本发明涉及数据处理，特别是指一种公路施工作业区车辆异常轨迹识别方法及系统。
背景技术：
1、高速公路养护施工及改扩建工程施工期间需要封闭既有车道、形成施工作业区。在涉路施工期间，由于既有道路的通行环境改变、施工交通组织措施不到位等多方面因素的影响，极易发生车辆闯入施工作业控制区交通安全事故，严重威胁施工作业人员安全和车辆安全通行，成为当前亟需解决的问题之一。开展车辆危险驾驶行为的识别和预测，在事故发生之前提前发出预警措施等，可以有效避免事故的发生，是道路安全管理重要的发展方向。
2、当前的车辆异常识别技术主要针对的是城市道路、正常通行的高速公路等常规场景下的车辆异常轨迹、驾驶行为等方面的识别。
3、与高速公路养护施工及改扩建工程施工相比，存在诸多不足：一是模型场景适用性不足，高速公路养护施工及改扩建工程施工期间异常复的杂交通组织，导致车辆通行环境、车辆危险驾驶行为表现特征、车辆识别预警目标等多面存在差异性；二是模型特征识别能力不足，施工作业区通行车辆行驶轨迹时空特征复杂多变，现有模型难以有效的进行表征和解析。
技术实现思路
1、为了解决现有技术存在的模型场景适用性不足以及模型特征识别能力不足的技术问题，本发明提供了一种公路施工作业区车辆异常轨迹识别方法及系统。
2、本发明实施例提供的技术方案如下：
3、第一方面
4、本发明实施例提供的一种公路施工作业区车辆异常轨迹识别方法，包括：
5、s1：获取公路施工作业区的车辆轨迹数据；
6、s2：对所述车辆轨迹数据进行数据清洗；
7、s3：根据所述车辆轨迹数据，通过k-means聚类算法，对车辆的行驶状态进行标记；
8、s4：通过cnn网络，提取所述车辆轨迹数据中的车辆轨迹特征；
9、s5：根据cnn网络提取的车辆轨迹特征，通过att-bilstm网络，提取所述车辆轨迹数据中的长期依赖关系，确定最终车辆轨迹数据向量；
10、s6：根据所述最终车辆轨迹数据向量，对所述车辆轨迹数据进行行驶状态识别；
11、s7：将所述车辆轨迹数据的行驶状态识别结果与行驶状态标记进行对比，对cnn网络与att-bilstm网络进行优化；
12、s8：通过优化后的cnn网络与att-bilstm网络，进行车辆异常轨迹识别。
13、第二方面
14、本发明实施例提供的一种公路施工作业区车辆异常轨迹识别系统，包括：
15、获取模块，用于获取公路施工作业区的车辆轨迹数据；
16、清洗模块，用于对所述车辆轨迹数据进行数据清洗；
17、标记模块，用于根据所述车辆轨迹数据，通过k-means聚类算法，对车辆的行驶状态进行标记；
18、提取模块，用于通过cnn网络，提取所述车辆轨迹数据中的车辆轨迹特征；
19、确定模块，用于根据cnn网络提取的车辆轨迹特征，通过att-bilstm网络，提取所述车辆轨迹数据中的长期依赖关系，确定最终车辆轨迹数据向量；
20、识别模块，用于根据所述最终车辆轨迹数据向量，对所述车辆轨迹数据进行行驶状态识别；
21、优化模块，用于将所述车辆轨迹数据的行驶状态识别结果与行驶状态标记进行对比，对cnn网络与att-bilstm网络进行优化；
22、所述识别模块，还用于通过优化后的cnn网络与att-bilstm网络，进行车辆异常轨迹识别。
23、本发明实施例提供的技术方案带来的有益效果至少包括：
24、在本发明中，通过cnn网络提取车辆轨迹特征，通过att-bilstm网络对轨迹特征进行预测，实现车辆异常轨迹的高效识别，提升了场景适用性，可以适用于高速公路养护施工及改扩建工程施工期间异常复的杂交通组织情况，实现对于施工作业区通行车辆行驶轨迹时空特征的有效提取，提升了异常识别能力。
1.一种公路施工作业区车辆异常轨迹识别方法，其特征在于，包括：
2.根据权利要求1所述的公路施工作业区车辆异常轨迹识别方法，其特征在于，所述s2具体包括：
3.根据权利要求1所述的公路施工作业区车辆异常轨迹识别方法，其特征在于，所述行驶状态包括安全行驶状态和危险行驶状态；
4.根据权利要求1所述的公路施工作业区车辆异常轨迹识别方法，其特征在于，所述s4具体包括：
5.根据权利要求1所述的公路施工作业区车辆异常轨迹识别方法，其特征在于，所述s5具体包括：
6.一种公路施工作业区车辆异常轨迹识别系统，其特征在于，
7.根据权利要求6所述的公路施工作业区车辆异常轨迹识别系统，其特征在于，所述清洗模块具体用于：
8.根据权利要求6所述的公路施工作业区车辆异常轨迹识别系统，其特征在于，所述行驶状态包括安全行驶状态和危险行驶状态；
9.根据权利要求6所述的公路施工作业区车辆异常轨迹识别系统，其特征在于，所述提取模块具体用于：
10.根据权利要求6所述的公路施工作业区车辆异常轨迹识别系统，其特征在于，所述确定模块具体用于：
