城市道路交通安全关键风险识别方法、装置及电子设备制造方法及图纸

本发明专利技术涉及一种城市道路交通安全关键风险识别方法、装置、电子设备及计算机可读存储介质，所述方法包括：获取城市道路交通安全的风险因素数据，根据所述风险因素数据建立邻接矩阵；根据所述邻接矩阵构建复杂网络模型，获取所述复杂网络模型中各节点的网络统计特征，其中，所述各节点与所述风险因素一一对应；根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据。本发明专利技术提供的城市道路交通安全关键风险识别方法，提高了城市道路交通安全关键风险因素的识别效率和准确率。路交通安全关键风险因素的识别效率和准确率。路交通安全关键风险因素的识别效率和准确率。

【技术实现步骤摘要】
城市道路交通安全关键风险识别方法、装置及电子设备


[0001]本专利技术涉及安全风险
，尤其涉及一种城市道路交通安全关键风险识别方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]城市道路交通是指供城市内车辆与行人交通使用，提供人们工作、生活、文化娱乐活动出行，担负着市内各区域通达并与城市对市外交通相连的道路的总称。城市道路交通安全因素涉及方方面面,如驾驶员安全意识薄弱就有可能导致酒后驾驶、超速行驶、违章超载等危险行为的发生,造成人员伤亡或者财产损失如果不能对关键风险进行及时有效的识别，并对识别到的风险采取防范措施，将造成严重后果。
[0003]现有技术中对城市道路交通安全关键风险因素的识别即对城市道路交通安全风险因素中的关键风险因素的识别主要依靠专家主观分析，具有主观性并会耗费大量时间，因此,仅凭专家的主观分析,识别城市道路交通安全关键风险因素是不准确且耗时的。

