀態(tài)圖中節(jié)點(diǎn)的節(jié)點(diǎn)特征包括流向方向、流向轉(zhuǎn)向、流向包含的車道數(shù)量和流量；

10、在構(gòu)建所述交通運(yùn)行狀態(tài)圖后、遍歷備選路徑前，所述方法還包括：

11、確定所述交通運(yùn)行狀態(tài)圖中特征缺失的節(jié)點(diǎn)，并計(jì)算節(jié)點(diǎn)特征缺失總比例αsum、第一節(jié)點(diǎn)特征缺失比例αcross、第二節(jié)點(diǎn)特征缺失比例αdir和第三節(jié)點(diǎn)特征缺失比例αother；其中，所述αsum為缺失特征的節(jié)點(diǎn)總數(shù)占所有節(jié)點(diǎn)總數(shù)的比例，所述αcross為交叉口上所有節(jié)點(diǎn)均缺失特征的節(jié)點(diǎn)總數(shù)占所有節(jié)點(diǎn)總數(shù)的比例，所述αdir為交叉口上同一流向所有節(jié)點(diǎn)均缺失特征的節(jié)點(diǎn)總數(shù)占所有節(jié)點(diǎn)總數(shù)的比例，所述αother為αsum-αcross-αdir；

12、將所述交通運(yùn)行狀態(tài)圖轉(zhuǎn)換為無向圖，并輸入與所述αcross、αdir和αother的取值組合對(duì)應(yīng)的預(yù)訓(xùn)練模型，對(duì)所述無向圖中的各個(gè)節(jié)點(diǎn)進(jìn)行第一指定特征的修復(fù)，得到修復(fù)后的各個(gè)節(jié)點(diǎn)的第一指定特征取值；

13、利用所述修復(fù)后的各個(gè)節(jié)點(diǎn)的第一指定特征取值替換所述交通運(yùn)行狀態(tài)圖中各節(jié)點(diǎn)的第一指定特征取值，得到更新后的交通運(yùn)行狀態(tài)圖。

14、較佳地，計(jì)算所述備選路徑的環(huán)狀路徑懲罰因子時(shí)，若所述備選路徑為環(huán)狀路徑，則將所述環(huán)狀路徑懲罰因子設(shè)為最大值；

15、若所述備選路徑不是環(huán)狀路徑，所述環(huán)狀路徑懲罰因子的計(jì)算方式包括：

16、在構(gòu)成所述備選路徑的節(jié)點(diǎn)集合中，按照組成所述備選路徑的節(jié)點(diǎn)順序，依次對(duì)每個(gè)當(dāng)前節(jié)點(diǎn)進(jìn)行第一處理，得到每個(gè)當(dāng)前節(jié)點(diǎn)的懲罰因子；對(duì)于懲罰因子不為0的各個(gè)節(jié)點(diǎn)，計(jì)算懲罰因子的平均值作為所述備選路徑的環(huán)狀路徑懲罰因子；

17、其中，所述第一處理包括：

18、獲取所述當(dāng)前節(jié)點(diǎn)的m層節(jié)點(diǎn)集合，作為第一集合；m為用于表示需要懲罰的環(huán)狀路徑范圍的懲罰層級(jí)，所述懲罰層級(jí)小于或等于所述溯源層級(jí)；

19、獲取所述備選路徑中當(dāng)前節(jié)點(diǎn)之后的節(jié)點(diǎn)集合，作為第二集合；

20、若所述第一集合與所述第二集合的交集長度大于m，則計(jì)算第一集合和第二集合的交集長度與m之差，將差值結(jié)果作為所述當(dāng)前節(jié)點(diǎn)的懲罰因子；否則，將所述當(dāng)前節(jié)點(diǎn)的懲罰因子設(shè)為0。

21、較佳地，該方法進(jìn)一步包括：

22、預(yù)設(shè)多個(gè)αcross、αdir和αother的訓(xùn)練取值組合，并為每個(gè)αcross、αdir和αother的訓(xùn)練取值組合訓(xùn)練對(duì)應(yīng)的預(yù)訓(xùn)練模型；

23、其中，為每個(gè)αcross、αdir和αother的訓(xùn)練取值組合訓(xùn)練對(duì)應(yīng)的預(yù)訓(xùn)練模型的方法包括：

