【技术实现步骤摘要】
本专利技术属于交通事故数据处理，具体涉及一种农村公路交通事故严重程度评价方法。
技术介绍
1、随着农村公路里程持续增长，农村机动车保有量不断上升，以及农村公路的交通设施有待完善、交通管理相对薄弱，使得农村公路交通事故率显著提高，事故致死率也远高于城市道路。为降低农村公路交通事故的发生率以及事故的严重程度，对农村公路交通事故的影响因素以及形成机理进行研究是十分有必要的。
2、目前，针对于交通事故严重程度的研究，主要采用简单的数学概率模型，未能捕捉到随机参数中均值和方差存在的异质性问题。此外，现有研究对交通事故致因链研究只是简单采用apriori关联规则挖掘方法，未能做到精细化研究。
技术实现思路
1、根据以上现有技术中的不足，本专利技术提供了一种农村公路交通事故严重程度评价方法，能够更好的预防后期发生的交通事故，提高农村公路的交通安全性。
2、为达到以上目的，本专利技术提供了一种农村公路交通事故严重程度评价方法，包括以下步骤：
3、s1、采集历年来发生在农村公路的交通事故信息，获得农村公路的交通事故数据集；
4、s2、对交通事故数据集进行预处理，并对事故数据的变量特征进行分类和描述性统计；
5、s3、将驾驶员受伤严重程度划分为无损伤、轻伤、重伤或死亡三类，并基于交通事故数据集引入驾驶员受伤概率函数；
6、s4、考虑碰撞中未观察到的异质性，建立驾驶员受伤严重程度的随机参数logit模型的概率密度函数；
8、s6、对考虑均值和方差异质性的随机参数logit模型的概率密度函数进行求解，得到影响农村公路交通事故严重程度的影响变量；
9、s7、运用改进的fp-growth算法对交通事故数据集进行挖掘，得到频繁项集；
10、s8、利用k-means聚类算法对频繁项集进行聚类，得到农村公路交通事故的相关关联规则；
11、s9、筛选存在农村公路交通事故严重程度的影响变量的相关关联规则，以此得到影响农村公路交通事故严重程度的致因链。
12、s1中，历年来发生在农村公路的交通事故信息可以通过交警部门获取，获取方式包括但不限于：基于与交警部门的合作，获取相关数据用于交通安全分析；通过向交警部门提交应用申请，交警部门进行脱敏后，可以获取到相关数据。
13、s7中，改进的fp-growth算法为现有技术，例如可以采用现有论文《改进的fp-growth算法在个性化推荐中的应用研究》中公开的改进的fp-growth算法。
14、所述的s2中，对交通事故数据集进行预处理，并对事故中的变量特征进行选择以及描述性统计的步骤为：
15、s21、对交通事故数据集中的事故数据进行筛选、缺失值填充和异常值删除；
16、s22、对数据进行清洗，将事故数据中的变量特征分为驾驶员特征、车辆特征、道路特征以及环境特征，对变量特征进行描述性统计，并通过皮尔逊相关系数计算变量特征的相关性。确保选择最优变量。
17、所述的s3中，驾驶员受伤概率函数用于确定事故中驾驶员受伤严重程度的概率，表示为：
18、（1）；
19、式中，为的可估计参数向量；表示影响受伤严重程度的解释变量，包括驾驶员特征、车辆特征、道路特征以及环境特征；表示随机误差项。
20、所述的s4中，驾驶员受伤严重程度的随机参数logit模型的概率密度函数表示为：
21、（2）；
22、式中，表示碰撞m中驾驶员受伤严重程度j的概率，为的密度函数；是所有事故的平均参数估计值；是描述密度函数的参数向量。
23、所述的s5中，建立的可估计参数向量模型表示为：
24、（3）；
25、式中，是一个解释变量的向量，该向量捕捉驾驶员受伤严重程度j的平均值中的异质性；为的可估计参数向量；表示与碰撞自变量相关的方差异质性向量，表示标准差，为的可估计参数向量，表示干扰项。
26、将s5得到的引入s3中的受伤概率函数中作为使用即可。
27、所述的s6中，求解步骤为：采用极大似然估计方法、1000次halton抽样方法以及牛顿迭代法，通过对随机参数不同的分布进行实验，确定正态分布的最优的拟合分布，通过牛顿迭代法最大化对数似然函数，得到随机参数logit模型的参数估计值。
28、所述的s7中，得到频繁项集的步骤为：
29、s71、将每起事故的一个变量特征和与其对应的结构化数据（即为一起事故中其他的变量特征）进行绑定，建立待挖掘的事故数据项集；
30、s72、扫描事故数据项集，统计每个项的频率，构建哈希表来代替事故数据项集中的项头表；
31、s73、设置最小支持度阈值；
32、s74、通过支持度公式计算出事故数据项集的支持度，并挑选出当前项集支持度大于等于最小支持度阈值的项集，支持度公式计算为：
33、（4）；
34、式中，x表示前项事故变量集合；y表示后项事故变量集合；表示项集的支持度；p表示概率，其值小于1；表示事故变量同时出现的数量，表示事故变量同时出现的概率；表示至少有一个事故变量出现的数量，d表示事故数据项集总数；
35、s75、根据满足支持度要求的项集建立频繁1项集，并结合哈希表，构建fp树；
36、s76、采用有序fp树代替传统fp树，来挖掘频繁2项集；
37、s77、设置置信度阈值；
38、s78、通过置信度公式计算出频繁项集的置信度，并挑选出当前项集置信度大于等于最小置信度阈值的关联规则，得到频繁项集，其中，置信度公式为：
