一种基于大数据事故分析决策方法、系统技术方案

本发明专利技术实施例提供一种基于大数据事故分析决策方法、系统。属于数据事故分析的技术领域。所述基于大数据事故分析决策方法包括：针对预分析的路段确定各种交通事故与各影响因素数据之间的一一映射关系；获取路段的当前影响因素数据，根据所述映射关系确定所述当前影响因素数据对应的交通事故作为预测事故，基于预设定的概率预测模型确定所述当前影响因素数据对应的预测事故的概率；以及根据预设定的事故及所述预测事故的概率与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略。该基于大数据事故分析决策方法、系统可以自动预估事故原因，并基于原因分析决策，实现事故的预防。现事故的预防。现事故的预防。

【技术实现步骤摘要】
一种基于大数据事故分析决策方法、系统


[0001]本专利技术涉及大数据事故分析的
，具体地涉及一种基于大数据事故分析决策方法、系统。

技术介绍

[0002]随着交通的发展，交通事故发生后如何进行处置，该处置可以避免交通事故的扩大。目前针对事故发生的原因，主要通过人为来进行识别，人为根据事故现场的实际情况判断事故发生的原因，并根据事故发生原因来实现防控。人为预估事故原因的方式效率低，准确率不高，对人为因素的依赖较大，不便于推广使用。