24、通過交通仿真軟件，獲取多種路網(wǎng)環(huán)境下的路網(wǎng)數(shù)據(jù)，構(gòu)建多個(gè)交通運(yùn)行狀態(tài)訓(xùn)練圖；其中，所述交通運(yùn)行狀態(tài)訓(xùn)練圖中的節(jié)點(diǎn)為路段的交通流向，有向邊為交通流向間的連接關(guān)系，相應(yīng)節(jié)點(diǎn)的節(jié)點(diǎn)特征包括流向方向、流向轉(zhuǎn)向、流向包含的車道數(shù)量和流量，所有節(jié)點(diǎn)的節(jié)點(diǎn)特征均齊全；

25、將所有交通運(yùn)行狀態(tài)訓(xùn)練圖轉(zhuǎn)換為無向圖，并作為所述預(yù)訓(xùn)練模型的原始訓(xùn)練樣本；

26、按照所述每個(gè)αcross、αdir和αother的訓(xùn)練取值組合，在所述原始訓(xùn)練樣本中隨機(jī)選擇節(jié)點(diǎn)并刪除其節(jié)點(diǎn)的第二指定特征，構(gòu)成輸入訓(xùn)練樣本；

27、將所述輸入訓(xùn)練樣本輸入與所述每個(gè)αcross、αdir和αother的訓(xùn)練取值組合對(duì)應(yīng)的預(yù)訓(xùn)練模型，經(jīng)過模型處理后輸出所有節(jié)點(diǎn)修復(fù)后的第一指定特征，并將修復(fù)后的節(jié)點(diǎn)第一指定特征與所述原始訓(xùn)練樣本中的各節(jié)點(diǎn)的第一指定特征間的區(qū)別作為損失函數(shù)，訓(xùn)練與所述每個(gè)αcross、αdir和αother的訓(xùn)練取值組合對(duì)應(yīng)的預(yù)訓(xùn)練模型；其中，在所述損失函數(shù)中，被刪除特征節(jié)點(diǎn)的損失權(quán)重大于正常節(jié)點(diǎn)的損失權(quán)重。

28、較佳地，所述αcross、αdir和αother的訓(xùn)練取值組合的確定方式包括：

29、設(shè)定αcross、αdir和αother的初始取值，將所述初始取值與預(yù)設(shè)的缺失比例集合中的每一項(xiàng)分別相乘，得到一組αcross、αdir和αother的訓(xùn)練取值組合。

30、較佳地，所述αcross、αdir和αother的初始取值為設(shè)定值，或者，對(duì)最近n次基于所述交通運(yùn)行狀態(tài)圖計(jì)算得到的αcross、αdir和αother的取平均值，再將所述平均值和/或該平均值的按比例增大或縮小值作為所述αcross、αdir和αother的初始取值。

31、較佳地，所述預(yù)訓(xùn)練模型的編碼器由多個(gè)圖注意力網(wǎng)絡(luò)gat拼接構(gòu)成，并在gat間引入殘差結(jié)構(gòu)，所述預(yù)訓(xùn)練模型的解碼器為多層感知機(jī)網(wǎng)絡(luò)；其中，基于要獲取的鄰居特征的范圍確定所述gat的層數(shù)。

32、較佳地，在所述編碼器中，每個(gè)gat的處理包括：

33、計(jì)算節(jié)點(diǎn)與相鄰節(jié)點(diǎn)的相似度其中，hi，hj為兩節(jié)點(diǎn)特征，且兩節(jié)點(diǎn)相鄰，w為共享的權(quán)重參數(shù)，為第一激活函數(shù)，表示節(jié)點(diǎn)i的相鄰節(jié)點(diǎn)集合；

34、計(jì)算節(jié)點(diǎn)的聚合特征其中，σ(·)為第二激活函數(shù)，wk為待訓(xùn)練參數(shù)，使用多頭來進(jìn)行多個(gè)節(jié)點(diǎn)特征聚合過程，k表示頭的序號(hào)，||表示多個(gè)頭的聚合結(jié)果在特征維度進(jìn)行拼接；

35、所述損失函數(shù)為其中，ρ與分別為特征缺失節(jié)點(diǎn)與正常節(jié)點(diǎn)的損失權(quán)重，與x分別表示模型預(yù)測的第一指定特征與原始訓(xùn)練樣本中真實(shí)的第一指定特征，m為掩碼矩陣。

36、較佳地，所述在排序后的備選路徑中選擇出與所述路網(wǎng)范圍和時(shí)間范圍對(duì)應(yīng)的關(guān)鍵路徑，包括：

37、在排序后的備選路徑中按照目標(biāo)路徑數(shù)選擇出與所述路網(wǎng)范圍和時(shí)間范圍對(duì)應(yīng)的關(guān)鍵路徑；

