【技术实现步骤摘要】
一种基于事故数据和特征因素的事故多发点推荐方法
[0001]本专利技术属于智能交通管理
,具体涉及一种基于事故数据和特征因素的事故多发点推荐方法
技术介绍
[0002]智能交通系统作为一种大范围、全方位覆盖的运输和管理系统,依托于近年来物联网的迅猛发展,将先进的控制、传感、通讯、信息技术与计算机技术高效结合,综合应用于整个交通管理体系。由于其极大地缓解了交通拥堵,有效减少了交通事故的发生,提高了交通系统的安全性,减少了环境污染。智能交通系统中风险隐患治理以预防和减少道路交通事故为目标,采用新技术、新方法开展道路交通事故易发风险评估,提早发现新建及改扩建路段存在的交通安全隐患。通过大数据分析交通事故情况,分析事故多发的原因、事故特征及分布特点等,确定与道路相关的重点调查内容。但目前交通系统只是对于交通事故数据进行简单统计分类,没有进行相关分析,无法判断交通系统中各要素对交通事故的影响。除此之外,现有的交通管理系统对于不同交通场景适应性较差。
[0003]为了解决现有技术存在的不足,人们进行了长期的探索,提出了各式各样的解决方案。例如,中国专利文献公开了一种基于多重对应和K
‑
means聚类的交通事故成因分析方法 [201811150213.7],其包括如下步骤:根据获取的交通事故数据集,选取影响交通事故发生的变量并分类;通过数据库统计各变量的类别数和相应事故数量,筛选合并异常值的变量类别,得到事故数据表;将得到的事故数据表处理得到二进制指标矩阵;将事故类型作为表征事故特征的变量进行多重对 ...
【技术保护点】
【技术特征摘要】
1.一种基于事故数据和特征因素的事故多发点推荐方法,其特征在于,包括如下步骤:S1:获取事故参数;S2:对事故对应矩阵降维;S3:对降维后的矩阵做聚类分析;S4:计算离群因子LOF并剔除离群点;S5:对多发点打分排名。2.根据权利要求1所述的一种基于事故数据和特征因素的事故多发点推荐方法,其特征在于,所述的步骤S1包括如下步骤:S11:获取某地区以往某时间段内的交通事故数据;S12:构建事故点及事故特征矩阵。3.根据权利要求2所述的一种基于事故数据和特征因素的事故多发点推荐方法,其特征在于,所述的步骤S11中的交通事故数据包括事故严重程度、事故点致死率、事故点夜间事故次数、事故点的历史事故频度和人为原因占比;所述的步骤S12以事故点作为行,各事故参数作为列构建矩阵。4.根据权利要求1所述的一种基于事故数据和特征因素的事故多发点推荐方法,其特征在于,所述的步骤S2包括如下步骤:S21:确定样本点的近邻点;S22:计算局部重构权重系数;S23:计算最优重构向量Y
i
;S24:计算降维后坐标D。5.根据权利要求4所述的一种基于事故数据和特征因素的事故多发点推荐方法,其特征在于,所述的步骤S21确定每个样本点X
i
(i=1,2,3,...,N)的K(K<N)个近邻点;所述的步骤S22根据样本点X
i
的k个近邻点,通过最小化重构误差ε(W),计算样本点X
i
的局部重构权重系数W
ij
,重构表达式为:所述的步骤S23根据局部重构权重系数W
ij
,通过最小化重构误差函数φ(Y),确定低维空间下的最优重构向量Y
i
:所述的步骤S24重构权重系数W
ij
构成权重系数矩阵W,设矩阵M=(I
‑
W)
T
(I
‑
W),计算矩阵M的前(d+1)个非零特征...
【专利技术属性】
技术研发人员:刘二港,顾俊杰,顾晓峰,汤叶灵,王立立,许怡浩,季诺亚,谭寓元,麻继潮,王卓飞,李婧怡,
申请(专利权)人:浙江嘉兴数字城市实验室有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。