【技术实现步骤摘要】
一种交通事故概率的确定方法及装置
本申请实施例涉及交通
，尤其涉及一种交通事故概率的确定方法及装置。
技术介绍
交通安全是道路交通的重中之重，对于交通信息服务提供商来说，如何通过路况数值分析来避免交通事故发生是交通安全的核心。传统进行交通事故预测的一种方法是基于反向传播(backpropagation，BP)神经网络及自回归滑动平均等统计模型进行预测，这些方法根据小数值量进行预测，表现形式为粗略的估计年度或月度事故发生数；另一种方法是基于深度神经网络(deepneuralnetwork，DNN)进行城市快速路预测，但是该方法存在以下问题：一DNN仅依赖交通流信息，忽略了路段属性和时间属性对交通事故预测的影响；二DNN未考虑到交通事故时空序列的联系。因此在实际工程应用中交通事故预测的准确率较低。
技术实现思路
本申请的实施例提供一种交通事故概率的确定方法及装置，用于提高交通事故预测的准确率。为达到上述目的，本申请的实施例采用如下技术方案：第一方面，提供了一种交通事故概率的确定方法，该方法包括：获取目标路段的路段属性；路段属性包括以下信息中的一个或多个：道路等级、车...
【技术保护点】
1.一种交通事故概率的确定方法，其特征在于，包括：获取目标路段的路段属性；所述路段属性包括以下信息中的一个或多个：道路等级、车道数等级、曲率、坡度及高速公路的交叉点/高速公路的转换出入口JCT/IC属性；获取所述目标路段在第一时间段内的车辆信息；其中，所述车辆信息包括车辆的数量及所述车辆的速度；根据第二时间段的时间属性、所述车辆信息、所述路段属性、及交通事故风险评估模型，确定所述目标路段在所述第二时间段内的交通事故概率；其中，所述交通事故风险评估模型用于确定交通事故概率，所述第一时间段为所述第二时间段之前且与所述第二时间段相邻的时间段。
【技术特征摘要】
1.一种交通事故概率的确定方法，其特征在于，包括：获取目标路段的路段属性；所述路段属性包括以下信息中的一个或多个：道路等级、车道数等级、曲率、坡度及高速公路的交叉点/高速公路的转换出入口JCT/IC属性；获取所述目标路段在第一时间段内的车辆信息；其中，所述车辆信息包括车辆的数量及所述车辆的速度；根据第二时间段的时间属性、所述车辆信息、所述路段属性、及交通事故风险评估模型，确定所述目标路段在所述第二时间段内的交通事故概率；其中，所述交通事故风险评估模型用于确定交通事故概率，所述第一时间段为所述第二时间段之前且与所述第二时间段相邻的时间段。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取交通事故信息及交通正常信息；处理所述交通事故信息及所述交通正常信息，得到多个数值；其中，所述多个数值包括所述交通事故信息对应的多个第一数值及所述交通正常信息对应的多个第二数值；根据所述多个数值及动态循环神经网络确定所述交通事故风险评估模型。3.根据权利要求2所述的方法，其特征在于，所述根据第二时间段的时间属性、所述车辆信息、所述路段属性、及交通事故风险评估模型，确定所述目标路段在所述第二时间段内的交通事故概率，包括：将所述第二时间段的时间属性对应的数值、所述车辆信息对应的数值、以及所述路段属性对应的数值输入所述交通事故风险评估模型，确定所述目标路段在所述第二时间段内的所述交通事故概率。4.根据权利要求2-3任一项所述的方法，其特征在于，所述交通事故信息包括M个路段中每个路段的交通事故的时间属性、所述M个路段的标识信息、路段属性、以及交通事故发生前对应路段的多个时间段的车辆信息，所述交通正常信息包括N个路段中每个路段的交通正常信息的时间属性、所述N个路段的标识信息及路段属性；其中，M、N为大于0的整数。5.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：所述交通事故概率大于或等于预设阈值，确定发生交通事故。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：在确定发生交通事故的情况下，发送风险提示信息。7.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：所述交通事故概率小于预设阈值，确定不发生交通事故。8.一种交通事故概率的确定装置，其特征在于，包括：通信单元，用于获取目标路段的路段属性；所述路段属性包括以下信息中的一个或多个：道路等级、车道数等级、曲...
【专利技术属性】
技术研发人员：孙静茹，石清华，牛新赞，
申请(专利权)人：北京世纪高通科技有限公司，
类型：发明
国别省市：北京,11
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。