[发明专利]一种铁路货运的事故预警及分类的方法及装置

权利要求书

1.一种铁路货运的事故预警及分类的方法，其特征在于，该方法包括：

获取铁路货运的历史货运记录信息，每一条历史货运记录信息中包括多个属性及对应的属性值；

设置包含对应每条历史货运记录信息的子网络结构的铁路货运网络；

通过图神经网络GNN方式对所述铁路货物网络进行训练，得到反映子网络结构之间对应属性值之间的相似度关系的铁路货运模型；

将铁路货运的货运记录信息输入训练得到的铁路货运模型中，输出得到所述铁路货运的货运记录信息对应的安全事故预警及分类结果。

2.如权利要求1所述的方法，其特征在于，所述历史货运记录信息中的属性包括：始发站O、终点站D、货物品类G及车辆信息C4；

所述历史货运记录信息中的属性还包括：承运日期time、始发站所属路局Od、到达站所属路局Dd、货物包装信息P、货物类型GT、实际货物AG、保价费InF、保价类型InT、或/和记录事故类型的标签信息。

3.如权利要求2所述的方法，其特征在于，所述子网络结构的构造包括：

将所述历史货运记录信息中的各个属性对应的属性值进行编码后，将得到的各个属性值向量融合。

4.如权利要求2所述的方法，其特征在于，所述铁路货运网络还包括子网络结构之间的边特征，所述边特征是基于子网络结构之间的相似度得到的。

5.如权利要求4所述的方法，其特征在于，所述子网络结构之间的相似度包括：站点之间的相似度、货物品类之间的相似度及车辆之间的相似度；

将得到的站点之间的相似度、货物品类之间的相似度及车辆之间的相似度，进行融合，得到所述边特征。

6.如权利要求5所述的方法，其特征在于，所述站点之间的相似度计算包括：

分别计算两个站点之间的相同邻居数、计算两个站点之间各自属性值的总权和之差，及计算两个站点之间邻居的平均权值后，融合得到。

7.如权利要求5所述的方法，其特征在于，所述货物品类之间的相似度为相关子网络结构中的属性值是否相同计算得到；

所述车辆之间的相似度为相关子网络结构中的属性值是否相同计算得到。

8.如权利要求4所述的方法，其特征在于，所述GNN方式采用图卷积网络-图神经网络GCN-LASE算法实现，包括邻居门、增幅器及整合器。

9.一种铁路货运的事故预警及分类的装置，其特征在于，包括：构建模型单元及预测单元，其中，

构建模型单元，用于获取铁路货运的历史货运记录信息，每一条历史货运记录信息中包括多个属性及对应的属性值；设置包含对应每条历史货运记录信息的子网络结构的铁路货运网络；通过GNN方式对所述铁路货物网络进行训练，得到反映子网络结构之间对应属性之间的相似度关系的铁路货运模型；

预测单元，用于将铁路货运的货运记录信息输入训练得到的铁路货运模型中，输出得到所述铁路货运的货运记录信息对应的安全事故预警及分类结果。