高速公路实时运行风险计算方法技术

本发明专利技术涉及一种高速公路实时运行风险计算方法，该方法采用多因素融合的熵值模型对高速公路交通流、环境对道路的实时运行情况进行分析计算。本发明专利技术基于熵值模型的原理，在实时交通流数据、实时环境变化数据获取的基础上，对采集到的数据进行预处理，并运用相关性分析、随机森林模型、归一化处理等方法，根据高速公路的实时运行情况，融合交通流风险因素、外部环境因素，建立可分析高速公路实时运行情况的风险熵模型。该模型可以对高速公路的实时运行风险进行识别、评估、分析，可以为高速公路实时风险管理提供依据，管理人员可在此基础上进行风险处置和防范，避免或减少因高风险情况对经济和财产造成损失。

【技术实现步骤摘要】
高速公路实时运行风险计算方法
本专利技术涉及公路交通
，具体涉及一种高速公路实时运行风险计算方法。
技术介绍
随着交通需求的不断增加，高速公路面临着交通拥堵和交通安全的问题，道路的行车风险越高，车辆行驶安全受到的影响越严重。实际中，交通安全和交通事故是两个相互对立的概念，道路不发生事故，并不意味着完全安全，此时发生交通事故的风险依然存在。因此，为满足高速公路高速、高效、安全、舒适的基本特征，需要妥善分析其风险问题，根据道路运行的风险状态，进行有针对性的风险管理。现实中影响交通安全的因素比较复杂，既包括道路基础设施的差异、管控的差别，也包括天气因素、交通事故的影响，但是在高速公路实时运行风险方面，影响风险时变性的因素主要是交通流因素和环境因素。目前，国内外在高速公路运行风险的研究中采用的风险评价方法包括层次分析法、蒙特卡罗模拟技术、敏感性分析法、模糊分析方法、统计概率法、影响图分析法等。这些方法大致反映了工程风险分析技术的现有水平，但是在实际应用中缺乏一定的实时反应性，对道路运行情况的实时反馈不强。从现有的研究成果来看，尚缺乏一套较为完整的、面向宏观车流运行、能够反映道路实时运行情况的风险评估方法，进而为道路管理者提供风险决策支持。
技术实现思路
本专利技术的目的是提供一种高速公路实时运行风险计算方法，从车流运行的宏观角度，计算道路交通运行风险值，融合交通流因素、天气因素、事故因素等，可以对高速公路运行状态的风险情况进行评估。本专利技术所采用的技术方案为：高速公路实时运行风险计算方法，其特征在于：该方法采用多因素融合的熵值模型对高速公路交通流、环境对道路的实时运行情况进行分析计算。具体包括以下步骤：步骤1：对影响高速公路实时运行风险的因素进行分类，划分为交通流风险因素、外部环境风险因素共两类；步骤2：确定获取各因素使用的设备及方法，并进行数据预处理，剔除和修复异常数据；步骤3：将已确定的风险因素划分为正、负熵因素，根据获取的因素在归一化处理的基础上，运用特征工程进行正负熵特征筛选、熵值权重确定；在历史事故数据分析和实时数据状态分析的辅助下，结合归一化处理的结果，基于各因素的描述性指标，运用特征工程方法进行特征筛选和权重确定，最终得到各因素的权重值；步骤4：根据熵值模型的影响因素属性及权重确定结果，结合步骤3的权值分析结果，针对高速公路运行风险正负熵因素的属性差别，建立模型进行计算，正负熵值之和即为高速公路运行风险熵值。步骤1中，交通流风险因素包括交通量、速度差、车头间距、拥挤度、大型车比例，外部环境风险因素包括道路交通事故因素、天气因素。步骤2中，对于交通流风险因素，选择线圈检测器、微波检测器实时获取各类交通流信息；对于外部环境风险因素，从事故信息发布平台获取事故信息，即异常天气信息，从路侧道路气象站，实时获取气象信息。在正负熵因素划分中，交通量、速度差、拥挤度、大型车比例、天气、事故为正熵因素，车头间距为负熵因素；步骤3中，各交通流因素、外部环境因素的权重确定结果为：步骤4中，对于有n个评价等级，mA个正熵因素、mB个负熵因素影响下的高速公路运行系统风险正负熵值模型及系统整体风险熵值计算如下：式中：A为正熵值；B为负熵值；M为高速公路运行风险熵值；λi为第i项指标的权重；n为各因素共有的评价等级；ei为各评价指标的熵值；gi为各因素的差异系数；pi为各因素熵值比重；n为第i个因素的重要度评价值。本专利技术具有以下优点：本专利技术基于熵值模型的原理，在实时交通流数据、实时环境变化数据获取的基础上，对采集到的实时数据进行预处理，并运用相关性分析、随机森林模型、归一化处理等方法，根据高速公路的实时运行情况，融合交通流风险因素、外部环境因素，建立可分析高速公路实时运行情况的熵模型，以风险熵值衡量高速公路的实时运行风险，从风险熵值的变化状态判断高速公路各路段的运行状态。该模型将交通流运行的状态数字化，可直观的从安全风险的角度，分析道路的运行状态，可以对高速公路的实时运行风险进行识别、评估、分析，可以为高速公路的实时风险管理提供依据，管理人员可通过观察风险熵值的变化，采取对应的风险处置和防范措施，避免或减少因高风险情况对经济和财产造成损失。附图说明图1为数据预处理流程图。图2为交通风险因素重要度排序图。图3为高速公路运行风险熵模型的思路流程图。图4为交通流因素及外部环境因素相关性分析图。图5为上行方向高速公路运行风险时变图(西高新)。图6为上行方向高速公路运行风险时变图(曲江西)。图7为上行方向高速公路运行风险时变图(曲江东)。图8为下行方向高速公路运行风险时变图(西高新)。图9为下行方向高速公路运行风险时变图(曲江西)。图10为下行方向高速公路运行风险时变图(曲江东)。图11为本专利技术总流程图。具体实施方式下面结合具体实施方式对本专利技术进行详细的说明。本专利技术涉及一种高速公路实时运行风险计算方法，将熵值模型引入风险分析，提出可量化的道路风险评估方法，从高速公路运行风险影响因素出发，确定各因素的获取方法，并对各风险因素进行量化处理，建立正负安全熵模型，以安全熵值的变化性为依托，分析高速公路实时运行风险的时变性。本专利技术具体实现过程如下：步骤一：确定风险因素在风险因素研究中，将各类风险因素进行归类，汇总各类影响因素，分为交通流风险因素、环境风险因素两类。1.交通风险因素从交通安全的角度看，选择评价交通风险的指标时，需要选择能够综合反映流量、密度、速度的数据作为评价指标。本专利技术在确定交通风险因素时，采用python软件中的随机森林模型，对常见的交通流因素对运行风险的影响重要度进行了划分。本专利技术根据历史及实时数据，采用随机森林方法根据输出结果的重要性确定交通风险因素。随机森林划分样本类型主要依据指示器函数。式中，决策模型为hk(x)，y为分类结果，I(.)为指示器函数。样本分类期望如下：l(s1,s2,L,sn)＝∑Pilog2(pi)i＝1,2,L,nPi＝Si/S式中，数据集为S，n为S的分类数目，Ci为某分类标号，Pi为任意样本属于Ci的概率，pi为样本中属于第i个子集的概率，si为分类Ci上的样本数。l(s1,s2,L,sn)的数值越小，s1,s2,L,sn越有序，分类效果越好。根据随机森林模型，对于不同的高速公路和不同的交通流运行状态，确定不同的数据值，以双向六车道高速公路为例构建随机森林模型。在考虑交通流因素的随机森林模型中，独立构建15棵数，每棵数代表一个交通因素，即n＝15。在分析的过程中，风险因素的个数不变。假设高速公路运行风险共有N个样本，通过重复多次抽样的方法，生成运行风险模型的决策树训练集，共M个输入变量，即S＝M。每个风险节点随机选择m(m＜M)个特定变量，运用m个变量确定最佳分裂点。在决策树的生成过程中，m的数值保持不变。在随机森林模型计算中，决策树不剪枝，最终按照各因素的重要性，确定出交通因素中的风险因素。同时采用基尼指数对随机森林中样本进行分类评价，基尼指数越小，说明样本被分错的概率越低，样本集合越纯。基尼指数参考随机森林分析结果，确定交通量、速度差、车头间距、拥挤度、大型车比例为交通风险因素。交通风险因素重要度分析结果见图1。①交通量交通量为路段单位时间内通过的标准车数量(pcu)。相同道路环境条本文档来自技高网...