39、（5）；
40、式中，表示项集的置信度；表示x的支持度，表示x出现的概率。
41、所述的s76中，采用有序fp树代替传统fp树，来挖掘频繁2项集的步骤为：
42、s761、对频繁1项集按照频率进行排序，得到有序的频繁1项集；
43、s762、根据有序的频繁1项集构建空的有序的fp1树，从根节点开始，按照频繁1项集的顺序依次插入节点；
44、s763、按照频繁1项集的顺序从根节点开始遍历有序的fp1树，如果当前节点存在对应的子节点，就将子节点的计数加一；如果当前节点没有对应的子节点，就创建一个新的子节点，并将计数设为一；
45、s764、完成对频繁1项集的遍历后，形成频繁模式的条件模式基，并递归的构建相应的条件有序fp树；
46、s765、对于每个条件有序fp树，逐个挖掘频繁模式，得到最终的有序fp树，通过遍历有序fp树的每个节点来获取频繁2项集。
47、所述的s8中，利用k-means聚本文档来自技高网...
【技术保护点】
1.一种农村公路交通事故严重程度评价方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S2中，对交通事故数据集进行预处理，并对事故中的变量特征进行选择以及描述性统计的步骤为：
3.根据权利要求2所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S3中，驾驶员受伤概率函数用于确定事故中驾驶员受伤严重程度的概率，表示为：
4.根据权利要求3所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S4中，驾驶员受伤严重程度的随机参数logit模型的概率密度函数表示为：
5.根据权利要求4所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S5中，建立的可估计参数向量模型表示为：
6.根据权利要求5所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S6中，求解步骤为：采用极大似然估计方法、1000次Halton抽样方法以及牛顿迭代法，通过对随机参数不同的分布进行实验，确定正态分布的最优的拟合分布，通过牛顿迭代法最大化对数似然函数
7.根据权利要求6所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S7中，得到频繁项集的步骤为：
8.根据权利要求7所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S76中，采用有序FP树代替传统FP树，来挖掘频繁2项集的步骤为：
9.根据权利要求8所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S8中，利用K-means聚类算法对频繁项集进行聚类，得到农村公路交通事故的相关关联规则的步骤为：
10.根据权利要求9所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的S9中，筛选存在农村公路交通事故严重程度的影响变量的相关关联规则，以此得到影响农村公路交通事故严重程度的致因链的步骤为：将S6中求解得到的影响农村公路交通事故严重程度的影响变量，与S8中得到的农村公路交通事故的相关关联规则相匹配，找到相关关联规则中存在事故影响变量的相关规则，即为影响农村公路交通事故的致因链。
...【技术特征摘要】
1.一种农村公路交通事故严重程度评价方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的s2中，对交通事故数据集进行预处理，并对事故中的变量特征进行选择以及描述性统计的步骤为：
3.根据权利要求2所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的s3中，驾驶员受伤概率函数用于确定事故中驾驶员受伤严重程度的概率，表示为：
4.根据权利要求3所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的s4中，驾驶员受伤严重程度的随机参数logit模型的概率密度函数表示为：
5.根据权利要求4所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的s5中，建立的可估计参数向量模型表示为：
6.根据权利要求5所述的一种农村公路交通事故严重程度评价方法，其特征在于：所述的s6中，求解步骤为：采用极大似然估计方法、1000次halton抽样方法以及牛顿迭代法，通过对随机参数不同的分布进行实验，确定正态分布的最优的拟合分布...
【专利技术属性】
技术研发人员：魏福禄，周艺恺，郭延永，郭永青，徐培翔，范俊甫，李庆印，徐艺，孙锋，刘川，胡振泉，
申请(专利权)人：山东理工大学，
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。