本发明专利技术公开了一种山区高速公路交通风险短时预测方法及系统，涉及智能交通技术领域，解决了传统交通风险预测方法数据维度单一，场景划分不准确的问题，其技术方案要点是：构建包括历史事故数据、道路线性数据、实时交通流数据和气象数据的多源异构数据集；采用聚类算法对多源异构数据集进行聚类分析后确定核心聚类特征并结合道路线性数据动态修正隶属度函数以划分场景，得到分类场景；通过预构建的梯度提升树模型与长短期记忆网络混合模型确定分类场景的风险等级；根据风险等级触发分级预警信号，基于分级预警信号发布预警信息以及与风险等级对应的动态管控措施。达到提升风险分析数据覆盖率，场景划分更准确，风险预测精度提升的效果。
【技术实现步骤摘要】
本专利技术涉及智能交通，更具体地说，它涉及一种山区高速公路交通风险短时预测方法及系统。
技术介绍
1、山区高速公路因地形复杂、气象多变、交通流稳定性差等特点，交通事故风险显著高于普通道路。随着智能交通技术的发展，实时交通风险预测成为提升山区高速公路安全防控能力的关键技术方向。通过提前识别高风险路段及致险因素，为交通管理部门提供分级预警及动态管控决策支持，从而大幅降低事故发生率，对保障人民生命财产安全及促进区域经济发展具有重大意义。
2、传统山区高速公路风险预测方法多基于单一交通流数据建模，通过欠采样/过采样平衡数据后，采用logit模型筛选变量，结合迁移学习与多层感知机进行风险预测，最终通过静态聚类划分风险等级。此类方法存在一定的缺陷：1、数据维度单一：仅依赖交通流时序特征，忽略气象突变、道路线形等动态致险因素的多维耦合效应，导致风险特征建模不完整；2、场景适应性差；采用固定聚类数的静态划分策略，无法适配山区复杂多变的交通环境，风险等级划分粗糙且缺乏物理可解释性，难以满足山区高速公路复杂环境下的风险精准防控需求。
>3、基于上述难题，本文档来自技高网...
【技术保护点】
1.一种山区高速公路交通风险短时预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种山区高速公路交通风险短时预测方法，其特征在于，所述聚类算法包括自适应聚类算法、模糊c-均值聚类算法或加权K-mean聚类分析方法。
3.根据权利要求1所述的一种山区高速公路交通风险短时预测方法，其特征在于，所述采用聚类算法对所述多源异构数据集进行聚类分析后确定核心聚类特征，包括：
4.根据权利要求3所述的一种山区高速公路交通风险短时预测方法，其特征在于，所述多视图特征融合，包括：
5.根据权利要求3所述的一种山区高速公路交通风险短时预测方法，其...
【技术特征摘要】
1.一种山区高速公路交通风险短时预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种山区高速公路交通风险短时预测方法，其特征在于，所述聚类算法包括自适应聚类算法、模糊c-均值聚类算法或加权k-mean聚类分析方法。
3.根据权利要求1所述的一种山区高速公路交通风险短时预测方法，其特征在于，所述采用聚类算法对所述多源异构数据集进行聚类分析后确定核心聚类特征，包括：
4.根据权利要求3所述的一种山区高速公路交通风险短时预测方法，其特征在于，所述多视图特征融合，包括：
5.根据权利要求3所述的一种山区高速公路交通风险短时预测方法，其特征在于，对所述低维特征进行自适应密度聚类与核心特征挖掘，得到由多个所述核心聚类特征组成的核心特征集，包括：
...
【专利技术属性】
技术研发人员：刘兵，杨童，赵荣达，陈金宏，郭华，杨斌，伏冬孝，闻若伊，张孟，秦雅琴，谢济铭，赵鹏燕，王锦锐，许正鹏，褚惟，王晓静，曲亚明，李选文，张立峰，代俊宇，唐良晖，
申请(专利权)人：云南云岭高速公路交通科技有限公司，
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。