一种基于社会感知数据的建模分析方法与系统技术方案

本发明专利技术公开了一种基于社会感知数据的建模分析方法与系统，包括感知数据获取模块、影响因子建模模块和解释性分析输出模块，所述感知数据获取模块用于针对交通路段采集获取相关的多路原始数据并进行初级预处理，所述影响因子建模模块用于建立调用的环境影响因子与行人路段交通事故数据的关系模型，所述解释性分析输出模块用于对关系模型中的预测变量和影响因子进行解释分析，所述感知数据获取模块与影响因子建模模块电连接，所述影响因子建模模块与解释性分析输出模块电连接，利用社会感知数据建立影响因子与行人交通事故间的关联关系，进行变量预测和影响因素解释性分析输出，本发明专利技术，具有利用感知数据进行环境与行人交通事故分析的特点。交通事故分析的特点。

【技术实现步骤摘要】
一种基于社会感知数据的建模分析方法与系统


[0001]本专利技术涉及感知数据分析利用
，具体为一种基于社会感知数据的建模分析方法与系统。

技术介绍

[0002]城市交通安全一直是备受人们关注的问题，作为所有道路使用者中最脆弱的人群，行人在交通事故中受到的伤害往往比较严重，环境是影响行人交通事故发生的关键因素之一，通常来说，“环境”主要包括道路建成环境、交通流特征、社区环境、自然环境条件等，在大量有关交通安全的研究中发现，要求“人”主动改变不良的交通行为习惯是困难的，但可以通过改善交通环境来引导并规范出行者的行为，从而降低交通事故的发生率，虽然目前已有不少研究关注各类环境因子对行人交通事故的影响，但是大多研究对于环境因子的刻画仍然广泛依赖于一时一地的静态调查数据。
[0003]现有研究多只关注路口，数据获取途径相对单一，不利于获取广泛的环境因子，传统研究多只关注易调查的信号灯、行人岛、斑马线等道路设施，对于难获取的建筑物特征等环境要素少有涉及，传统静态调查数据时空连续性较弱，不利于刻画环境因子的动态变化，如基于交通出行问卷所获取的交通流量数据难以描述不同季节、不同天气、不同时间的道路交通流量变化特征，从而难以进一步发掘环境对于行人交通事故影响的动态变化，因此，设计利用感知数据进行环境与行人交通事故分析的一种基于社会感知数据的建模分析方法与系统是很有必要的。

