【技术实现步骤摘要】
基于自适应聚合算法的交通事故多发路段识别方法及系统
[0001]本专利技术涉及道路交通安全和机器学习
,更具体地,涉及一种基于自适应聚合算法的交通事故多发路段识别方法及系统。
技术介绍
[0002]近年来,我国道路里程、机动车驾驶人数量和机动车保有量增长迅猛,交通事故预防工作面临较为复杂和严峻的挑战,特别是部分路段发生交通事故的频次或严重程度明显高于其他路段,此类路段属于交通事故多发路段,占道路总里程比例一般较小,但危害性较大。因此,识别出此类路段有助于交通管理部门对道路进行针对性治理,进而提升道路的通行安全水平。
[0003]对于道路交通事故多发路段识别问题,国内外学者和研究人员已经探索了一系列方法,主要思路是首先将道路划分为若干路段单元,然后按照一定的方法计算每个路段单元的风险程度,最后将风险程度高于阈值的路段单元作为交通事故多发路段。根据路段单元划分方式的不同,交通事故多发路段识别方法主要包括滑动窗口法、聚类分析法和贝叶斯分析法三类。
[0004]滑动窗口法以固定长度的窗口在道路上滑动划分路段单元,并基于路段单元内的事故起数、每公里事故起数、当量事故起数等计算路段风险程度。根据滑动方式的不同,滑动窗口法分为两种:一是静态步长滑动,该方法从道路起点开始,使用固定的步长滑动窗口并划分路段单元;二是动态步长滑动,该方法从道路上事故地点桩号最小的位置为起点,以相邻事故之间的距离为步长滑动窗口并划分路段单元。在阈值的设置方面,静态步长滑动窗口法通常基于人工经验、累积频率曲线法、区间估计法等进行设置, ...
【技术保护点】
【技术特征摘要】
1.一种基于自适应聚合算法的交通事故多发路段识别方法,其特征在于,包括:步骤S1:获取预设交通事故数据提取条件、路段单元长度候选集合以及事故多发路段预期识别目标;步骤S2:根据所述预设交通事故数据提取条件提取当前道路的交通事故数据;步骤S3:在所述路段单元长度候选集合中选择某一路段单元长度d;步骤S4:依据提取出的当前道路的交通事故数据,以每一个交通事故地点为起点,以其后d公里内最后一个事故地点为终点,将道路划分为若干路段单元,并统计每个路段单元内的交通事故起数;步骤S5:依据统计出的每个路段单元内的交通事故起数,生成事故多发路段判定阈值候选集合,其中,所述事故多发路段判定阈值候选集合内的元素为去重后的路段单元交通事故起数;步骤S6:在所述事故多发路段判定阈值候选集合中选择某一交通事故起数阈值t;步骤S7:从划分后的所有路段单元中筛选出交通事故起数大于或等于阈值t的路段单元作为当前事故多发路段单元;步骤S8:合并重叠的事故多发路段单元,生成当前交通事故多发路段识别结果;步骤S9:计算所述当前交通事故多发路段识别结果与所述事故多发路段预期识别目标的相对误差,并依据相对误差计算结果生成道路交通事故多发路段判定标准。2.根据权利要求1所述的基于自适应聚合算法的交通事故多发路段识别方法,其特征在于,所述计算所述当前交通事故多发路段识别结果与所述事故多发路段预期识别目标的相对误差,并依据相对误差计算结果生成道路交通事故多发路段判定标准,还包括:步骤S91:计算所述当前交通事故多发路段识别结果与所述事故多发路段预期识别目标的相对误差e,计算方式为:其中,y为事故多发路段预期识别目标,y'为当前交通事故多发路段识别结果;步骤S92:若相对误差e小于或等于1%,则转入步骤S94;若相对误差e大于1%,且阈值t选择过程未结束,则转入步骤S6,否则转入步骤S93;步骤S93:若路段单元长度d选择过程结束,则转入步骤S94,否则转入步骤S3;步骤S94:选择相对误差e最小的结果作为最终结果,并生成所述道路交通事故多发路段判定标准。3.根据权利要求1所述的基于自适应聚合算法的交通事故多发路段识别方法,其特征在于,所述预设交通事故数据提取条件包括地域、道路名称、统计时段、事故类型以及道路类型,所述事故多发路段预期识别目标包括交通事故多发路段里程占比和交通事故多发路段事故起数占比。4.根据权利要求1所述的基于自适应聚合算法的交通事故多发路段识别方法,其特征在于,步骤S9中所述道路交通事故多发路段判定标准的生成方式为:选择相对误差e最小的结果对应的路段单元长度d和阈值t,判定标准即为“道路上任意d公里范围内发生t起及以上交通事故,即为道路交通事故多发路段”。
5.一种基于自适应聚合算法的交通事故多发路段识别系统,其特征在于,包括:参数获取模块,用于获取预设交通事故数据提取条件、路段单元长度候选集合以及事故多发路段预期识别目标;数据提取模块,用于根据所述预设交通事故数据提取条件提...
【专利技术属性】
技术研发人员:方艾芬,王博,裘晨璐,李立成,彭璇,周建宁,
申请(专利权)人:公安部交通管理科学研究所,
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。