CN114332699B - 路况预测方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种路况预测方法、装置、设备及存储介质，涉及人工智能技术领域。该方法包括：将当前路况的视频帧序列输入到预先训练的共享编码器，得到视频帧序列的语义特征序列；将语义特征序列和外部特征序列，输入到预先训练的时序预测网络，得到未来帧语义特征，外部特征序列为异常事件对应的特征；基于未来帧语义特征，判断预设时长后路况是否异常。

Description

路况预测方法、装置、设备及存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及一种路况预测方法、装置、设备及存储介质。

背景技术

在复杂路况下，自动驾驶系统难以提前检测到远域异常路况，不能对潜在危险尽早规避，影响交通安全和交通效率。

相关技术中，利用计算机模型，基于路侧设备采集的视频，对路况进行预测，进而预测异常路况信息，以指导自动驾驶系统采取绕行、换道等措施。但是，相关技术中存在模型的推理速度较慢，效果不好的问题，亟需改善。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种路况预测方法、装置、设备及存储介质，至少在一定程度上解决相关技术中路况预测模型推理速度较慢，效果不好的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种路况预测方法，方法包括：

将当前路况的视频帧序列输入到预先训练的共享编码器，得到视频帧序列的语义特征序列；

将语义特征序列和外部特征序列，输入到预先训练的时序预测网络，得到未来帧语义特征，外部特征序列为异常事件对应的特征；

基于未来帧语义特征，判断预设时长后路况是否异常。

在本公开的一个实施例中，方法还包括：

在判断结果为预设时长后路况异常的情况下，将未来帧语义特征输入到预先训练的共享解码器，得到未来帧异常图像。

在本公开的一个实施例中，将当前路况的视频帧序列输入到预先训练的共享编码器之前，方法还包括：

训练用于图像语义编码或解码的VAE-GAN，得到视频帧到预设语义空间的共享编码器和共享解码器。

在本公开的一个实施例中，将语义特征序列和外部特征序列，输入到预先训练的时序预测网络之前，方法还包括：

训练用于语义特征预测的RNN-GAN，得到时序预测网络。

在本公开的一个实施例中，外部特征序列，包括如下信息中的至少一种：

交通信息、环境信息、路段信息。

在本公开的一个实施例中，基于未来帧语义特征，判断预设时长后路况是否异常，包括：

将未来帧语义特征，输入到预先训练的语义特征异常检测网络，得到未来帧语义特征异常的概率；

在概率大于预设的异常概率阈值时，判断结果为预设时长后路况异常；

在概率不大于预设的异常概率阈值时，判断结果为预设时长后路况正常。

在本公开的一个实施例中，语义特征异常检测网络用于将未来帧语义特征输入到重编码模型，得到重编码特征，以及基于重编码特征和未来帧语义特征，计算未来帧语义特征异常的概率。

在本公开的一个实施例中，方法还包括：

在判断结果为预设时长后路况异常的情况下，发送异常告警信息。

根据本公开的另一个方面，提供一种路况预测装置，装置包括：

编码模块，用于将当前路况的视频帧序列输入到预先训练的共享编码器，得到视频帧序列的语义特征序列；

未来帧预测模块，用于将语义特征序列和外部特征序列，输入到预先训练的时序预测网络，得到未来帧语义特征；

异常判断模块，用于基于未来帧语义特征，判断预设时长后路况是否异常。

根据本公开的再一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的路况预测方法。

根据本公开的又一个方面，提供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上述的路况预测方法。

本公开的实施例所提供的路况预测方法，将当前路况的视频帧序列输入到预先训练的共享编码器，得到视频帧序列的语义特征序列；将语义特征序列和外部特征序列，输入到预先训练的时序预测网络，得到未来帧语义特征，外部特征序列为异常事件对应的特征；基于未来帧语义特征，判断预设时长后路况是否异常。其中，共享编码器单独训练，可以预先学习视频帧图像分布与语义空间分布之间统一的编码、解码关系，在视频帧预测和异常检测阶段可以共享该编码器，减少推理阶段编码解码次数，进而提升推理的速度；在视频帧预测阶段，融合语义特征序列和异常事件相关的外部特征序列，可以提升异常事件预测能力。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。