技术实现思路

[0004]本专利技术的目的在于提供一种基于社会感知数据的建模分析方法与系统，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于社会感知数据的建模分析方法与系统，包括感知数据获取模块、影响因子建模模块和解释性分析输出模块，所述感知数据获取模块用于针对交通路段采集获取相关的多路原始数据并进行初级预处理，所述影响因子建模模块用于建立调用的环境影响因子与行人路段交通事故数据的关系模型，所述解释性分析输出模块用于对关系模型中的预测变量和影响因子进行解释分析，所述感知数据获取模块与影响因子建模模块电连接，所述影响因子建模模块与解释性分析输出模块电连接。
[0006]根据上述技术方案，所述感知数据获取模块包括感知要素模块、多路数据提取模块和数据关联处理模块，所述感知要素模块用以定义并选用影响因子与行人交通事故中的影响要素，所述多路数据提取模块用于从各影响因子数据的数据源处进行所需数据的提取解析，所述数据关联处理模块用于利用多路感知数据建立行人交通事故模型中的内在关联，所述感知要素模块与多路数据提取模块电连接，所述多路数据提取模块与数据关联处理模块电连接。
[0007]根据上述技术方案，所述影响因子建模模块包括数据库构建模块、类模型单元、模型构建模块和模型评估单元，所述数据库构建模块用于搭建由感知数据组成的影响因子数据库，所述类模型单元用于按照设定的类型划分选取的交通路段和交通路段上的时间时段，所述模型构建模块用于构建影响因子数据库与行人交通事故的分析模型，所述模型评估单元用于评估构建的模型是否能进行解释性分析，所述数据库构建模块与类模型单元网络连接，所述模型构建模块与模型评估单元网络连接；
[0008]所述类模型单元包括时段子单元和道路类型子单元，所述时段子单元用于对行驶路段时段进行白天和晚上划分，所述道路类型子单元用于根据道路类型将道路划分为支路路段和干道路段，所述时段子单元与道路类型子单元电连接。
[0009]根据上述技术方案，所述解释性分析输出模块包括影响因子模块、预测变量模块和分析输出模块，所述影响因子模块用于根据模型输出与行人事故有关的影响因素，所述预测变量模块用于对行人交通事故中的目标影响变量进行预测，所述分析输出模块针对预测的变量和影响因素进行解释性输出，所述影响因子模块与预测变量模块电连接，所述预测变量模块与分析输出模块电连接。
[0010]根据上述技术方案，所述基于社会感知数据的建模分析方法包括以下步骤：
[0011]步骤S1：基于正常交通路段，划分道路类型和间隔时段，调用多级原始感知数据并进行预处理；
[0012]步骤S2：引入街景图像进行道路级环境特征提取，选用网络核密度估计算法对行人交通事故的易发点进行识别；
[0013]步骤S3：利用提取的特征数据构建环境影响因子数据库，建立影响因子与行人交通事故的关系模型；
[0014]步骤S4：基于SHAP算法对关系模型中影响因子与预测变量间的关系进行解释分析。
[0015]根据上述技术方案，所述步骤S1进一步包括以下步骤：
[0016]步骤S11：调用交通路段涉及的路网数据，根据道路类型将道路划分为支路路段和干道路段，将行驶路段时间划分为白天和晚上；
[0017]步骤S12：针对正常交通道路以设定间隔进行分割，获取各个道路类型的路段数据集，提取行人交通事故数据进行拓扑修正；
[0018]步骤S13：通过基于手机信令的24小时人口网格数据，利用行人交通事故数据推测计算此路段的人流量数据，利用POI数据表征不同区域内的交通环境差异。
[0019]根据上述技术方案，所述步骤S2进一步包括以下步骤：
[0020]步骤S21：采集正常交通路段的多级原始感知数据，进行初级预处理调用；
[0021]步骤S22：对修正的原始交通事故数据进行预处理，提取所有发生在城市道路上的行人交通事故数据，利用街景图像数据提取街道级道路环境特征；
[0022]步骤S23：针对行人交通事故的易发点利用网络核密度算法进行数据估计，计算行人交通事故的核密度。
[0023]根据上述技术方案，所述步骤S23中将提取的道路网络分为等间距的交通路段，选取路段中心点作为参考点i，计算每个参考点的核密度值，计算公式为：
[0024][0025]式中，f
j
为参考点的核密度值，r表示在以路段中心点开始的搜索半径，d
ij
表示参考点i与行人交通事故j之间的网络距离，表示核函数，用于度量距离衰减效应，即当交通事故距离参考点越远，权重越小。
[0026]根据上述技术方案，所述步骤S3进一步包括以下步骤：
[0027]步骤S31：利用兴趣点数据、路段环境数据构建交通路段的邻里特征，综合交通路段采样点的街景特征信息数据；
[0028]步骤S32：取处理解析出的环境特征数据平均值，汇总为各路段的单元属性，再基于提取处理的多级环境数据进行数据关联，建立环境因子数据库；
[0029]步骤S33：将每个路段的行人交通事故网络核密度值作为因变量，其它层级特征数据作为自变量，利用集成算法Lightgbm构建影响因子与行人交通事故的回归模型；
[0030]步骤S34：计算回归模型中的均方根误差和校正回归决定系数，进行回归模型是否具备可解释性的评估。
[0031]根据上述技术方案，所述步骤S4进一步包括以下步骤：
[0032]步骤S41：引入SHAP值的解释框架对行人交通事故中影响因子进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于社会感知数据的建模分析方法与系统，包括感知数据获取模块、影响因子建模模块和解释性分析输出模块，其特征在于：所述感知数据获取模块用于针对交通路段采集获取相关的多路原始数据并进行初级预处理，所述影响因子建模模块用于建立调用的环境影响因子与行人路段交通事故数据的关系模型，所述解释性分析输出模块用于对关系模型中的预测变量和影响因子进行解释分析，所述感知数据获取模块与影响因子建模模块电连接，所述影响因子建模模块与解释性分析输出模块电连接。2.根据权利要求1所述的一种基于社会感知数据的建模分析方法与系统，其特征在于：所述感知数据获取模块包括感知要素模块、多路数据提取模块和数据关联处理模块，所述感知要素模块用以定义并选用影响因子与行人交通事故中的影响要素，所述多路数据提取模块用于从各影响因子数据的数据源处进行所需数据的提取解析，所述数据关联处理模块用于利用多路感知数据建立行人交通事故模型中的内在关联，所述感知要素模块与多路数据提取模块电连接，所述多路数据提取模块与数据关联处理模块电连接。3.根据权利要求2所述的一种基于社会感知数据的建模分析方法与系统，其特征在于：所述影响因子建模模块包括数据库构建模块、类模型单元、模型构建模块和模型评估单元，所述数据库构建模块用于搭建由感知数据组成的影响因子数据库，所述类模型单元用于按照设定的类型划分选取的交通路段和交通路段上的时间时段，所述模型构建模块用于构建影响因子数据库与行人交通事故的分析模型，所述模型评估单元用于评估构建的模型是否能进行解释性分析，所述数据库构建模块与类模型单元网络连接，所述模型构建模块与模型评估单元网络连接；所述类模型单元包括时段子单元和道路类型子单元，所述时段子单元用于对行驶路段时段进行白天和晚上划分，所述道路类型子单元用于根据道路类型将道路划分为支路路段和干道路段，所述时段子单元与道路类型子单元电连接。4.根据权利要求3所述的一种基于社会感知数据的建模分析方法与系统，其特征在于：所述解释性分析输出模块包括影响因子模块、预测变量模块和分析输出模块，所述影响因子模块用于根据模型输出与行人事故有关的影响因素，所述预测变量模块用于对行人交通事故中的目标影响变量进行预测，所述分析输出模块针对预测的变量和影响因素进行解释性输出，所述影响因子模块与预测变量模块电连接，所述预测变量模块与分析输出模块电连接。5.基于权利要求1
‑
4所述的一种基于社会感知数据的建模分析方法与系统，所述基于社会感知数据的建模分析方法包括以下步骤：步骤S1：基于正常交通路段，划分道路类型和间隔时段，调用多级原始感知数据并进行预处理；步骤S2：引入街景图像进行道路级环境特征提取，选用网络核密度估计算法对行人交通事故的易发点进行识别；步骤S3：利用提取的特征数据构建环境影响因子数据库，建立影响因子与行人交通事故的关系模型；步骤S4：基于SHAP算法对关系模型中影响因子与预测变量间的关系进行解释分析。6.根据权利要求5所述的一种基于社会感知数据的建模分析方法与系统，其特征在于：所述步骤S1进一步包括以下步骤：
步骤S11：调用交通路段涉及的路网数据，根据道路类型将道路划分为支路路段和干道路段，将行驶路段时间划分为白天和晚上；步骤S12...

【专利技术属性】
技术研发人员：周剑飞，施琦乐，
申请(专利权)人：南通市大数据发展集团有限公司，
类型：发明
国别省市：