一种基于多源数据的农村公路交通安全隐患分析方法技术

本发明专利技术公开了一种基于多源数据的农村公路交通安全隐患分析方法，涉及道路安全技术领域，解决了现有技术在公路安全隐患排查中，主要根据各路段特征来确定安全隐患，而没有结合车辆运行数据，导致交通安全隐患存在误判或者漏判现象的技术问题；本发明专利技术基于公路静态数据和公路动态数据对农村公路进行动静表征，再结合具有非线性拟合能力的安全分析模型对交通安全隐患点进行判定，从静态和动态两个方面来判断是否存在交通安全隐患点，提高了交通安全隐患点的判定精度；本发明专利技术提供了两种输入评价序列的生成方式，在数据处理过程中进行非数值数据的转换，保证了输入评价序列能够被人工智能模型读取；且根据交通安全隐患点渲染公路模型，为车辆提供预警。为车辆提供预警。为车辆提供预警。

【技术实现步骤摘要】
一种基于多源数据的农村公路交通安全隐患分析方法


[0001]本专利技术属于道路安全领域，涉及基于多源数据的农村公路交通安全隐患分析技术，具体是一种基于多源数据的农村公路交通安全隐患分析方法。

技术介绍

[0002]农村公路作为公路网的重要组成部分，在经济发展中发挥着重要作用。但是随着汽车保有量的逐年增加，交通事故时有发生，农村公路的交通安全问题依然突出。
[0003]现有技术(公开号为CN112735138A的专利技术专利申请)公开了一种高速公路安全隐患排查装置和方法，在不同路段采用不同的检测方法，对各种被测对象有不同的侧重，从而实现对不安全因素的提取。现有技术在公路安全隐患排查中，主要根据各路段特征来确定安全隐患，而没有结合车辆运行数据，导致交通安全隐患存在误判或者漏判现象；因此，亟须一种基于多源数据的农村公路交通安全隐患分析方法。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一；为此，本专利技术提出了一种基于多源数据的农村公路交通安全隐患分析方法，用于解决现有技术在公路安全隐患排查中，主要根据各路段特征来确定安全隐患，而没有结合车辆运行数据，导致交通安全隐患存在误判或者漏判现象的技术问题。
[0005]本专利技术将公路静态数据和公路动态数据结合判定农村公路是否存在交通安全隐患点；公路静态数据表示农村公路的基本条件，公路动态数据表示在前述基本条件下限制条件以及驾驶行为等，将二者与深度学习算法结合起来，能够有效避免交通安全隐患的误判或者漏判。
[0006]为实现上述目的，本专利技术的第一方面提供了一种基于多源数据的农村公路交通安全隐患分析方法，包括：
[0007]获取公路静态数据和公路动态数据；其中，所述公路静态数据包括公路线形数据和公路条件数据，所述公路动态数据为通过第三方平台获取的公路运行数据；
[0008]获取并标注标准公路数据，通过标注之后的所述标准公路数据对人工智能模型进行训练，获取安全分析模型；其中，所述标准公路数据与所述公路静态数据、所述公路动态数据的内容属性一致；
[0009]基于所述公路静态数据和所述公路动态数据生成所述安全分析模型的输入数据，获取输出的安全评价标签，结合安全评价阈值获取交通安全隐患点。
[0010]优选的，在所述公路静态数据和所述公路动态数据输入所述安全分析模型之前，将二者进行转换拼接，获取输入评价序列，包括：
[0011]根据所述公路线形数据获取对应的公路线形序列；其中，所述公路线形序列包括平曲线标签和纵曲线标签；
[0012]将所述公路线形序列与所述公路条件数据和所述公路动态数据按照地理坐标匹
配拼接，生成输入评价序列。
[0013]优选的，获取所述公路静态数据之后，对所述公路静态数据进行分析处理，获取公路静态系数，包括：
[0014]提取所述公路线形数据和所述公路条件数据中的静态隐患因素i，以及对应的静态隐患数值Z
i
；其中，i＝1，2，
…
，m；m为正整数；
[0015]通过公式获取所述公路静态系数GJX；其中，w
i
为静态隐患因素i的特征权重。
[0016]优选的，在所述公路静态数据分析处理之后，对所述公路动态数据进行分析处理，获取公路动态系数，包括：
[0017]提取所述公路动态数据中的动态隐患因素j，以及对应的动态隐患数值Z
j
；其中，j＝1，2，
…
，n；n为正整数；
[0018]通过公式获取所述公路动态系数GDX；其中，w
j
为动态隐患因素j的特征权重。
[0019]优选的，在所述公路静态数据和所述公路动态数据分析处理完成之后，将所述公路静态系数和所述公路动态系数按照地理坐标匹配拼接，生成输入评价序列。
[0020]优选的，按照所述输入评价序列的数据处理方式对所述标准公路数据进行处理，并对处理结果进行标注，获取对应的安全评价标签；