【技术保护点】
1.高速公路实时运行风险计算方法，其特征在于：该方法采用多因素融合的熵值模型对高速公路交通流、环境对道路的实时运行情况进行分析计算。

【技术特征摘要】
1.高速公路实时运行风险计算方法，其特征在于：该方法采用多因素融合的熵值模型对高速公路交通流、环境对道路的实时运行情况进行分析计算。2.根据权利要求1所述的高速公路实时运行风险计算方法，其特征在于：具体包括以下步骤：步骤1：对影响高速公路实时运行风险的因素进行分类，划分为交通流风险因素、外部环境风险因素共两类；步骤2：确定获取各因素使用的设备及方法，并进行数据预处理，剔除和修复异常数据；步骤3：将已确定的风险因素划分为正、负熵因素，根据获取的因素在归一化处理的基础上，运用特征工程进行正负熵特征筛选、熵值权重确定；在历史事故数据分析和实时数据状态分析的辅助下，结合归一化处理的结果，基于各因素的描述性指标，运用特征工程方法进行特征筛选和权重确定，最终得到各因素的权重值；步骤4：根据熵值模型的影响因素属性及权重确定结果，结合步骤3的权值分析结果，针对高速公路运行风险正负熵因素的属性差别，建立模型进行计算，正负熵值之和即为高速公路运行风险熵值。3.根据权利要求2所述的高速公路实时运行风险计算方法，其特征在于：步骤1中，交通流风险因素包括交通量、速...

【专利技术属性】
技术研发人员：刘建蓓，靳媛媛，李志锋，刘玮蔚，骆中斌，叱干都，史恒，
申请(专利权)人：中交第一公路勘察设计研究院有限公司，
类型：发明
国别省市：陕西,61