技术实现思路

[0003]本专利技术实施例的目的是提供一种基于大数据事故分析决策方法、系统，该基于大数据事故分析决策方法、系统可以自动预估事故原因，并基于原因分析决策，实现事故的预防。
[0004]为了实现上述目的，本专利技术实施例提供一种基于大数据事故分析决策方法，所述基于大数据事故分析决策方法包括：
[0005]针对预分析的路段确定各种交通事故与各影响因素数据之间的一一映射关系；
[0006]获取路段的当前影响因素数据，根据所述映射关系确定所述当前影响因素数据对应的交通事故作为预测事故，基于预设定的概率预测模型确定所述当前影响因素数据对应的预测事故的概率；以及
[0007]根据预设定的事故及所述预测事故的概率与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略。
[0008]优选地，所述概率预测模型通过下述方法确定：
[0009]建立概率预测初始模型，其中所述概率预测初始模型以影响因素数据为输入，以事故的概率为输出；以及
[0010]获取包含历史影响因素数据和历史事故的概率的历史数据，基于所获取的历史数据训练所述概率预测初始模型，以得到训练后的概率预测模型。
[0011]优选地，所述根据预设定的事故及所述预测事故的概率与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略包括：
[0012]在所述预测事故的概率大于预设定的概率阈值时，计算所述预测事故的概率与所述预设定的概率阈值之差，根据预设定的事故及差值与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略。
[0013]优选地，所述出警策略被配置为与配置的出警的警员数量相关；
[0014]所述事故被配置为与事故的伤亡情况相关；
[0015]并且，所述根据预设定的事故及差值与出警策略的对应关系，确定并执行所述预测事故及差值对应的当前出警策略包括：
[0016]确定反映所述事故与所述差值的当前事故权值；以及
[0017]根据预设定的事故权值与所述出警策略的对应关系，确定并执行所述当前事故权值对应的当前出警策略。
[0018]优选地，所述影响因素数据包括：通过预设的环境数据传感器获取的环境影响因素数据和与时间影响因素。
[0019]另外，本专利技术还提供一种基于大数据事故分析决策系统，所述基于大数据事故分析决策系统包括：
[0020]关系确定单元，用于针对预分析的路段确定各种交通事故与各影响因素数据之间的一一映射关系；
[0021]概率事故确定单元，用于获取路段的当前影响因素数据，根据所述映射关系确定所述当前影响因素数据对应的交通事故作为预测事故，基于预设定的概率预测模型确定所述当前影响因素数据对应的预测事故的概率；以及
[0022]策略确定单元，用于根据预设定的事故及所述预测事故的概率与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略。
[0023]优选地，所述概率预测模型通过下述模块确定：
[0024]模型建立模块，用于建立概率预测初始模型，其中所述概率预测初始模型以影响因素数据为输入，以事故的概率为输出；以及
[0025]模型确定模块，用于获取包含历史影响因素数据和历史事故的概率的历史数据，基于所获取的历史数据训练所述概率预测初始模型，以得到训练后的概率预测模型。
[0026]优选地，所述策略确定单元用于在所述预测事故的概率大于预设定的概率阈值时，计算所述预测事故的概率与所述预设定的概率阈值之差，根据预设定的事故及差值与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略。
[0027]另外，本专利技术还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的基于大数据事故分析决策的方法。
[0028]另外，本专利技术还提供一种处理器，用于运行程序，其中，所述程序被运行时用于执行：如上述的基于大数据事故分析决策的方法。
[0029]通过上述技术方案，可以确定事故的各种理论的因素，然后根据实际的因素对应出预测的事故，然后通过预测的事故及其对应的概率来确定出警策略，即基于原因分析决策，实现事故的预防。
[0030]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0031]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：
[0032]图1是说明本专利技术的一种基于大数据事故分析决策方法的流程图；以及
[0033]图2是说明本专利技术的一种基于大数据事故分析决策系统的模块框图。
具体实施方式
[0034]以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。
[0035]图1是本专利技术的一种基于大数据事故分析决策方法的流程图，如图1所示，所述基于大数据事故分析决策方法包括：
[0036]S101，针对预分析的路段确定各种交通事故与各影响因素数据之间的一一映射关系。其中，所述映射关系可以是交通事故较大，雾天，雨天，气温较低，时间是傍晚时刻，晚高峰时刻。而每一交通事故(事故大小区分)对应多种因素的整体的集合，其是与交通事故和因素的对应关系确定的。
[0037]S102，获取路段的当前影响因素数据，根据所述映射关系确定所述当前影响因素数据对应的交通事故作为预测事故，基于预设定的概率预测模型确定所述当前影响因素数据对应的预测事故的概率。其中，所述影响因素数据包括温度，天气，时间，日期等，不同的影响因素对应了交通事故，虽然是交通事故对应影响因素，但是通过影响因素也可以映射到相应的交通事故，实际上，影响隐私是“与”的关系，不是“或”的关系。该步骤主要在于根据环境、时间等相关信息确定交通事故(预测的事故)，由于环境、时间可以通过传感器或天气预报等预测，因此事故可以根据该数据来预测，当然也可以根据当前数据来预测，预测结果是为了体现事故的类型，而事故的概率则可以通过概率预测模型来确定。
[0038]S103，根据预设定的事故及所述预测事故的概率与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略。其中，所述出警策略是需要多少人去该路段来执勤，例如，当预测的事故较大时则需要的执勤人员就较多，出警策略本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据事故分析决策方法，其特征在于，所述基于大数据事故分析决策方法包括：针对预分析的路段确定各种交通事故与各影响因素数据之间的一一映射关系；获取路段的当前影响因素数据，根据所述映射关系确定所述当前影响因素数据对应的交通事故作为预测事故，基于预设定的概率预测模型确定所述当前影响因素数据对应的预测事故的概率；以及根据预设定的事故及所述预测事故的概率与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略。2.根据权利要求1所述的基于大数据事故分析决策方法，其特征在于，所述概率预测模型通过下述方法确定：建立概率预测初始模型，其中所述概率预测初始模型以影响因素数据为输入，以事故的概率为输出；以及获取包含历史影响因素数据和历史事故的概率的历史数据，基于所获取的历史数据训练所述概率预测初始模型，以得到训练后的概率预测模型。3.根据权利要求1所述的基于大数据事故分析决策方法，其特征在于，所述根据预设定的事故及所述预测事故的概率与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略包括：在所述预测事故的概率大于预设定的概率阈值时，计算所述预测事故的概率与所述预设定的概率阈值之差，根据预设定的事故及差值与出警策略的对应关系，确定并执行所述预测事故对应的当前出警策略。4.根据权利要求3所述的基于大数据事故分析决策方法，其特征在于，所述出警策略被配置为与配置的出警的警员数量相关；所述事故被配置为与事故的伤亡情况相关；并且，所述根据预设定的事故及差值与出警策略的对应关系，确定并执行所述预测事故及差值对应的当前出警策略包括：确定反映所述事故与所述差值的当前事故权值；以及根据预设定的事故权值与所述出警策略的对应关系，确定并执行所述当前事故权值对应的当前出警策略。5.根据权利要求1所述的基于大数据事故分析决策方法，其特征在于，所述影...

【专利技术属性】
技术研发人员：杨潘，胡永全，方杰，徐亲祥，宫永强，
申请(专利权)人：安徽达尔智能控制系统股份有限公司，
类型：发明
国别省市：