[0021]通过处理后的标准公路数据以及对应的所述安全评价标签对所述人工智能模型进行训练，将训练完成的所述人工智能模型标记为所述安全分析模型。
[0022]优选的，对所述安全分析模型进行迭代更新，并调用最新的所述安全分析模型；
[0023]将所述输入评价序列输入至所述安全分析模型，获取对应的所述安全评价标签；将所述安全评价标签和所述安全评价阈值对比分析，获取所述交通安全隐患点。
[0024]优选的，通过GIS平台建立农村公路对应的公路模型，并结合所述交通安全隐患点对所述公路模型进行标注；
[0025]将标注之后的所述公路模型进行分发和展示。
[0026]与现有技术相比，本专利技术的有益效果是：
[0027]1、本专利技术基于公路静态数据和公路动态数据对农村公路进行动静表征，再结合具有非线性拟合能力的安全分析模型对交通安全隐患点进行判定，从静态和动态两个方面来判断是否存在交通安全隐患点，提高了交通安全隐患点的判定精度。
[0028]2、本专利技术提供了两种输入评价序列的生成方式，并在数据处理过程中进行非数值数据的转换，保证了输入评价序列能够被人工智能模型读取；且根据获取的交通安全隐患点渲染公路模型，为车辆提供预警。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1为本专利技术的工作步骤示意图。
具体实施方式
[0031]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，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它实施例，都属于本专利技术保护的范围。
[0032]现有技术在公路安全隐患排查中，主要根据各路段特征来确定安全隐患，如某直线路段车辆行驶速度超过设定阈值即判定为存在安全隐患，某转弯路段车辆方向盘的转弯角度超过设定阈值即判定为存在安全隐患等，而没有结合车辆运行数据，导致在交通安全隐患判定过程中存在误判，甚至是漏判现象。
[0033]本专利技术基于公路静态数据和公路动态数据对农村公路进行动静表征，再结合具有非线性拟合能力的安全分析模型对交通安全隐患点进行判定，保证了足够的基础数据，提高了交通安全隐患点的判定精度。
[0034]请参阅图1，本专利技术第一方面实施例提供了一种基于多源数据的农村公路交通安全隐患分析方法，包括：
[0035]获取公路静态数据和公路动态数据；
[0036]获取并标注标准公路数据，通过标注之后的标准公路数据对人工智能模型进行训练，获取安全分析模型；
[0037]基于公路静态数据和公路动态数据生成安全分析模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据的农村公路交通安全隐患分析方法，其特征在于，包括：获取公路静态数据和公路动态数据；其中，所述公路静态数据包括公路线形数据和公路条件数据，所述公路动态数据为通过第三方平台获取的公路运行数据；获取并标注标准公路数据，通过标注之后的所述标准公路数据对人工智能模型进行训练，获取安全分析模型；其中，所述标准公路数据与所述公路静态数据、所述公路动态数据的内容属性一致；基于所述公路静态数据和所述公路动态数据生成所述安全分析模型的输入数据，获取输出的安全评价标签，结合安全评价阈值获取交通安全隐患点。2.根据权利要求1所述的一种基于多源数据的农村公路交通安全隐患分析方法，其特征在于，在所述公路静态数据和所述公路动态数据输入所述安全分析模型之前，将二者进行转换拼接，获取输入评价序列，包括：根据所述公路线形数据获取对应的公路线形序列；其中，所述公路线形序列包括平曲线标签和纵曲线标签；将所述公路线形序列与所述公路条件数据和所述公路动态数据按照地理坐标匹配拼接，生成输入评价序列。3.根据权利要求1所述的一种基于多源数据的农村公路交通安全隐患分析方法，其特征在于，获取所述公路静态数据之后，对所述公路静态数据进行分析处理，获取公路静态系数，包括：提取所述公路线形数据和所述公路条件数据中的静态隐患因素i，以及对应的静态隐患数值Z
i
；其中，i＝1，2，
…
，m；m为正整数；通过公式获取所述公路静态系数GJX；其中，w
i
为静态隐患因素i的特征权重。4.根据权利要求3所述的一种基于多源数据的农村公路交通安全隐患分析方法，其特征在于，...

【专利技术属性】
技术研发人员：张卫华，汪春，朱文佳，祝凯，施康，陈珊珊，李振玉，
申请(专利权)人：安徽格瑞交通科学研究院有限公司，
类型：发明
国别省市：