38、其中，目標(biāo)路徑數(shù)與所述溯源層級(jí)呈正相關(guān)。

39、一種關(guān)鍵路徑識(shí)別裝置，包括：輸入單元、數(shù)據(jù)獲取單元、圖處理單元、遍歷單元和排序單元；

40、所述輸入單元，用于獲取溯源路段、溯源方向、溯源層級(jí)和時(shí)段；其中，所述溯源層級(jí)用于表示溯源范圍；

41、所述數(shù)據(jù)獲取單元，用于基于所述溯源路段、所述溯源方向、所述溯源層級(jí)和所述時(shí)段，確定用于檢測關(guān)鍵路徑的路網(wǎng)范圍和時(shí)間范圍；還用于獲取在所述路網(wǎng)范圍和時(shí)間范圍內(nèi)的路網(wǎng)數(shù)據(jù)；

42、所述圖處理單元，利用獲取的路網(wǎng)數(shù)據(jù)構(gòu)建交通運(yùn)行狀態(tài)圖；其中，所述交通運(yùn)行狀態(tài)圖中的節(jié)點(diǎn)為路段的交通流向，有向邊為交通流向間的連接關(guān)系；

43、所述遍歷單元，用于在所述交通運(yùn)行狀態(tài)圖中，遍歷所有針對(duì)關(guān)鍵路徑的備選路徑，構(gòu)成備選路徑集合，并計(jì)算每個(gè)所述備選路徑的路徑流量、車道數(shù)和環(huán)狀路徑懲罰因子；其中，所述備選路徑中繞路的情況越多，該備選路徑的環(huán)狀路徑懲罰因子越大；

44、所述排序單元，用于以路徑流量越大越好、車道數(shù)越多越好、環(huán)狀路徑懲罰因子越小越好為目標(biāo)，對(duì)所述備選路徑集合中的所有備選路徑進(jìn)行排序，在排序后的備選路徑中選擇出與所述路網(wǎng)范圍和時(shí)間范圍對(duì)應(yīng)的關(guān)鍵路徑。

45、較佳地，在所述圖處理單元和所述遍歷單元之間進(jìn)一步包括特征修復(fù)單元；

46、所述圖處理單元，還用于確定所述交通運(yùn)行狀態(tài)圖中特征缺失的節(jié)點(diǎn)，并計(jì)算節(jié)點(diǎn)特征缺失總比例αsum、第一節(jié)點(diǎn)特征缺失比例αcross、第二節(jié)點(diǎn)特征缺失比例αdir和第三節(jié)點(diǎn)特征缺失比例αother；其中，所述αsum為缺失特征的節(jié)點(diǎn)總數(shù)占所有節(jié)點(diǎn)總數(shù)的比例，所述αcross為交叉口上所有節(jié)點(diǎn)均缺失特征的節(jié)點(diǎn)總數(shù)占所有節(jié)點(diǎn)總數(shù)的比例，所述αdir為交叉口上同一流向所有節(jié)點(diǎn)均缺失特征的節(jié)點(diǎn)總數(shù)占所有節(jié)點(diǎn)總數(shù)的比例，所述αother為αsum-αcross-αdir；

47、所述特征修復(fù)單元，用于將所述交通運(yùn)行狀態(tài)圖轉(zhuǎn)換為無向圖，并輸入與所述αcross、αdir和αdir的取值組合對(duì)應(yīng)的預(yù)訓(xùn)練模型，對(duì)所述無向圖中的各個(gè)節(jié)點(diǎn)進(jìn)行第一指定特征的修復(fù)，得到修復(fù)后的各個(gè)節(jié)點(diǎn)的第一指定特征取值；還用于利用所述修復(fù)后的各個(gè)節(jié)點(diǎn)的第一指定特征取值替換所述交通運(yùn)行狀態(tài)圖中各節(jié)點(diǎn)的第一指定特征取值，得到更新后的交通運(yùn)行狀態(tài)圖，輸出給所述遍歷單元；

48、其中，所述交通運(yùn)行狀態(tài)圖中節(jié)點(diǎn)的節(jié)點(diǎn)特征包括流向方向、流向轉(zhuǎn)向、流向包含的車道數(shù)量和流量。

49、較佳地，在所述遍歷單元中，計(jì)算所述備選路徑的環(huán)狀路徑懲罰因子時(shí)，若所述備選路徑為環(huán)狀路徑，則將所述環(huán)狀路徑懲罰因子設(shè)為最大值；