图1相关技术中一种基于GAN的视频帧预测与异常检测的方法流程示意图；

图2本公开实施例中一种路况预测方法流程示意图；

图3本公开实施例中共享编码器、共享解码器训练流程示意图；

图4本公开实施例中时序预测网络训练流程示意图；

图5本公开实施例中语义特征异常检测网络训练流程示意图；

图6本公开实施例中语义级数量流推理流程示意图；

图7本公开实施例中一种基于GAN的路况预测方法流程示意图；

图8本公开实施例中一种路况预测装置示意图；和

图9本公开实施例中一种计算机设备的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

为便于理解，下面首先介绍本公开实施例中涉及的技术术语。

GAN(Generative Adversarial Network，生成式对抗网络)，GAN是建立于神经网络的基础上的，其核心思想是“生成”与“对抗”。

GAN网络结构包含两个模型，一个是生成模型(Generator)，另一个是判别模型(Discriminator)。

生成模型一般是使用反卷积神经网络或者全连接神经网络，通过输入的数据生成二维图像。

判别模型是一个卷积神经网络二元分类器，它的工作主要是负责判断生成模型所生成的图像是来自数据集的真实图像，还是由人工伪造的假图像。

也就是说，生成模型要尽力生成更加真实的结果来骗过判别模型，而判别模型要尽力区分真伪不被生成模型欺骗，二者之间形成一种相互对抗的关系，二者共同进步成长，直到最后，当判别模型分辨不出生成结果是否真实的时候(判别概率为0.5)，该网络达到最理想的状态。

VAE(Variational autoencoder，基于变分思想的深度学习的生成模型)。

VAE可以包括一个编码器和一个解码器，编码器可以将数据映射到一个低维的空间分布codec，而解码器可以将这个分布还原回原始数据，因此解码器(decoder)是很像GAN中的生成模型(Generator)，如果再后面拼接上一个判别模型(Discriminator)，这样的话，前两个模块就是VAE，后俩模块就是GAN，也就是VAE-GAN。

基于背景技术部分可知，相关技术中存在路况预测模型推理速度较慢，效果不好的问题。

具体地，路况异常事件复杂多变，难以提前遍历所有可能的异常路况视频帧样本，来训练不同情况下的异常检测模型。

此外，路况动态变化，为减缓交通应急处理压力，需提前预判道路是否会发生异常，以尽早规划车辆驾驶路线。

为保证未来预测帧生成逼真的图像，且有效反映视频帧序列在时空上的变化趋势，相关技术中一种有效方法是利用GAN学习视频帧序列的帧间一致性来构建通用、可扩展的未来帧预测模型。

相关技术中，针对这类视频帧预测和异常检测的主流解决方案如图1所示，采用上述视频帧预测和视频帧序列异常事件检测技术存在如下问题：

问题1：相关技术中，视频帧预测和异常检测方法，相互独立训练模型，结合两方法需依赖图像级数据流，分别进行编码解码，处理流程冗余，影响推理速度；

问题2：模型的输入输出为高维的视频帧序列，数据量大，导致计算成本、网络传输成本较高，难以适应前端嵌入式设备和后端海量视频并行计算；

问题3：区别于一般路况预测任务，路况异常事件往往少见且不确定，针对异常场景在时域上的语义变化规律，生成的未来帧图像在保证逼真的同时难以保证异常信息的精准刻画，影响异常事件检测的召回率。

基于此，本公开提供了一种路况预测方法，通过解耦编码解码来训练统一语义表征、未来帧语义时序预测、未来帧语义异常检测模型，实现语义级数量流推理，提升推理效率，减少运算、存储、传输成本。

