基于层次聚类评价模型的交通事故严重程度分析方法技术

本发明专利技术公开了基于层次聚类评价模型的交通事故严重程度分析方法，包括以下步骤：

【技术实现步骤摘要】
基于层次聚类评价模型的交通事故严重程度分析方法


[0001]本专利技术涉及交通事故严重程度分析
，尤其涉及基于层次聚类评价模型的交通事故严重程度分析方法
。

技术介绍

[0002][0003]中国是个地域辽阔的国家，不同地区之间的交通环境不同
。
根据中国城市交通绿色发展报告，不同省份之间的交通安全指数不同，东部和西部的地区的交通安全指数较高，而中部和东北部地区交通安全指数较低，且交通事故的严重程度也呈地区性变化；对于探究交通风险变化，需要对交通事故风险等级进行聚类，目前交通事故风险等级的研究集中在驾驶员
、
环境的相互作用方面，但是这种研究方式研究出的结果存在不全面的缺点，因此我们提出了基于层次聚类评价模型的交通事故严重程度分析方法
。

技术实现思路

[0004]基于
技术介绍
存在的技术问题，本专利技术提出了基于层次聚类评价模型的交通事故严重程度分析方法
。
[0005]本专利技术提出的基于层次聚类评价模型的交通事故严重程度分析方法，包括以下步骤：
[0006]S1
：选择事故中轻伤
、
重伤
、
死亡人数作为评价指标，然后根据以下方程构建评价指标矩阵，其评价指标矩阵如下所示：
[0007][0008]式
(1)
中
m
表示评价对象的个数，如代表
2017
年1月1日到
2023
年5月
31
日一共
2342
天，取值范围是
m
＝
{1
，2，3，
...
，
2342}
，
n
表示评价指标个数，取值范围
n
＝
{1
，2，
3}
，分别代表轻伤
、
重伤
、
死亡的人数；
[0009]S2
：给
S1
中的评价指标矩阵赋予权重，轻伤
、
重伤
、
死亡三个特征的权重为
[0.2
，
0.3
，
0.4]，再采用标准化的方法将其无量纲化处理，如下式所示：
[0010][0011]x
′
mn
表示赋予权重后的
X
m
×
n
矩阵中的第
m
行第
n
列个元素，
[0012]x
max
、x
min
分别表示赋予权重后的
X
m
×
n
矩阵中的最大元素和最小元素；
[0013]S3
：经过
S2
中无量纲化处理后的评价指标矩阵如下：
[0014][0015]将式
(3)
中的每一行元素视作一个簇，式
(1)
中矩阵视作初始簇矩阵和初始化相似度矩阵，使用欧式距离计算元素之间的相似度，欧式距离公式如下所示：
[0016][0017]x
n
，
y
n
分别表示元素
x
和
y
在第
n
个维度上的取值，其中
n
＝3；
[0018]S4
：然后通过相似度矩阵合并相似度最小的两个簇形成一个新的簇，形成新的簇矩阵，再对新的簇矩阵计算相似度，更新相似度矩阵，不断重复到达最终聚类个数为止；
[0019]S5
：采用轮廓系数确定最终聚类个数，使用循环函数将最终聚类个数从2到
10
进行层次聚类，得到相应的轮廓系数，选择轮廓系数最大的为严重程度分类数，轮廓系数的计算公式如下式所示：
[0020][0021]然后通过计算所有元素的轮廓系数，并取其平均值，可以得到整个聚类结果的轮廓系数，到此交通事故严重程度分类完成；
[0022]S6
：利用
OLS
模型假设因变量和自变量之间存在线性关系，其线性方程如下所示：
[0023][0024]然后
OLS
模型使用最小化观测值与模型预测值之间的残差平方和来估计模型的最优回归系数，从而达到合适的模型拟合效果，残差平方和表示如下所示：
[0025][0026]完成
OLS
模型拟合后进行评价分析
。
[0027]优选的，所述
S5
中，较高的轮廓系数可以表示聚类结果更好
。
[0028]优选的，所述
S5
中，式
(5)
中的
S(i)
为元素
i
的轮廓系数
,a(i)
表示元素
i
到同一聚类中其他元素的距离，
b(i)
表示元素
i
到其他聚类中元素的平均距离
。
[0029]优选的，所述
S6
中，
y
i
代表第
i
日的事故严重程度，
β
i
是回归系数，
x
ij
表示第
j
个影响因素在第
i
日的值，
∈
i
代表误差项
。
[0030]优选的，所述
S6
中，表示模型最优参数，
||y
‑
X
β
||2表示残差平方和，其中
y
是因变量的观测值，
X
β
表示模型对因变量的预测值
。
[0031]与现有的技术相比，本专利技术旨在为地区每日进行交通事故严重程度分类，并分析严重程度的时间变化和影响因素，从而其可以得到全面的相应的严重程度变化以及影响因素分析结论，且该严重程度变化以及影响因素分析结论可以作为重大公共时间下的交通管理策略提供参考资料
。
具体实施方式
[0032]下面结合具体实施例对本专利技术作进一步解说
。
[0033]实施例
[0034]本实施例提出了基于层次聚类评价模型的交通事故严重程度分析方法，包括以下步骤：
[0035]S1
：选择事故中轻伤
、
重伤
、
死亡人数作为评价指标，然后根据以下方程构建评价指标矩阵，其评价指标矩阵如下所示：
[0036][0037]式
(1)
中
m
表示评价对象的个数，如代表
2017
年1月1日到
2023
年5月
31
日一共
2342
天，取值范围是
m
＝
{1
，2，3，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于层次聚类评价模型的交通事故严重程度分析方法，其特征在于，包括以下步骤：
S1
：选择事故中轻伤
、
重伤
、
死亡人数作为评价指标，然后根据以下方程构建评价指标矩阵，其评价指标矩阵如下所示：式
(1)
中
m
表示评价对象的个数，如代表
2017
年1月1日到
2023
年5月
31
日一共
2342
天，取值范围是
m
＝
{1
，2，3，
...
，
2342}
，
n
表示评价指标个数，取值范围
n
＝
{1
，2，
3}
，分别代表轻伤
、
重伤
、
死亡的人数；
S2
：给
S1
中的评价指标矩阵赋予权重
,
轻伤
、
重伤
、
死亡三个特征的权重为
[0.2
，
0.3
，
0.4]
，再采用标准化的方法将其无量纲化处理，如下式所示：
x
′
mn
表示赋予权重后的
X
m
×
n
矩阵中的第
m
行第
n
列个元素，
x
max
、x
min
分别表示赋予权重后的
X
m
×
n
矩阵中的最大元素和最小元素；
S3
：经过
S2
中无量纲化处理后的评价指标矩阵如下：将式
(3)
中的每一行元素视作一个簇，式
(1)
中矩阵视作初始簇矩阵和初始化相似度矩阵，使用欧式距离计算元素之间的相似度，欧式距离公式如下所示：
x
n
,y
n
分别表示元素
x
和
y
在第
n
个维度上的取值，其中
n
＝3；
S4
：然后通过相似度矩阵合并相似度最小的两个簇形成...

【专利技术属性】
技术研发人员：李庆印，罗顺财，王羿童，
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：