城市路网行人交通事故黑点识别方法技术

本发明专利技术提供了一种城市路网行人交通事故黑点识别方法，通过对指定时间段指定区域内的行人交通事故数据建立标准化的行人交通事故数据库，计算各单位路段的事故频数，并利用其估计行人交通事故分布模型的参数值，得到各事故频数的概率和事故频数累积概率，确定给定置信水平下的行人交通事故黑点上限阈值，识别行人交通事故黑点，通过反向解码实现行人交通事故黑点的空间定位和显示。克服了现有事故黑点识别方法精度低、主观性大、可视性差等不足，在降低行人交通事故发生率和提高城市行人交通系统的安全性方面等有重要的工程应用价值。

【技术实现步骤摘要】

本专利技术涉及行人交通安全领域，尤其涉及一种城市路网行人交通事故黑点识别方法，通过分析城市路网行人交通事故数据的空间分布，进行城市路网行人交通事故黑点识别。
技术介绍
近年来，随着社会经济的飞速发展，人们的社会活动日益频繁，城市中机动车交通量、行人交通量等急剧上升，极大地增加了人车事故的发生概率。另一方面，由于长期以来对行人交通安全问题的忽视，我国行人在交通事故中的伤亡人数居高不下，已演变为严重的社会问题。据公安部交通管理局的事故统计资料分析，2010年我国行人伤亡人数达16281人，占事故总死亡人数的24.96％；受伤人数达44627人，占事故总受伤人数的17.57％。因而行人交通安全问题正逐渐成为交通工程领域中越来越受到关注的一块内容。利用行人交通事故数据对城市路网中的行人交通事故黑点进行识别可以有针对性的改善事故多发区域的安全现状，从而提高交通安全管理水平，减少人员伤亡和财产损失，对发展新时期和谐交通有重要意义。已有的研究中交通事故黑点的确定，通常采用专家经验法、事故数法等，这些方法通常人为确定事故黑点的判别阈值，未对交通事故历史数据进行深入分析，存在主观性大、可视性差的缺点。另一方面，由于行人交通事故发生量较机动车事故小，偶然性较大，行人事故统计数据常常会出现零观测值过多的情形，以往的模型在事故数据的统计分析中未考虑数据的这一过离散特征，例如利用泊松分布来描述事故数据就会导致有偏的统计推断结果，使得模型的精度较低。
技术实现思路
针对现有技术行人交通事故偶发性大的特点，以及传统事故黑点识别技术精度低、主观性大、可视性差的缺陷与不足，本专利技术提出了一种城市路网行人交通事故黑点识别法，解决了交通事故数据中零值过多的问题，提高了行人交通事故黑点识别的精度；通过地址的解码实现对行人事故黑点的空间定位，增强了系统的可视性。为了实现上述目的，本专利技术采用的技术方案是：本专利技术城市路网行人交通事故黑点识别方法，通过对行人交通事故历史数据进行标准化处理，建立标准化的行人交通事故数据库，计算各单位路段的事故频数，并利用其估计行人交通事故分布模型的参数值，得到各事故频数的概率和事故频数累积概率，通过得到的模型计算在置信水平为(一般取0.95或0.99)时对应的事故黑点判别的上限阈值，将每个单位路段的事故频数数据与上限阈值进行对比，从而确定行人交通事故黑点，根据事故黑点地址的编码规则进行反向解码，对行人交通事故黑点进行空间定位和显示。具体地，包括以下几个步骤：步骤1：建立标准化的行人交通事故数据库选取一时间段内固定路网范围内的城市道路为对象，将此时间段此范围内发生的行人交通事故数据的地址信息按照交叉口、方向、路段号三个特征对每个单位路段进行编码，分别用i、d、s(i/d/s＝1,2,3…n)表示，通过上述编码唯一确定每个单位路段的地址信息D(i,d,s)；同时记录每个单位路段在此时间段内不同时间的死亡人数、受伤人数、经济损失信息，从而建立标准化的行人交通事故数据库。步骤2：计算每个单位路段行人交通事故频数事故频数为所述时间段内发生在相同地址信息的单位路段上的行人交通事故的起数。根据步骤1中建立的标准化行人交通事故数据库，将地址信息D(i,d,s)相同的每个单位路段发生的行人交通事故数据进行相加统计，得到每个单位路段的事故频数y(i,d,s)。步骤3：建立行人交通事故分布模型步骤3.1：构建行人交通事故零膨胀泊松分布模型 f ( y ( i , d , s ) , λ , ω ) = ω + ( 1 - ω ) e - λ , y ( i , d , s ) = 0 ( 1 - ω ) e - λ λ y i y ( i , d , s 本文档来自技高网...