技术实现思路

[0004]有鉴于此，有必要提供一种城市道路交通安全关键风险识别方法、装置、电子设备及计算机可读存储介质，用以解决现有技术中识别城市道路交通安全关键风险因素效率低及准确率低的技术问题。
[0005]为了解决上述问题，本专利技术提供一种城市道路交通安全关键风险识别方法，包括：
[0006]获取城市道路交通安全的风险因素数据，根据所述风险因素数据建立邻接矩阵；
[0007]根据所述邻接矩阵构建复杂网络模型，获取所述复杂网络模型中各节点的网络统计特征,其中,所述各节点与所述风险因素一一对应；
[0008]根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据。
[0009]进一步地，根据所述风险因素数据建立邻接矩阵，具体包括：
[0010]获取所述风险因素数据间的方差显著性水平和Pearson相关系数，根据所述风险因素数据间的方差显著性水平和Pearson相关系数判断所述风险因素数据间的相关性，根据风险因素数据间的相关性建立邻接矩阵。
[0011]进一步地，根据所述风险因素数据间的方差显著性水平和Pearson相关系数判断所述风险因素数据间的相关性，具体包括：
[0012]若所述风险因素数据间的方差显著性水平的值小于或者等于设定预值且Pearson相关系数为正值时,则所述风险因素数据间具有相关性。
[0013]进一步地，所述复杂网络模型中各节点的网络统计特征包括各节点的度值、接近度中心性值及介数中心性值。
[0014]进一步地，根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据，具体包括：
[0015]当获取所述复杂网络模型中各节点的任意一个网络统计特征时，根据获取的所述
网络统计特征，获取城市道路交通安全的关键风险因素数据；
[0016]当获取所述复杂网络模型中各节点的两个或者三个网络统计特征时，利用所述各节点的网络统计特征形成攻击策略，对所述复杂网络模型进行攻击，根据攻击结果获取城市道路交通安全的关键风险因素数据。
[0017]进一步地，当获取所述复杂网络模型中各节点的任意一个网络统计特征时，根据获取的所述网络统计特征，获取城市道路交通安全的关键风险因素数据，具体包括：
[0018]根据所述获取的网络统计特征值的大小获取城市道路交通安全的关键风险因素数据。
[0019]进一步地，当获取所述复杂网络模型中各节点的两个或者三个网络统计特征时，利用所述各节点的网络统计特征形成攻击策略，对所述复杂网络模型进行攻击，根据攻击结果获取城市道路交通安全的关键风险因素数据，具体包括：
[0020]当获取所述复杂网络模型中各节点的两个或者三个网络统计特征时，利用所述各节点的度值、接近度中心性值及介数中心性值形成度值攻击、接近度中心性值攻击及介数中心性值攻击的攻击策略；
[0021]采用所述攻击策略中任意两个或者三个对所述复杂网络模型分别进行攻击，得到两个或者三个网络全局效率的变化量；
[0022]比较所述两个或者三个网络全局效率的变化量的大小，以变化量最大时对应的网络统计特征作为关键风险特征，根据各节点的关键风险特征值的大小获取城市道路交通安全的关键风险因素数据。
[0023]本专利技术还提供一种城市道路交通安全关键风险识别装置，包括数据获取模块、网络构建模块及风险识别模块；
[0024]所述数据获取模块，用于获取城市道路交通安全的风险因素数据，根据所述风险因素数据建立邻接矩阵；
[0025]所述网络构建模块，用于根据所述邻接矩阵构建复杂网络模型，获取所述复杂网络模型中各节点的网络统计特征,其中,所述各节点与所述风险因素一一对应；
[0026]所述风险识别模块，用于根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据。
[0027]本专利技术还提供一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上述任一技术方案所述的城市道路交通安全关键风险识别方法。
[0028]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现如上述任一技术方案所述的城市道路交通安全关键风险识别方法。
[0029]采用上述实施例的有益效果是：本专利技术提供的城市道路交通安全关键风险识别方法，根据获取到的城市道路交通安全的风险因素数据间的相关性关系构建复杂网络模型，将大量杂乱的数据放入网络模型，提高了识别关键风险因素的效率，对复杂网络模型中各节点的网络统计特征进行分析得到城市道路交通安全的关键风险因素数据，提高了识别关键风险因素的准确率。
附图说明
[0030]图1为本专利技术提供的城市道路交通安全关键风险识别装置的应用场景示意图；
[0031]图2为本专利技术提供的城市道路交通安全关键风险识别方法一实施例的流程示意图；
[0032]图3为本专利技术实施例中提供的基于扎根理论分析的流程示意图；
[0033]图4为本专利技术实施例中提供的复杂网络模型的示意图；
[0034]图5为本专利技术实施例中提供的各节点的度值分布图；
[0035]图6为本专利技术实施例中提供的各节点的接近度中心性值分布图；
[0036]图7为本专利技术实施例中提供的各节点的介数中心性值分布图；
[0037]图8为本专利技术实施例中提供的三种攻击策略下网络全局效率的变化示意图；
[0038]图9为本专利技术提供的城市道路交通安全关键风险识别装置一实施例的结构框图；
[0039]图10为本专利技术提供的电子设备一实施例的结构框图。
具体实施方式
[0040]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。
[0041]本专利技术提供了一种城市道路交通安全关键风险识别方法、装置、电子设备及计算机可读存储介质，以下分别进行详细说明。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市道路交通安全关键风险识别方法，其特征在于，包括：获取城市道路交通安全的风险因素数据，根据所述风险因素数据建立邻接矩阵；根据所述邻接矩阵构建复杂网络模型，获取所述复杂网络模型中各节点的网络统计特征,其中,所述各节点与所述风险因素一一对应；根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据。2.根据权利要求1所述的城市道路交通安全关键风险识别方法，其特征在于，根据所述风险因素数据建立邻接矩阵，具体包括：获取所述风险因素数据间的方差显著性水平和Pearson相关系数，根据所述风险因素数据间的方差显著性水平和Pearson相关系数判断所述风险因素数据间的相关性，根据风险因素数据间的相关性建立邻接矩阵。3.根据权利要求2所述的城市道路交通安全关键风险识别方法，其特征在于，根据所述风险因素数据间的方差显著性水平和Pearson相关系数判断所述风险因素数据间的相关性，具体包括：若所述风险因素数据间的方差显著性水平的值小于或者等于设定预值且Pearson相关系数为正值时,则所述风险因素数据间具有相关性。4.根据权利要求1所述的城市道路交通安全关键风险识别方法，其特征在于，所述复杂网络模型中各节点的网络统计特征包括各节点的度值、接近度中心性值及介数中心性值。5.根据权利要求4所述的城市道路交通安全关键风险识别方法，其特征在于，根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据，具体包括：当获取所述复杂网络模型中各节点的任意一个网络统计特征时，根据获取的所述网络统计特征，获取城市道路交通安全的关键风险因素数据；当获取所述复杂网络模型中各节点的两个或者三个网络统计特征时，利用所述各节点的网络统计特征形成攻击策略，对所述复杂网络模型进行攻击，根据攻击结果获取城市道路交通安全的关键风险因素数据。6.根据权利要求5所述的城市道路交通安全关键风险识别方法，其特征在于，当获取所述复杂网络模型中各节点的任意一个网络统计特征时，根据获取的所述网络...

【专利技术属性】
技术研发人员：王海燕，姜前昆，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：