同时，基于补充语义空间随机采样来学习视频帧图像统一语义编码解码的VAE-GAN、引入多变量时域关系预测未来帧语义特征的RNN-GAN和约束图像编码在统一语义空间下学习特征重编码差异的GAN，实现更提前、更准确、更高召回率的路况视频帧预测和异常预判。

下面结合附图及实施例对本示例实施方式进行详细说明。

图2示出本公开实施例中一种路况预测方法流程图，如图2所示，本公开实施例中提供的路况预测方法包括如下步骤：

步骤S202，将当前路况的视频帧序列输入到预先训练的共享编码器，得到视频帧序列的语义特征序列；

步骤S204，将语义特征序列和外部特征序列，输入到预先训练的时序预测网络，得到未来帧语义特征，外部特征序列为异常事件对应的特征；

步骤S206，基于未来帧语义特征，判断预设时长后路况是否异常。

下面对上述步骤进行详细说明，具体如下所示：

在一些实施例中，上述方法还可以包括：

在判断结果为预设时长后路况异常的情况下，将未来帧语义特征输入到预先训练的共享解码器，得到未来帧异常图像。

在一些实施例中，在判断结果为预设时长后路况异常的情况下，发送异常告警信息。

在一些实施例中，将当前路况的视频帧序列输入到预先训练的共享编码器之前，上述方法还可以包括：

训练用于图像语义编码或解码的VAE-GAN，得到视频帧到预设语义空间的共享编码器和共享解码器。

这里，如图3所示，可以基于VAE-GAN预先学习监控视频帧图像分布与语义空间分布之间统一的编码、解码关系，并将训练所得的编码器和解码器，作为后续模块的共享编码器、共享解码器，以减少推理阶段编码解码次数；另外，引入语义空间随机采样，提升共享解码器解码后续识别出的异常语义的泛化能力。

在一些实施例中，将语义特征序列和外部特征序列，输入到预先训练的时序预测网络之前，上述方法还可以包括：

训练用于语义特征预测的RNN-GAN，得到时序预测网络。

这里，如图4所示，首先将视频帧序列经前述共享编码器编码为语义特征序列，然后融合前置帧语义特征和异常事件相关外部特征，输入给RNN生成器，结合生成器生成的未来帧语义序列与后置帧语义序列之间的回归损失，以及判别器根据帧间语义一致性约束的判别损失，构建多变量时序预测网络，提升异常事件预测能力。

在一些实施例中，外部特征序列，可以包括如下信息中的至少一种：

交通信息、环境信息、路段信息。

在一些实施例中，基于未来帧语义特征，判断预设时长后路况是否异常，包括：

将未来帧语义特征，输入到预先训练的语义特征异常检测网络，得到未来帧语义特征异常的概率；

在概率大于预设的异常概率阈值时，判断结果为预设时长后路况异常；

在概率不大于预设的异常概率阈值时，判断结果为预设时长后路况正常。

在一些实施例中，语义特征异常检测网络用于将未来帧语义特征输入到重编码模型，得到重编码特征，以及基于重编码特征和未来帧语义特征，计算未来帧语义特征异常的概率。

这里，如图5所示，首先将视频帧序列中正常图像经前述共享编码器编码为语义特征，然后侧重约束重编码模型解码-重编码器针对正常图像在统一语义空间下的重编码特征差异，保证推理阶段可直接利用未来帧预测语义特征，省略图像编码过程，减弱对图像质量的依赖；

如图6所示，推理阶段，首先将前置视频帧序列经前述共享编码器编码为前置帧语义特征序列，融合相关外部特征序列，输入给时序预测网络(RNN生成器)，生成未来帧预测语义特征序列，然后将未来帧预测语义特征序列各帧输入给重编码模型解码-重编码器，得到重编码特征，基于未来帧预测语义特征序列各帧与对应重编码特征差异计算异常概率，当某帧异常概率大于预设异常概率阈值时，将当前未来帧预测语义特征序列经前述共享解码器解码为未来帧图像序列，进行异常信息上报，从而实现将未来帧预测和异常检测数据流降维到语义级，简化模型复杂度，降低计算、传输成本。