【技术保护点】
一种城市路网行人交通事故黑点识别方法，其特征在于，包括以下步骤：步骤1：建立标准化的行人交通事故数据库选取一时间段内固定路网范围内的城市道路为对象，将此时间段此范围内发生的行人交通事故数据的地址信息按照交叉口、方向、路段号三个特征对每个单位路段进行编码，分别用i、d、s(i/d/s＝1,2,3…n)表示，通过上述编码唯一确定每个单位路段的地址信息D(i,d,s)；同时记录每个单位路段在此时间段内不同时间的死亡人数、受伤人数、经济损失信息，从而建立标准化的行人交通事故数据库；步骤2：计算每个单位路段行人交通事故频数根据步骤1中建立的标准化行人交通事故数据库，将地址信息D(i,d,s)相同的每个单位路段发生的行人交通事故数据进行相加统计，得到每个单位路段的事故频数y(i,d,s)；步骤3：建立行人交通事故分布模型步骤3.1：构建行人交通事故零膨胀泊松分布模型f(y(i,d,s),λ,ω)=ω+(1-ω)e-λ,y(i,d,s)=0(1-ω)e-λλγiy(i,d,s)!,y(i,d,s)=1,2,···,n---(1)]]>式(1)中：f(y(i,d,s),λ,ω)为零膨胀泊松分布概率密度函数；y(i,d,s)为地址信息D(i,d,s)的单位路段的事故频数；λ为泊松分布的强度；ω为膨胀系数，且0＜ω＜1；步骤3.2：行人交通事故零膨胀泊松分布模型参数估计在步骤3.1中行人交通事故零膨胀泊松分布模型的基础上，得到该分布模型的对数似然函数如下：l=Σy(i,d,s)ln(1-ω)+Σy(i,d,s)=0ln(ω1-ωe-λ)+Σy(i,d,s)>0(yilnλ-λ-ln(y(i,d,s)!))---(2)]]>对公式(2)求偏导数，令联立两式，得到公式(3)：Σy(i,d,s)=0-(1-ω)e-λω+(1-ω)e-λ+Σy(i,d,s)>0(-1+y(i,d,s)λ)=0-Σy(i,d,s)11-ω+Σy(i,d,s)=01ω(1-ω)+(1-ω)2e-λ=0---(3)]]>将步骤2中计算得到的地址信息为D(i,d,s)的单位路段的事故频数y(i,d,s)全部带入公式(3)，得到模型中λ和ω的极大似然估计值和将得到的极大似然估计值和带入公式(1)，获得确定参数的行人交通事故分布函数，如公式(4)所示；f(y(i,d,s),λ^,ω^)=ω^+(1-ω^)e-λ^,y(i,d,s)=0(1-ω^)e-λ^λ^y(i,d,s)y(i,d,s)!,y(i,d,s)=1,2,···,n---(4)]]>步骤4：行人交通事故黑点判别步骤4.1：确定事故黑点判别的上限阈值将单位路段事故频数y(i,d,s)分为0,1,2,3,4,≥5几种情况，分别带入公式(4)分别求出其概率然后计算事故频数累积概率F(n)，如公式(5)所示：F(n)=Σy(i,d,s)=0nf(y(i,d,s),λ^,ω^),n=0,1,2...---(5)]]>选取置信水平得出满足的最小整数为行人交通事故黑点的上限阈值步骤4.2：行人交通事故黑点判别将步骤2中得到的单位路段事故频数y(i,d,s)与步骤4.1得到的事故黑点上限阈值进行比较；若该单位路段内事故频数y(i,d,s)大于上限阈值则此单位路段为行人交通事故黑点，从而确定行人交通事故黑点的地址信息D(i,d,s)。...

【技术特征摘要】
1.一种城市路网行人交通事故黑点识别方法，其特征在于，包括以下步骤：
步骤1：建立标准化的行人交通事故数据库
选取一时间段内固定路网范围内的城市道路为对象，将此时间段此范围内发
生的行人交通事故数据的地址信息按照交叉口、方向、路段号三个特征对每个单
位路段进行编码，分别用i、d、s(i/d/s＝1,2,3…n)表示，通过上述编码唯一
确定每个单位路段的地址信息D(i,d,s)；同时记录每个单位路段在此时间段内不
同时间的死亡人数、受伤人数、经济损失信息，从而建立标准化的行人交通事故
数据库；
步骤2：计算每个单位路段行人交通事故频数
根据步骤1中建立的标准化行人交通事故数据库，将地址信息D(i,d,s)相同
的每个单位路段发生的行人交通事故数据进行相加统计，得到每个单位路段的事
故频数y(i,d,s)；
步骤3：建立行人交通事故分布模型
步骤3.1：构建行人交通事故零膨胀泊松分布模型
f ( y ( i , d , s ) , λ , ω ) = ω + ( 1 - ω ) e - λ , y ( i , d , s ) = 0 ( 1 - ω ) e - λ λ γ i y ( i , d , s ) ! , y ( i , d , s ) = 1,2 , · · · , n - - - ( 1 ) ]]>式(1)中：f(y(i,d,s),λ,ω)为零膨胀泊松分布概率密度函数；y(i,d,s)为地址
信息D(i,d,s)的单位路段的事故频数；λ为泊松分布的强度；ω为膨胀系数，且
0＜ω＜1；
步骤3.2：行人交通事故零膨胀泊松分布模型参数估计
在步骤3.1中行人交通事故零膨胀泊松分布模型的基础上，得到该分布模型
的对数似然函数如下：
l = Σ y ( i , d , s ) ln ( 1 - ω ) + Σ y ( i , d , s ) = 0 ln ( ω 1 - ω e - λ ) + Σ y ( i , d , s ) > 0 ( y i ln λ - λ - ln ( y ( i , d , s ) ! ) ) - - - ( 2 ) ]]>对公式(2)求偏导数，令联立两式，得到公式(3)：
Σ y ( i , d , s ) = 0 - ( 1 - ω ) e - λ ω + ( 1 - ω ) e - λ + Σ y ( i , d , s ) > 0 ( - 1 + y ( i , d , s ) λ ) = 0 ...

【专利技术属性】
技术研发人员：陆丽丽，任刚，王义，王炜，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32