50、若所述備選路徑不是環(huán)狀路徑，所述環(huán)狀路徑懲罰因子的計(jì)算方式包括：

51、在構(gòu)成所述備選路徑的節(jié)點(diǎn)集合中，按照組成所述備選路徑的節(jié)點(diǎn)順序，依次對(duì)每個(gè)當(dāng)前節(jié)點(diǎn)進(jìn)行第一處理，得到每個(gè)當(dāng)前節(jié)點(diǎn)的懲罰因子；對(duì)于懲罰因子不為0的各個(gè)節(jié)點(diǎn)，計(jì)算懲罰因子的平均值作為所述備選路徑的環(huán)狀路徑懲罰因子；

52、其中，所述第一處理包括：

53、獲取所述當(dāng)前節(jié)點(diǎn)的m層節(jié)點(diǎn)集合，作為第一集合；m為用于表示需要懲罰的環(huán)狀路徑范圍的懲罰層級(jí)，所述懲罰層級(jí)小于或等于所述溯源層級(jí)；

54、獲取所述備選路徑中當(dāng)前節(jié)點(diǎn)之后的節(jié)點(diǎn)集合，作為第二集合；

55、若所述第一集合與所述第二集合的交集長度大于m，則計(jì)算第一集合和第二集合的交集長度與m之差，將差值結(jié)果作為所述當(dāng)前節(jié)點(diǎn)的懲罰因子；否則，將所述當(dāng)前節(jié)點(diǎn)的懲罰因子設(shè)為0。

56、較佳地，該裝置進(jìn)一步包括訓(xùn)練單元，用于預(yù)設(shè)多個(gè)αcross、αdir和αdir的訓(xùn)練取值組合，并為每個(gè)αcross、αdir和αdir的訓(xùn)練取值組合訓(xùn)練對(duì)應(yīng)的預(yù)訓(xùn)練模型；

57、其中，為每個(gè)αcross、αdir和αdir的訓(xùn)練取值組合訓(xùn)練對(duì)應(yīng)的預(yù)訓(xùn)練模型的方法包括：

58、通過交通仿真軟件，獲取多種路網(wǎng)環(huán)境下的路網(wǎng)數(shù)據(jù)，構(gòu)建多個(gè)交通運(yùn)行狀態(tài)訓(xùn)練圖；其中，所述交通運(yùn)行狀態(tài)訓(xùn)練圖中的節(jié)點(diǎn)為路段的交通流向，有向邊為交通流向間的連接關(guān)系，相應(yīng)節(jié)點(diǎn)的節(jié)點(diǎn)特征包括流向方向、流向轉(zhuǎn)向、流向包含的車道數(shù)量和流量，所有節(jié)點(diǎn)的節(jié)點(diǎn)特征均齊全；

59、將所有交通運(yùn)行狀態(tài)訓(xùn)練圖轉(zhuǎn)換為無向圖，并作為所述預(yù)訓(xùn)練模型的原始訓(xùn)練樣本；

60、按照所述每個(gè)αcross、αdir和αdir的訓(xùn)練取值組合，在所述原始訓(xùn)練樣本中隨機(jī)選擇節(jié)點(diǎn)并刪除其節(jié)點(diǎn)的第二指定特征，構(gòu)成輸入訓(xùn)練樣本；

61、將所述輸入訓(xùn)練樣本輸入與所述每個(gè)αcross、αdir和αdir的訓(xùn)練取值組合對(duì)應(yīng)的預(yù)訓(xùn)練模型，經(jīng)過模型處理后輸出所有節(jié)點(diǎn)修復(fù)后的第一指定特征，并將修復(fù)后的節(jié)點(diǎn)第一指定特征與所述原始訓(xùn)練樣本中的各節(jié)點(diǎn)的第一指定特征間的區(qū)別作為損失函數(shù)，訓(xùn)練與所述每個(gè)αcross、αdir和αdir的訓(xùn)練取值組合對(duì)應(yīng)的預(yù)訓(xùn)練模型；其中，在所述損失函數(shù)中，被刪除特征節(jié)點(diǎn)的損失權(quán)重大于正常節(jié)點(diǎn)的損失權(quán)重。

62、較佳地，在所述訓(xùn)練單元中，所述αcross、αdir和αdir的訓(xùn)練取值組合的確定方式包括：

63、設(shè)定αcross、αdir和αother的初始取值，將所述初始取值與預(yù)設(shè)的缺失比例集合中的每一項(xiàng)分別相乘，得到一組αcross、αdir和αother的訓(xùn)練取值組合。

64、較佳地，所述αcross、αdir和αother的初始取值為設(shè)定值，或者，對(duì)所述圖處理單元中最近n次基于所述交通運(yùn)行狀態(tài)圖計(jì)算得到的αcross、αdir和αother取平均值，再將所述平均值和/或該平均值的按比例增大或縮小值作為所述αcross、αdir和αother的初始取值。

