The invention relates to a method for predicting the spatial distribution characteristics of traffic accidents in the city based on the combination of first case information and spatial information of the spatial database and build a case for data preprocessing; then analyses the spatial distribution of traffic accident statistics area based on the global and local autocorrelation method to achieve aggregation analysis; then the data points based on the analysis of the temporal and spatial distribution characteristics of traffic accidents, through hierarchical cluster analysis to hierarchically express the case distribution, the expression of continuous change and accurate center of traffic accident distribution by the kernel density estimation method; finally, the BP neural network prediction algorithm to predict the future of the temporal and spatial distribution of area traffic accidents using the temporal and spatial distribution characteristics have been issued the case. The invention combines the time and space distribution, using a large data mining prediction algorithm of BP neural network, predict the future spatial distribution of area traffic accidents using the temporal and spatial distribution characteristics of the case has been made, to improve the accuracy, real-time, reduce the human cost.
【技术实现步骤摘要】
一种基于时空分布特征预测城市交通事故的方法
本专利技术涉及交通事故分析领域,特别是一种基于时空分布特征预测城市交通事故的方法。
技术介绍
目前,国外学者们对交通事故案件地理学的研究较为深入,在交通事故的时空分布形成机制和时空分布特征研究等方面成果颇丰。对交通事故案件的时空分布当下主要技术是采用相关性分析法来研究。该方法需事先限制具体的几个因素,通过不断的收集某个具体路段事故数据,人为拟合各因素间的相关性,进而进行对所得数据进行分析来预测各个路段不同时空的分布情况。传统的方法具有如下不足之处:首先,采集数据后进行处理,在相关拟合中的因素受到限制,可能导致结果具有局限性;其次,传统的拟合的数据相关性结果不能自主随变化因素而改变,实时性偏低;最后,传统技术的预测是偏向人为而得,主观性较严重,误差偏大。总结该方法存在误差大、时效性差、准确性低,仪器成本高、反馈信息不丰富等不足。为解决传统技术方法问题,利用当下大数据技术,可以改进时空分布的特征分析法,同时采用数据挖掘法增加预测的实时性与可靠性。当下时空分布形成机制和实际交通事故案件分布情况的有机互动,逐渐形成两大经典理论时空分布特征的研究主要涉及了时间分布研究、空间分布研究与时空分布研究,尽管这些研究所采用的理论和分析方法有所不同,但是这三者之间还是存在相互关联的。随着遥感高清影像普及和信息技术的发展,大数据的预测分析法,尤其是BP神经网络法也得到充分发展。在综合考虑交通事故案件分布的空间和时间两方面信息的研究中,目前国外研究人员提出一些新的研究方法。如Townsley等人提出了热点图法,该方法能够更直观地帮助研究 ...
【技术保护点】
一种基于时空分布特征预测城市交通事故的方法,其特征在于:包括以下步骤:步骤S1:结合案件信息和空间信息建立案件空间数据库并进行数据预处理;步骤S2:基于面域数据进行空间自相关分析,先利用全局空间自相关方法分析案件是否为聚集状态,若为聚集状态,再利用局部空间自相关方法分析区域范围交通事故具体的聚集情况;步骤S3:基于公安局交警大队记录的城市不同区域交通事故案件数据,采用自组织映射和U型矩阵方法进行时空多维可视化分析;步骤S4:基于案发点数据进行层次聚类分析、核密度估算;步骤S5:采用BP神经网络预测算法,利用已发案件的时空分布特征预测未来的交通事故时空分布区。
【技术特征摘要】
1.一种基于时空分布特征预测城市交通事故的方法,其特征在于:包括以下步骤:步骤S1:结合案件信息和空间信息建立案件空间数据库并进行数据预处理;步骤S2:基于面域数据进行空间自相关分析,先利用全局空间自相关方法分析案件是否为聚集状态,若为聚集状态,再利用局部空间自相关方法分析区域范围交通事故具体的聚集情况;步骤S3:基于公安局交警大队记录的城市不同区域交通事故案件数据,采用自组织映射和U型矩阵方法进行时空多维可视化分析;步骤S4:基于案发点数据进行层次聚类分析、核密度估算;步骤S5:采用BP神经网络预测算法,利用已发案件的时空分布特征预测未来的交通事故时空分布区。2.根据权利要求1所述的一种基于时空分布特征预测城市交通事故的方法,其特征在于:步骤S2中,所述全局空间自相关方法的检验指标采用Moran'sI指数,采用下式表示:其中,n是区域总量,表示第i个区域中对应变量的观测值,Wij的数值表示地区间的邻近关系;所述局部空间自相关方法的检验指标采用Moran指数,采用下式表示:其中,z′i和z′j为经过标准化处理得到的观察值,Z值说明空间相关性的类型,若Z值小于0,说明区域间存在空间负相关的分布模式,表明数据属性较相似的区...
【专利技术属性】
技术研发人员:陈冬英,黄淑燕,林灵燕,张浩,张丽丽,关翔锋,
申请(专利权)人:福建江夏学院,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。