为便于理解，下面结合一个具体示例详细说明本公提供的路况预测方法及其中的模型训练过程。

如图7所示，本公开提供的路况预测方法可以分为训练和推理两个阶段。

训练阶段，首先训练用于图像语义编/解码的VAE-GAN，得到视频帧到预设语义空间的共享编/解码器，然后训练用于语义特征预测的RNN-GAN，得到预测未来帧语义特征序列的时序预测网络(RNN生成器)，同时训练训练用于语义特征异常检测的GAN，得到针对正常样本对应语义特征进行解码-重编码的重编码模型。

推理阶段，首先将视频原始帧序列经前述共享编码器压缩为语义特征序列，融合外部特征序列，输入给前述RNN生成器，生成未来帧语义特征序列，然后将未来帧语义特征序列各帧输入给前述重编码模型，得到重编码特征，基于未来帧预测语义特征序列各帧与对应重编码特征差异计算异常概率，当某帧异常概率大于预设异常概率阈值，将当前未来帧预测语义特征序列经前述共享解码器解码为未来帧图像序列，进行异常信息上报。其中异常概率阈值可以根据实际情况进行调整。

训练用于图像语义编/解码的VAE-GAN(前文中的共享编码器和共享解码器)的过程如下：

训练变分自编码器-生成对抗网络，输入监控视频原始帧图像给共享编码器，使得共享编码器编码原始帧图像的语义特征尽可能嵌入到预设语义空间，然后将原始帧图像编码后的语义特征、以及预设语义空间随机采样特征输入给共享解码器，使得共享解码器生成尽量逼真的图像；同时，将共享解码器生成图像和原始帧图像输入给判别器，使得判别器尽量正确分类输入图像是否真实。另外，对于原始帧图像，和其经过共享编码器和共享解码器后的重建图像，增加重建损失要求两者尽可能接近。

1)构造VAE-GAN共享编码器为多层CNN模型，输入原始帧图像，比如彩色三通道RGB图像，输出符合预设语义空间分布的语义特征，比如多元高斯分布隐变量：

a.首先将大小为(样本数,图像输入高度,图像输入宽度,图像输入通道数)的原始帧图像x，输入至共享编码器的多层Conv2D层网络，然后经Flatten层，提取得到图像CNN特征，并分别输入给不同的两个Dense层网络分支，分别得到(样本数,预设变量维度)大小的多元高斯分布均值向量方差对数向量/>最后将/>和/>带入预设的多元标准高斯分布P(z)上，采样求得大小为(样本数,预设变量维度*2)的多元高斯分布隐变量/>作为输入图像对应的语义特征；

b.从预设的多元高斯分布P(z)上，直接随机选择大小为(样本数,预设变量维度)的多元高斯分布均值向量μ、方差对数向量σ，采样求得大小为(样本数,预设变量维度*2)的多元高斯分布隐变量z，作为预设语义空间随机采样语义特征；

2)构造VAE-GAN共享解码器为多层转置CNN模型，输入预设语义空间分布下的语义特征，比如上述多元高斯分布隐变量，输出逼真的视频帧图像，对应原始帧图像：

将大小为(样本数,预设变量维度*2)的多元高斯分布隐变量或z，首先输入给Dense层网络，然后经Reshape层和多层Conv2Dtranspose层，得到大小为(样本数,图像输入高度,图像输入宽度,图像输入通道数)的生成图像/>或/>

3)构造VAE-GAN判别器为多层CNN模型，输入上述原始帧图像或上述生成图像，输出判别输入图像为真实图像的概率：

将大小为(样本数,图像输入高度,图像输入宽度,图像输入通道数)的图像x、或输入至多层Conv2D层网络，然后经Flatten层和Dense层，得到大小为(样本数,1)的真实概率Dis(x)、/>或/>

