【技术实现步骤摘要】
基于进化算法优化贝叶斯网络的交通事故严重程度推断方法
[0001]本专利技术涉及交通事故严重程度推断方法。
技术介绍
[0002]交通安全管理是道路交通管理工作领域的重要内容。随着大数据技术的普及，各种智能通讯设备、监控和监测等设备在交通管理领域广泛应用，能够采集并获取大量精确完整的事故数据。道路交通是个动态性的复杂系统，为剖析交通事故的发生机理和主要致因，需要从事故数据入手，探究系统中各个因素的关联规律。目前，对于交通事故严重程度推断的研究较少，并且几乎都采用单一算法进行推断，准确率较低。
技术实现思路
[0003]本专利技术的目的是为了解决现有方法对交通事故严重程度推断准确低的问题，而提出基于进化算法优化贝叶斯网络的交通事故严重程度推断方法。
[0004]基于进化算法优化贝叶斯网络的交通事故严重程度推断方法具体过程为：
[0005]步骤一、设计事故数据集的样本采集标准，基于采集标准采集事故数据，将事故数据存储在表格中获得事故数据集；
[0006]所述事故数据为道路条件、环境、车辆和...
【技术保护点】
【技术特征摘要】
1.基于进化算法优化贝叶斯网络的交通事故严重程度推断方法，其特征在于：所述方法具体过程为：步骤一、设计事故数据集的样本采集标准，基于采集标准采集事故数据，将事故数据存储在表格中获得事故数据集；所述事故数据为道路条件、环境、车辆和人的信息；步骤二、根据K
‑
Means聚类算法及人工合成技术Smote算法对不平衡的事故数据进行处理，完成对事故数据中缺失值的补充；步骤三、根据PC算法对步骤二处理后的事故数据进行约束学习，得到有向无环图，将有向无环图表示为邻接矩阵；所述有向无环图包括节点集和边集；所述节点为步骤二处理后的道路条件、环境、车辆和人方面的信息；步骤四、根据先验结构的先验信息构建交通事故贝叶斯网络结构学习问题的初始解；步骤五、训练贝叶斯网络结构，获得最优贝叶斯网络结构及对应参数；贝叶斯网络结构输入为步骤二处理后的事故数据；贝叶斯网络结构输出为属于交通事故严重程度的概率值；步骤六、将待测数据输入步骤五得到的最优贝叶斯网络结构中，得到属于交通事故严重程度的概率值。2.根据权利要求1所述的基于进化算法优化贝叶斯网络的交通事故严重程度推断方法，其特征在于：所述步骤二中根据K
‑
Means聚类算法及人工合成技术Smote算法对不平衡的事故数据进行处理，完成对事故数据中缺失值的补充；具体过程为：步骤二一、利用K
‑
means聚类算法对步骤一采集的事故数据进行聚类操作，获得聚类区域；步骤二二、利用人工合成Smote算法对每个聚类区域进行插值，完成对事故数据中缺失值的补充。3.根据权利要求2所述的基于进化算法优化贝叶斯网络的交通事故严重程度推断方法，其特征在于：所述步骤四中根据先验结构的先验信息构建交通事故贝叶斯网络结构学习问题的初始解；具体过程为：将邻接矩阵的部分元素作为先验结构的先验信息，根据先验信息构建交通事故贝叶斯网络结构学习问题的初始解；先验结构的先验信息为邻接矩阵中的元素；初始解表示贝叶斯网络结构。4.根据权利要求3所述的基于进化算法优化贝叶斯网络的交通事故严重程度推断方法，其特征在于：所述步骤五中训练贝叶斯网络结构，获得最优贝叶斯网络结构及对应参数；贝叶斯网络结构输入为步骤二处理后的事故数据；贝叶斯网络结构输出为属于交通事故严重程度的概率值；具体过程为：步骤五一、通过离散二进制粒子群算法对贝叶斯网络结构进行寻优，找到最优贝叶斯网络结构；
步骤五二、对最优贝叶斯网络结构进行参数学习，得到最优贝叶斯网络结构的参数。5.根据权利要求4所述的基于进化算法优化贝叶斯网络的交通事故严重程度推断方法，其特征在于：所述步骤五一中通过离散二进制粒子群算法对贝叶斯网络结构进行寻优，找到最优贝叶斯网络结构；具体过程为：初始化贝叶斯网络各参数；计算各粒子的适应值，寻找粒子的个体最优值和群体全局最优值；基于粒子的个体最优值和群体全局最优值，更新各个粒子的速度和位置，计算粒子的BDEU评分，判断BDEU评分是否达到最大值，若是，输出最优贝叶斯网络结构；若否，则继续寻优，直到得到最优贝叶斯网络结构；所述BDEU评分为等价一致先验评分。6.根据权利要求5所述的基于进化算法优化贝叶斯网络的交通事故严重程度推断方法，其特征在于：所述所述更新各个粒子的速度和位置公式为：V(t+1)＝wV(t)+c1r1[P(t)
‑
X(t)]+c2r2[G(t)
...
【专利技术属性】
技术研发人员：漆巍巍，蓝图博尔，冯健茜，凌家正，香梓伟，黄伟彬，
申请(专利权)人：华南理工大学，
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。