一种适于大数据的交通安全影响因素辨识方法技术

本发明专利技术公开了一种适于大数据的交通安全影响因素辨识方法，包括步骤：S1、通过分析识别潜在交通安全影响因素并进行有效数据的采集；S2、分别以交通事故数、经济损失、受伤人数以及死亡人数作为因变量建立梯度提升决策树模型；S3、使用穷举法获取最优性能参数组合；S4、分别使用最优梯度提升决策树模型性能参数组合计算各个因素对交通事故数、经济损失、受伤人数以及死亡人数的相对重要性，并进行排序；S5、建立偏效应函数，对重要影响因素进行偏效应分析，从而辨识出用于改善交通安全的交通安全影响因素。本发明专利技术有助于了解经济发展，人口特征和道路网络对区域交通事故的共同影响，有助于决策者采取综合对策来改善道路安全。

A Method for Identifying Traffic Safety Influencing Factors Suitable for Large Data

【技术实现步骤摘要】
一种适于大数据的交通安全影响因素辨识方法
本专利技术涉及交通安全领域，具体涉及一种适于大数据的交通安全影响因素辨识方法。
技术介绍
近年来，随着社会经济的飞速发展，交通安全问题日益突出，逐渐引起了国内外社会各界专家的广泛关注，成为目前交通管理部门必须面对的重点和难点问题。而改善交通安全问题的关键就是交通安全影响因素的辨识，从源头探寻正确而有效的交通安全改善措施。因此，各国学者纷纷投身于交通安全的影响因素的研究，探讨交通事故的严重程度与驾驶行为、国民生产总值、人口与车辆保有量等因素之间的研究，还对对摩托车和卡车事故等特殊交通事故的影响因素进行了大量研究。而从研究方法上来看，主流方法可以大致分为两类：统计回归模型以及机器学习。前者包括负二项回归模型，向量自回归模型，立方回归模型，逻辑回归模型，多元逻辑回归模型等。另一方面，机器学习方法的原理是在没有先验数据的前提下，为输入变量和输出变量构建一个非线性关系。其中，人工神经网络模型广泛应用于许多运输领域，因为它们能够处理多个数据集合之间的复杂关系。然而，人工神经网络的缺点是局部最小值和参数化问题，以及过度拟合的问题。此外，需要大量的训练样本以本文档来自技高网...

【技术保护点】
1.一种适于大数据的交通安全影响因素辨识方法，其特征在于，包括以下步骤：S1、通过对现阶段交通安全状况进行分析，识别潜在交通安全影响因素并进行有效数据的采集；S2、分别以交通事故数、经济损失、受伤人数以及死亡人数作为因变量建立梯度提升决策树模型；S3、使用穷举法获取最优梯度提升决策树模型性能参数组合；S4、分别使用最优梯度提升决策树模型性能参数组合计算各个因素对交通事故数、经济损失、受伤人数以及死亡人数的相对重要性，并进行排序；S5、建立偏效应函数，对重要影响因素进行偏效应分析，从而辨识出用于改善交通安全的交通安全影响因素。

【技术特征摘要】
1.一种适于大数据的交通安全影响因素辨识方法，其特征在于，包括以下步骤：S1、通过对现阶段交通安全状况进行分析，识别潜在交通安全影响因素并进行有效数据的采集；S2、分别以交通事故数、经济损失、受伤人数以及死亡人数作为因变量建立梯度提升决策树模型；S3、使用穷举法获取最优梯度提升决策树模型性能参数组合；S4、分别使用最优梯度提升决策树模型性能参数组合计算各个因素对交通事故数、经济损失、受伤人数以及死亡人数的相对重要性，并进行排序；S5、建立偏效应函数，对重要影响因素进行偏效应分析，从而辨识出用于改善交通安全的交通安全影响因素。2.根据权利要求1所述的适于大数据的交通安全影响因素辨识方法，其特征在于，步骤S1具体从社会经济、人口特征和道路网络三大相关影响因素出发，识别潜在交通安全影响因素并进行有效数据的采集。3.根据权利要求2所述的适于大数据的交通安全影响因素辨识方法，其特征在于，所述的社会经济相关影响因素包括：国民生产总值，人均国民生产总值，第一、二、三产业生产总值，客运量，货运量，小、中、大型汽车保有量，小、中、大型货车保有量和摩托车保有量；所述人口特征相关影响因素包括：总人口数，市区人口，户籍人口，外来人口以及驾驶人数量；所述道路网络相关影响因素包括：高速公路里程，一、二、三、四级道路里程，等外公路里程，总里程和路网密度。4.根据权利要求1所述的适于大数据的交通安全影响因素辨识方法，其特征在于，步骤S2中，建立梯度提升决策树模型具体包括：步骤S201：根据数据特征对测试集以及训练集进行相关定义；步骤S202：初始化学习机器：其中，argmin代表的是求取使目标函数取最小值时的变量值，ρ代表的是使损失函数极小化的估计常数值，是一棵根节点为1的回归树，而L(yi...

【专利技术属性】
技术研发人员：巫威眺，江书妍，靳文舟，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44