4)对于每轮迭代训练过程中，分别优化共享编码器、共享解码器、以及判别器：

a.对于共享编码器，首先计算反映上述原始帧图像编码特征分布到预设语义空间分布P(z)差异的编码损失，比如两分布之间的KL散度，具体计算如下：

其中，M即样本数，对应第i个样本x_i的均值向量、方差对数向量；另外，计算上述原始帧图像经共享编码器、共享解码器的重建损失，比如取两者在判别器Flatten层之后的特征向量的MSE误差，具体计算如下：

其中，y_i,l是第i个样本x_i在判别器Flatten层之后的特征向量，是第i个样本x_i经共享编码器、共享解码器后重建的/>在判别器Flatten层之后的特征向量；最终，求得共享编码器损失L_ENC＝α_enc×L_p+β_enc×L_d，其中α_enc、β_enc对应其两部分损失权重，以最小化L_ENC计算梯度，更新共享编码器参数；

b.对于共享解码器，再计算上述生成图像或/>经判别器求得的判别损失最终，求得共享解码器损失L_DEC＝α_dec×L_dec+β_dec×L_d，其中α_dec、β_dec对应其两部分损失权重，以最小化L_DEC计算梯度，更新共享解码器参数；

c.对于判别器，计算上述生成图像或/>以及原始帧图像经判别器求得的判别损失/> 以最小化L_Di计算梯度，更新判别器参数。

训练用于语义特征预测的RNN-GAN(时序预测网络)的过程如下：

训练循环神经网络-生成对抗网络，首先将视频帧序列经前述共享编码器编码为语义特征序列，构造<前置帧语义特征序列,后置帧语义特征序列>时序样本，同时获取路况异常相关外部特征，比如交通参数(车流、车速等)、环境因素(天气、温度等)、路段信息(路面结构、道路等级等)变量，然后按时间戳融合前置帧语义特征序列和外部特征序列，输入给基于RNN网络结构的生成器，生成未来帧语义特征序列，对应于后置帧语义特征序列，使得生成器生成的未来帧语义特征序列与后置帧语义特征序列之间的回归损失尽可能小，同时使得<前置帧语义特征序列,未来帧语义特征序列>尽可能像真实视频帧对应的语义特征序列；同时，将<前置帧语义特征序列,未来帧语义特征序列>和<前置帧语义特征序列,后置帧语义特征序列>时序样本，分别输入给判别器进行训练，使得判别器尽可能判<前置帧语义特征序列,未来帧语义特征序列>为假，<前置帧语义特征序列,后置帧语义特征序列>为真，以此通过帧间语义一致性约束的判别损失，构建多变量时序预测生成器，也就是前文中的时序预测网络。

1)将监控视频原始帧图像序列输入给前述共享编码器，得到对应的语义特征序列，并记录各帧对应时间戳，及该时间戳下外部特征信息，然后预设前置帧步长为f，后置帧步长为b，将语义特征序列构造大小为(样本数,f+b,语义特征维数)的<前置帧语义特征序列X,后置帧语义特征序列Y>语义时序张量S，同时，根据前置帧语义特征序列对应的f个时间戳，选取对应时间戳的外部特征序列，构造大小为(样本数,f,语义特征维数+外部特征维数)的<前置帧语义特征序列,外部特征序列>融合时序张量I；

2)构造RNN-GAN生成器为多层LSTM网络，首先将上述融合时序张量I输入至多层LSTM层，提取最后步长时序特征，然后输入至TimeDistributed(Dense)层，产生针对各个未来时间步特征的全连接结果，输出大小为(样本数,b,语义特征维数)的未来帧语义特征序列

3)构造RNN-GAN判别器为多层LSTM网络，将前述预测得到的未来帧语义特征序列与对应输入的前置帧语义特征序列X部分，拼接成大小为(样本数,f+b,语义特征维数)的<前置帧语义特征序列,未来帧语义特征序列>的语义时序张量/>分别输入S和/>给多层LSTM层，然后经Dense层，得到大小为(样本数,1)的真实概率Dis(S)和/>

