一种消除混杂控制对象影响的方法技术

本发明专利技术公开了一种消除混杂控制对象影响的方法，该方法首先选取实施安全措施的实验对象与未实施安全措施的控制对象，分别调查实验对象与控制对象的道路事故数量与安全影响因素，其次基于安全影响因素与匹配方法确定最终控制对象，最后分别基于初始控制对象与最终控制对象建立安全分析模型检验本次发明专利技术方法的有效性与准确性。本发明专利技术通过得分计算模型找到与实验对象具有可比性的控制对象，来构建安全事故分析模型，从而大大减少了人为的主观意识影响，获得较为准确可靠的安全评估结果。获得较为准确可靠的安全评估结果。获得较为准确可靠的安全评估结果。

【技术实现步骤摘要】
一种消除混杂控制对象影响的方法


[0001]本专利技术涉及一种消除混杂控制对象影响的方法，属于交通安全


技术介绍

[0002]随着社会经济发展，社会汽车保有量持续上升，与此同时，道路安全事故发生率也持续升高，因此如何减少道路事故发生成为了交通领域近几年的研究关注点。为了减少道路交通事故的发生，许多交通安全管理措施开始在各个城市实施，如道路限速标志、道路定点测速仪等。道路系统是一个复杂的系统，由“人
‑
车
‑
路
‑
环境”四个子系统组成，每个子系统中又包含许多影响因素。一般而言，每一个因素的变化都有可能导致交通事故的发生，因此有必要研究道路安全措施实施后各因素对道路安全的影响。
[0003]目前在科研领域与专利应用领域，大多数的研究都是基于传统统计计量模型对安全措施实施前后的事故变化进行对比分析，其中控制对象(未实施道路安全管理措施)与实验对象(实施道路安全管理措施)都是进行随机选取。然而需要注意的是，大量的混杂控制对象的参与(即与实验对象在相同外界环境下道路安全性差异较大)会极大程度地降低评估模型的有效性，从而影响分析结果。

