一种道路交通安全风险预测预警模型制造技术

技术领域：智能交通解决的技术问题：是针对现有技术中的不足，提供一种道路交通安全风险预测预警模型，以减少道路交通事故带来的经济与社会损失。通过对道路交通安全风险程度的分析和计算，为实现灾害的有效预防和灾后的及时救援提供数据支撑，对道路行车安全管理意义重大。技术方案的要点：道路交通安全风险预测预警层次分析(AHP)模型计算方法、模型评价指标体系、模型层次结构、驾校等级评定模型等。主要用途：可以准确预测未来道路状况运行的发展趋势，在其发生重大事故之前，能够及时发出信息，为交通主管部门采取相应的预防措施提供支持。可以动态反映交通主管部门采取调控措施的效果，为制定和评估相应的政策和决策提供依据。可以通过向公众发布交通安全风险信息，引起交通参与者或全社会的警惕。起交通参与者或全社会的警惕。

【技术实现步骤摘要】
一种道路交通安全风险预测预警模型


[0001]本专利技术涉及智能交通
，具体涉及一种道路交通安全风险预测预警模型。

技术实现思路

[0002]本专利技术的目的是针对现有技术中的不足，提供一种道路交通安全风险预测预警模型，以减少道路交通事故带来的经济与社会损失。
[0003]本专利技术通过对道路交通安全风险程度的分析和计算，为实现灾害的有效预防和灾后的及时救援提供数据支撑，对道路行车安全管理意义重大。
[0004]为实现上述目的，本专利技术公开了如下技术方案：
[0005]一种道路交通安全风险预测预警模型，包括：道路交通安全风险预测预警层次分析(AHP)模型计算方法、模型评价指标体系、模型层次结构、驾校等级评定模型等。
[0006]进一步的，所述道路交通安全风险预测预警层次分析(AHP)模型计算方法包括确定评估目标、建立评价指标、建立模型层次结构、指标计算等步骤；所述模型评价指标体系包括环境因素、道路条件、车辆及交通条件等，其中环境因素评价指标采用天气恶劣程度、能见度、是否易雾、风力等级等，道路条件评价指标采用桥梁情况、隧道情况、平曲线半径、是否长下坡、路面附着系数、是否易凝冻、是否事故多发路段等，车辆及交通条件评价指标采用交通强度、危险品运输车辆比例等；所述模型层次结构包括目标层、指标层、对象层，如说明书附图1所示；所述交通风险指标评级模型采用正态分布函数对交通风险综合得分进行拟合，根据风险综合得分的分布情况，确定风险等级的标准。
[0007]本专利技术公开的一种道路交通安全风险预测预警模型，具有以下有益效果：
[0008]1.可以准确预测未来道路状况运行的发展趋势，在其发生重大事故之前，能够及时发出信息，为交通主管部门采取相应的预防措施提供支持。
[0009]2.可以动态反映交通主管部门采取调控措施的效果，为制定和评估相应的政策和决策提供依据。
[0010]3.可以通过向公众发布交通安全风险信息，引起交通参与者或全社会的警惕。
附图说明
[0011]图1是本专利技术一种道路交通安全风险预测预警模型结构图。
具体实施方式
[0012]下面将对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0013]本专利技术的核心是提供一种道路交通安全风险预测预警模型，以减少道路交通事故带来的经济与社会损失。
[0014]例如，已知某路网诸多交通安全风险影响因素的实时监测指标，则每个路段的交通安全风险指数可按以下步骤求解。
[0015]1.确定评估目标：道路路段交通安全风险指数。
[0016]2.建立评价指标：
[0017]首先，交通安全风险影响因素评价指标取值标准见下表。
[0018]表1交通安全风险影响因素评价指标取值标准
[0019][0020][0021]其次，道路交通风险的某些影响因素是随着时间变化的，对这些指标的未来数值进行预测并代入本模型，可以得到道路路段交通安全风险程度的预测值，由此可对道路的交通安全状况进行预警。
[0022]其中，环境因素的预测可从气象部门发布的天气预报信息中得到；交通强度的预测可通过运营商信令数据得到路段的历史交通流量值，利用长短期记忆模型(LSTM)模型计算未来15分钟的路段交通流量并除以道路的通行能力得到；其它的影响因素通常变化不大。