4)对于每轮迭代训练过程中，生成器和判别器每隔一定的迭代次数，交替更新参数：

a.对于判别器，计算上述语义时序张量S和经判别器求得的判别损失以最小化/>计算梯度，更新判别器参数；

b.对于生成器，首先计算前述未来帧语义特征序列与其对应后置帧语义特征序列Y之间的回归损失，比如MSE误差，具体计算如下：

其中，Y_i是第i个样本S_i对应的后置帧语义特征序列，是第i个样本S_i经生成器预测得到的未来帧语义特征序列；同时，再计算上述语义时序张量/>经判别器求得的判别损失/>最终，求得生成器损失其中α_gen、β_gen对应其两部分损失权重，以最小化/>计算梯度，更新共享解码器参数。

训练用于语义特征异常检测的GAN，也就是前文中的语义特征异常检测网络。

基于GANomaly网络结构训练用于语义特征异常检测的生成对抗网络。

训练阶段，首先将视频帧序列中正常图像经前述共享编码器编码为语义特征，然后再由GANomaly解码器将该语义特征重建为图像，最后再将该重建图像输入至GANomaly重编码器，得到重编码特征，使得GANomaly解码器尽可能保证重建图像和正常图像差异小，且使得重建图像尽可能逼真；同时，使得GANomaly重编码器得到的重编码特征与对应的语义特征差异尽可能小。

1)构造GANomaly解码器为多层转置CNN模型，然后和前述共享编码器网络进行拼接，构成GANomaly生成器，并设置共享编码器网络部分参数为不可训练；

2)选取正常图像，构造大小为(样本数,图像输入高度,图像输入宽度,图像输入通道数)的原始帧正常图像张量x_，输入至上述GANomaly生成器的共享编码器网络，按前述共享编码器编码方法得到语义特征z_，然后输入至其中GANomaly解码器Dense层网络，然后经Reshape层和多层Conv2Dtranspose层，得到大小为(样本数,图像输入高度,图像输入宽度,图像输入通道数)的重建图像

3)构造GANomaly重编码器为多层CNN模型，输入上述重建图像至重编码器的多层Conv2D层网络，然后经Flatten层分别连接两个Dense层网络分支，分别得到(样本数,预设变量维度)大小的多元高斯分布均值向量/>方差对数向量/>最后将/>和/>带入预设的多元标准高斯分布P(z)上，采样求得大小为(样本数,预设变量维度*2)的多元高斯分布隐变量/>作为重编码语义特征；

4)构造GANomaly判别器为多层CNN模型，输入上述大小为(样本数,图像输入高度,图像输入宽度,图像输入通道数)的图像x_、输入至多层Conv2D层网络，然后经Flatten层和Dense层，得到大小为(样本数,1)的真实概率Dis(x_)、/>

5)对于每轮迭代训练过程中，分别优化解码器、重编码器以及判别器：

a.对于判别器，计算上述图像张量x_和经判别器求得的判别损失以最小化/>计算梯度，更新判别器参数；

b.对于解码器，首先计算重建图像和原始图像张量x_之间的重建损失，比如L1损失，具体计算如下：

其中，x__i是第i个样本对应的图像，是第i个样本对应的重建图像；同时，计算语义特征z_与重编码语义特征/>之间的重编码损失，比如L2损失，具体计算如下：

其中，z__i是第i个样本对应的语义特征，是第i个样本对应的重编码语义特征；另外，计算重建图像/>经判别器求得的判别损失/>最终，求得解码器损失/> 其中α、β、γ对应其各部分损失权重，以最小化/>计算梯度，更新解码器参数；