65、較佳地，所述預(yù)訓(xùn)練模型的編碼器由多個(gè)圖注意力網(wǎng)絡(luò)gat拼接構(gòu)成，并在gat間引入殘差結(jié)構(gòu)，所述預(yù)訓(xùn)練模型的解碼器為多層感知機(jī)網(wǎng)絡(luò)；其中，基于要獲取的鄰居特征的范圍確定所述gat的層數(shù)。

66、較佳地，在所述編碼器中，每個(gè)gat的處理包括：

67、計(jì)算節(jié)點(diǎn)與相鄰節(jié)點(diǎn)的相似度其中，hi，hj為兩節(jié)點(diǎn)特征，且兩節(jié)點(diǎn)相鄰，w為共享的權(quán)重參數(shù)，為第一激活函數(shù)，表示節(jié)點(diǎn)i的相鄰節(jié)點(diǎn)集合；

68、計(jì)算節(jié)點(diǎn)的聚合特征其中，σ(·)為第二激活函數(shù)，wk為待訓(xùn)練參數(shù)，使用多頭來進(jìn)行多個(gè)節(jié)點(diǎn)特征聚合過程，k表示頭的序號(hào)，||表示多個(gè)頭的聚合結(jié)果在特征維度進(jìn)行拼接；

69、所述損失函數(shù)為其中，ρ與分別為特征缺失節(jié)點(diǎn)與正常節(jié)點(diǎn)的損失權(quán)重，與x分別表示模型預(yù)測的第一指定特征與原始訓(xùn)練樣本中真實(shí)的第一指定特征，m為掩碼矩陣。

70、較佳地，在所述排序單元中，所述在排序后的備選路徑中選擇出與所述路網(wǎng)范圍和時(shí)間范圍對(duì)應(yīng)的關(guān)鍵路徑，包括：

71、在排序后的備選路徑中按照目標(biāo)路徑數(shù)選擇出與所述路網(wǎng)范圍和時(shí)間范圍對(duì)應(yīng)的關(guān)鍵路徑；

72、其中，目標(biāo)路徑數(shù)與所述溯源層級(jí)呈正相關(guān)。

73、一種交通信號(hào)控制方法，包括：

74、按照上述任一項(xiàng)所述的關(guān)鍵路徑識(shí)別方法選擇關(guān)鍵路徑；

75、基于所述關(guān)鍵路徑，進(jìn)行交通信號(hào)的控制。

76、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)指令，其特征在于，所述指令被處理器執(zhí)行時(shí)可實(shí)現(xiàn)上述任一項(xiàng)所述的關(guān)鍵路徑識(shí)別方法。

77、一種電子設(shè)備，該電子設(shè)備至少包括計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，還包括處理器；

78、所述處理器，用于從所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中讀取所述可執(zhí)行指令，并執(zhí)行所述指令以實(shí)現(xiàn)上述任一項(xiàng)所述的關(guān)鍵路徑識(shí)別方法。

79、由上述技術(shù)方案可見，本技術(shù)中，基于關(guān)鍵路徑的溯源路段、溯源方向、溯源層級(jí)和時(shí)段，獲取相關(guān)路網(wǎng)數(shù)據(jù)，構(gòu)建交通運(yùn)行狀態(tài)圖，從而利用有向圖表達(dá)交通運(yùn)行狀態(tài)，反映交通流向及其之間的連接關(guān)系；接下來從圖中獲取備選路徑的流量、車道數(shù)和環(huán)狀路徑懲罰因子這三種指標(biāo)，利用三種指標(biāo)綜合評(píng)價(jià)各個(gè)備選路徑并進(jìn)行排序，備選路徑的排序位置與路徑流量和車道數(shù)呈正相關(guān)，且與環(huán)狀路徑懲罰因子呈負(fù)相關(guān)，這樣能夠保證排序后位置靠前的備選路徑(也就是關(guān)鍵路徑)有盡可能大的流量、盡量多的車道數(shù)，且繞路的情況盡量少，使得即使在弱數(shù)據(jù)環(huán)境下能夠提高關(guān)鍵路徑識(shí)別的準(zhǔn)確性；同時(shí)，利用環(huán)狀路徑懲罰因子懲罰包括繞路情況的備選路徑，降低相應(yīng)備選路徑作為關(guān)鍵路徑的可能性，進(jìn)一步提高關(guān)鍵路徑識(shí)別的有效性。