[0023]3.建立模型层次结构：参见本说明书附图1
[0024]4.指标计算：
[0025](1)建立B层次与A层次的矩阵关系
[0026]①
首先对各项指标进行打分
[0027]表2交通安全风险影响因素打分表
[0028]AB1B2B3B1111/3B2111/3B3331
[0029]②
进行一致性检测，以确保打分时不出现前后的逻辑错误
[0030]a.计算上述矩阵的最大特征值
[0031]列向量归一化得：
[0032]表3矩阵A列向量归一化表
[0033]0.20.20.20.20.20.20.60.60.6
[0034]求行和，归一化得：
[0035]计算得
[0036]由此，
[0037]b.计算一致性指标
[0038][0039]CI＝0
[0040]c.查询随机性一致性指标：
[0041]n＝3时，RI＝0.58
[0042]d.计算一致性比率：
[0043][0044]一般认为当CR＜0.1时，矩阵的不一致程度在容许范围之内，可用其归一化特征向量作为权向量，否则要重新构造成对比较矩阵。
[0045]③
计算各项指标结构的权值(归一化特征向量)
[0046]矩阵一致性检验计算时取得的即为各项指标的权值。
[0047](2)建立C层次与B层次的矩阵关系
[0048]分别计算C1：C10对于B1：B3各项指标的得分，即对于B1：B3指标C1：C10相对的有利程度分别是多少。
[0049]1建立B1与C1：C10的矩阵关系
[0050][0051]采用上述归一化特征向量计算方法，分别计算C1：C10对于B1指标的权重，得矩阵同时根据计算一致性指标CI1(n＝10)＝(10.632-10)/(10-1)＝0.070，RI1按n＝10查表得1.49。计算CR1＝CI1/RI1＝0.047＜0.1，说明矩阵的不一致程度在容许范围之内。
[0052]②
建立B2与C1：C10的矩阵关系
[0053][0054]采用上述归一化特征向量计算方法，分别计算C1：C10对于B2指标的权重，得矩阵同时根据计算一致性指标CI1(n＝10)＝(11.1452-10)/(10-1)＝0.127，RI1按n＝10查表得1.49。计算CR1＝CI1/RI1＝0.085＜0.1，说明矩阵的不一致程度在容许范围之内。
[0055]③
建立B3与C1：C10的矩阵关系
[0056][0057]采用上述归一化特征向量计算方法，分别计算C1：C10对于B3指标的权重，得矩阵同时根据计算一致性指标CI1(n＝10)＝(10.10235-10)/(10-1)＝0.011373，RI1按n＝10查表得1.49。计算CR1＝CI1/RI1＝0.007633＜0.1，说明矩阵的不一致程度在容许范围之内。
[0058]④
层次总排序
[0059]将组合建立一个新的矩阵：
[0060]表4组合矩阵表
[0061]C1C2C3C4C5C6C7C8C9C10B1c11c21c31c41c51C61C71C81C91C101B2c12c22c32c42c52C62C72C82C92C102B3c13c23c33本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路交通安全风险预测预警模型，其特征在于，包括：道路交通安全风险预测预警层次分析(AHP)模型计算方法、模型评价指标体系、模型层次结构、驾校等级评定模型等。2.根据权利要求1所述的一种道路交通安全风险预测预警模型，其特征在于，所述道路交通安全风险预测预警层次分析(AHP)模型计算方法包括确定评估目标、建立评价指标、建立模型层次结构、指标计算等步骤。3.根据权利要求1所述的一种道路交通安全风险预测预警模型，其特征在于，所述模型评价指标体系包括环境因素、道路条件、车辆及交通条件等。4.根据权利要求1所述的一种道路交通安全风险预测预警模型，其特征在于...

【专利技术属性】
技术研发人员：ꢀ五一IntClG零六Q一零零四，
申请(专利权)人：网帅科技北京有限公司，
类型：发明
国别省市：