c.对于重编码器，以最小化计算梯度，更新重编码器参数。

在训练完上述网络模型后，基于上述网络模型，进行未来帧语义特征预测及异常预判的过程如下：

首先将监控视频前置帧序列经前述共享编码器编码为前置帧语义特征序列，融合相关外部特征序列，输入给前述RNN生成器，生成未来帧预测语义特征序列，然后将未来帧预测语义特征序列各帧输入给GANomaly解码器，然后经重编码器，得到重编码特征，然后基于未来帧预测语义特征序列各帧与对应重编码特征的差异计算异常得分，比如采样L2损失，并按训练阶段验证集计算异常得分的最小、最大异常得分以及归一化后异常概率阈值，对当前异常得分归一化，如果当前某帧异常概率大于阈值，将当前未来帧预测语义特征序列经前述共享解码器解码为未来帧图像序列，进行异常信息上报。

1)在采集终端，取当前时刻前f个时间步长的监控视频帧序列，作为前置帧序列，然后输入给训练好的共享编码器，得到当前时刻前f个时间步长的语义特征序列；

2)同时，取当前时刻前f个时间步长的外部特征序列，和上一步得到的语义特征序列，合并为多变量时序张量，传输给计算单元；

3)在计算单元，将获取的多变量时序张量，输入给训练好的RNN生成器，得到当前时刻未来b个时间步长的语义特征序列，即为未来帧语义特征序列；

4)在计算单元，将未来帧语义特征序列各帧分别输入给GANomaly解码器-重编码器网络，得到b个重编码特征；

5)在计算单元，计算未来帧语义特征序列b个时间步长的语义特征向量。和重编码特征的b个向量之间的L2损失，作为异常得分，然后按GANomaly验证集选取的异常得分值域进行最大最小归一化，得到对应各帧的b个异常概率；

6)在计算单元，对比b个异常概率是否大于验证阶段预设阈值，当存在至少1帧大于预设阈值，将当前b个时间步长的未来帧语义特征序列传输给接收端；

7)接收端提前部署共享解码器，当接收到新的未来帧语义特征序列，经共享解码器解码为未来帧图像，可视化异常信息。

本公开实施例提供的路况预测方法，统一语义表征，基于VAE-GAN预先学习监控视频帧图像分布与语义空间分布之间统一的编码、解码关系，共享视频帧预测和异常检测的编码器，减少推理阶段编码解码次数；引入语义空间随机采样，提升共享解码器解码异常语义的泛化能力。

融合前置帧语义特征和异常事件相关外部特征，结合后置帧语义回归损失和帧间语义一致性约束构建多变量时序预测生成器提升异常事件预测能力。

固定共享编码器，侧重约束正常样本在统一语义空间下的重编码特征差异，保证推理阶段可直接利用未来帧预测语义特征，省略图像编码过程，减弱对图像质量的依赖。

将未来帧预测和异常检测数据流降维到语义级，简化模型复杂度，降低计算、传输成本。

基于同一发明构思，本公开实施例中还提供了一种路况预测装置，如下面的实施例所述。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图8示出本公开实施例中一种路况预测装置，如图8所示，该路况预测装置800包括：