技术实现思路

[0004]本专利技术所要解决的技术问题是：提供一种消除混杂控制对象影响的方法，能够大幅度减少人为主观意识影响，获得准确可靠的交通安全评价结果。
[0005]本专利技术为解决上述技术问题采用以下技术方案：
[0006]一种消除混杂控制对象影响的方法，包括如下步骤：
[0007]步骤1，获取实验对象样本与初始控制对象样本，所述实验对象为实施道路安全措施的路段，初始控制对象为未实施道路安全措施的路段；
[0008]步骤2，获取交通安全影响因素；
[0009]步骤3，基于交通安全影响因素，采用Logit标准模型，通过计算综合得分确定在无外界干扰条件下与每一个实验对象具有相似变化趋势的控制对象，作为每一个实验对象的最终控制对象。
[0010]作为本专利技术的进一步方案，所述消除混杂控制对象影响的方法还包括步骤4，基于交通安全影响因素，构建初始控制对象和最终控制对象各自对应的安全分析模型，根据模型的拟合指标，验证最终控制对象的效果。
[0011]作为本专利技术的优选方案，步骤1所述实验对象样本与初始控制对象样本的数量比例为1:10。
[0012]作为本专利技术的优选方案，所述步骤2具体为：
[0013]通过实地调查和交通管制部门调研，获得交通安全影响因素包括：路段长度L、年交通事故总数量N、路段日交通平均交通量Q、路段平均车速V、路段的交通节点数S、道路等级A、道路路幅宽度W以及道路车道数K。
[0014]作为本专利技术的优选方案，所述步骤3具体为：
[0015]对于第i个实验对象，采用Logit标准模型计算第i个实验对象的综合得分p
i
，同时，采用Logit标准模型计算每一个初始控制对象的综合得分，将综合得分最接近p
i
的初始控制对象作为第i个实验对象的最终控制对象；
[0016]其中，实验对象的综合得分或初始控制对象的综合得分，计算如式(1)：
[0017][0018]式中，p表示实验对象或初始控制对象的综合得分，α为常数项，β1、β2、β3、β4、β5、β6、β7为回归向量系数，L为路段长度，Q为路段日交通平均交通量，V为路段平均车速，S为路段的交通节点数，A为道路等级，W为道路路幅宽度，K为道路车道数；
[0019]计算实验对象的综合得分与每一个初始控制对象的综合得分之间的差值绝对值，将绝对值最小时对应的初始控制对象作为实验对象的最终控制对象。
[0020]作为本专利技术的优选方案，所述安全分析模型具体如式(2)：
[0021][0022]其中，N为年交通事故总数量，L为路段长度，Q为路段日交通平均交通量，V为路段平均车速，S为路段的交通节点数，A为道路等级，W为道路路幅宽度，K为道路车道数，θ为常数项，为回归向量系数；
[0023]模型的拟合指标为AIC、BIC，如式(3)：
[0024]AIC＝
‑
2 ln(Y)+2T,BIC＝ln(n)T
‑
2ln(Y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0025]其中，AIC表示赤池信息量准则，BIC表示贝叶斯信息准则，Y表示最大似然值，T表示影响因素数量，n为观测样本数量。
[0026]本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
[0027]本专利技术提出一种消除混杂控制对象影响的方法，特别是在构建安全事故分析模型前会通过得分计算模型找到与实验对象具有可比性的控制对象，从而大大减少了人为的主观意识影响，获得较为准确可靠的安全评估结果。
附图说明
[0028]图1是本专利技术一种消除混杂控制对象影响的方法的流程图。
具体实施方式
[0029]下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0030]如图1所示，为本专利技术提出的一种消除混杂控制对象影响的方法，包括以下步骤：
[0031]步骤1、实验对象与初始控制对象的筛选,实施道路安全措施(如道路限速)的路段为实验对象，未实施道路安全措施的路段为初始控制对象，为确保每一个实验对象可以匹配到最优地控制对象，实验对象与初始控制对象的样本比例推荐为1:10；
[0032]步骤2、获取安全影响因素，通过实地调查和交通管制部门调研，采集实验对象与初始控制对象安全影响因素：路段长度L、年交通事故总数量N、路段日交通平均交通量Q、路段平均车速V、路段的交通节点数S、道路等级A、道路路幅宽度W、道路车道数K；
[0033]步骤3、确定最终控制对象，基于实验对象与初始控制对象的安全影响因素，采用logit为标准模型，通过计算综合得分确定在没有任何外界干扰的条件下与每一个实验对象具有相似变化趋势的控制对象，得分计算模型如式(1)：
[0034][0035]其中，p表示每个实验对象与控制对象的得分，α为常数项，β
i
为回归向量系数，i＝1,
…
,7。
[0036]基于得分计算模型的结果，得分值最接近实验对象的控制对象将被筛选为最终控制对象，计算公式如式(2)：
[0037]D
i
＝min{|实验对象分数值
‑
控制对象分数值|}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0038]其中，D
i
表示实验对象与控制对象得分的最小差值，将最小差值对应的控制对象作为该实验对象的最终控制对象。
[0039]步骤4、验证与检验，在确定最终控制对象后，分别基于安全分析模型对初始控制对象与最终控制对象依此建模，验证与检验本专利技术方法的准确性，安全分析模型如式(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种消除混杂控制对象影响的方法，其特征在于，包括如下步骤：步骤1，获取实验对象样本与初始控制对象样本，所述实验对象为实施道路安全措施的路段，初始控制对象为未实施道路安全措施的路段；步骤2，获取交通安全影响因素；步骤3，基于交通安全影响因素，采用Logit标准模型，通过计算综合得分确定在无外界干扰条件下与每一个实验对象具有相似变化趋势的控制对象，作为每一个实验对象的最终控制对象。2.根据权利要求1所述消除混杂控制对象影响的方法，其特征在于，所述消除混杂控制对象影响的方法还包括步骤4，基于交通安全影响因素，构建初始控制对象和最终控制对象各自对应的安全分析模型，根据模型的拟合指标，验证最终控制对象的效果。3.根据权利要求1所述消除混杂控制对象影响的方法，其特征在于，步骤1所述实验对象样本与初始控制对象样本的数量比例为1:10。4.根据权利要求1所述消除混杂控制对象影响的方法，其特征在于，所述步骤2具体为：通过实地调查和交通管制部门调研，获得交通安全影响因素包括：路段长度L、年交通事故总数量N、路段日交通平均交通量Q、路段平均车速V、路段的交通节点数S、道路等级A、道路路幅宽度W以及道路车道数K。5.根据权利要求1所述消除混杂控制对象影响的方法，其特征在于，所述步骤3具体为：对于第i个实验对象，采用Logit标准模型计算第i个实验对象的综合得分p
i
，同时，采用L...

【专利技术属性】
技术研发人员：郭延永，刘攀，丁红亮，马景峰，李清韵，
申请(专利权)人：东南大学，
类型：发明
国别省市：