编码模块802，用于将当前路况的视频帧序列输入到预先训练的共享编码器，得到视频帧序列的语义特征序列；

未来帧预测模块804，用于将语义特征序列和外部特征序列，输入到预先训练的时序预测网络，得到未来帧语义特征；

异常判断模块806，用于基于未来帧语义特征，判断预设时长后路况是否异常。

在一些实施例中，该路况预测装置800，还可以包括：

解码模块，用于在判断结果为预设时长后路况异常的情况下，将未来帧语义特征输入到预先训练的共享解码器，得到未来帧异常图像。

在一些实施例中，该路况预测装置800，还可以包括：

第一训练模块，用于训练用于图像语义编码或解码的VAE-GAN，得到视频帧到预设语义空间的共享编码器和共享解码器。

在一些实施例中，该路况预测装置800，还可以包括：

第二训练模块，被配置为训练用于语义特征预测的RNN-GAN，得到时序预测网络。

在一些实施例中，外部特征序列，可以包括如下信息中的至少一种：

交通信息、环境信息、路段信息。

在一些实施例中，异常判断模块806，可以用于执行如下步骤：

将未来帧语义特征，输入到预先训练的语义特征异常检测网络，得到未来帧语义特征异常的概率；

在概率大于预设的异常概率阈值时，判断结果为预设时长后路况异常；

在概率不大于预设的异常概率阈值时，判断结果为预设时长后路况正常。

在一些实施例中，语义特征异常检测网络用于将未来帧语义特征输入到重编码模型，得到重编码特征，以及基于重编码特征和未来帧语义特征，计算未来帧语义特征异常的概率。

在一些实施例中，该路况预测装置800，还可以包括：

告警模块，用于在判断结果为预设时长后路况异常的情况下，发送异常告警信息。

本申请实施例提供的路况预测装置，可以用于执行上述各方法实施例提供的路况预测方法，其实现原理和技术效果类似，为简介起见，在此不再赘述。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图9来描述根据本公开的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执行，使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元910可以执行上述方法实施例的各步骤。

存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)9201和/或高速缓存存储单元9202，还可以进一步包括只读存储单元(ROM)9203。

存储单元920还可以包括具有一组(至少一个)程序模块9205的程序/实用工具9204，这样的程序模块9205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备900也可以与一个或多个外部设备940(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备900交互的设备通信，和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (11)

1.一种路况预测方法，其特征在于，所述方法包括：

将当前路况的视频帧序列输入到预先训练的共享编码器，得到所述视频帧序列的语义特征序列；

将所述语义特征序列和外部特征序列，输入到预先训练的时序预测网络，得到未来帧语义特征，所述外部特征序列为异常事件对应的特征；

基于所述未来帧语义特征，判断预设时长后路况是否异常。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在判断结果为预设时长后路况异常的情况下，将所述未来帧语义特征输入到预先训练的共享解码器，得到未来帧异常图像。

3.根据权利要求2所述的方法，其特征在于，所述将当前路况的视频帧序列输入到预先训练的共享编码器之前，所述方法还包括：

训练用于图像语义编码或解码的VAE-GAN，得到视频帧到预设语义空间的共享编码器和共享解码器。

4.根据权利要求1所述的方法，其特征在于，所述将所述语义特征序列和外部特征序列，输入到预先训练的时序预测网络之前，所述方法还包括：

训练用于语义特征预测的RNN-GAN，得到时序预测网络。

5.根据权利要求1所述的方法，其特征在于，所述外部特征序列，包括如下信息中的至少一种：

交通信息、环境信息、路段信息。

6.根据权利要求1所述的方法，其特征在于，所述基于所述未来帧语义特征，判断预设时长后路况是否异常，包括：

将所述未来帧语义特征，输入到预先训练的语义特征异常检测网络，得到所述未来帧语义特征异常的概率；

在所述概率大于预设的异常概率阈值时，判断结果为预设时长后路况异常；

在所述概率不大于预设的异常概率阈值时，判断结果为预设时长后路况正常。

7.根据权利要求6所述的方法，其特征在于，所述语义特征异常检测网络用于将所述未来帧语义特征输入到重编码模型，得到重编码特征，以及基于所述重编码特征和所述未来帧语义特征，计算所述未来帧语义特征异常的概率。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在判断结果为预设时长后路况异常的情况下，发送异常告警信息。

9.一种路况预测装置，其特征在于，所述装置包括：

编码模块，用于将当前路况的视频帧序列输入到预先训练的共享编码器，得到所述视频帧序列的语义特征序列；

未来帧预测模块，用于将所述语义特征序列和外部特征序列，输入到预先训练的时序预测网络，得到未来帧语义特征；

异常判断模块，用于基于所述未来帧语义特征，判断预设时长后路况是否异常。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-8中任意一项所述的路况预测方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8中任意一项所述的路况预测方法。