[發明專利]一種基于時空分布特征預測城市交通事故的方法

在審

• 申請號: 201710400521.X
• 申請日: 2017-05-31
• 公開（公告）號: CN106991510A
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 陳冬英;黃淑燕;林靈燕;張浩;張麗麗;關翔鋒
• 申請（專利權）人: 福建江夏學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06Q50/30
• 代理公司: 福州元創專利商標代理有限公司35100
• 代理人: 蔡學俊

技術領域

本發明涉及交通事故分析領域，特別是一種基于時空分布特征預測城市交通事故的方法。

背景技術

目前，國外學者們對交通事故案件地理學的研究較為深入，在交通事故的時空分布形成機制和時空分布特征研究等方面成果頗豐。對交通事故案件的時空分布當下主要技術是采用相關性分析法來研究。該方法需事先限制具體的幾個因素，通過不斷的收集某個具體路段事故數據，人為擬合各因素間的相關性，進而進行對所得數據進行分析來預測各個路段不同時空的分布情況。

傳統的方法具有如下不足之處：首先，采集數據后進行處理，在相關擬合中的因素受到限制，可能導致結果具有局限性；其次，傳統的擬合的數據相關性結果不能自主隨變化因素而改變，實時性偏低；最后，傳統技術的預測是偏向人為而得，主觀性較嚴重，誤差偏大。總結該方法存在誤差大、時效性差、準確性低，儀器成本高、反饋信息不豐富等不足。為解決傳統技術方法問題，利用當下大數據技術，可以改進時空分布的特征分析法，同時采用數據挖掘法增加預測的實時性與可靠性。當下時空分布形成機制和實際交通事故案件分布情況的有機互動，逐漸形成兩大經典理論時空分布特征的研究主要涉及了時間分布研究、空間分布研究與時空分布研究，盡管這些研究所采用的理論和分析方法有所不同，但是這三者之間還是存在相互關聯的。隨著遙感高清影像普及和信息技術的發展，大數據的預測分析法，尤其是BP神經網絡法也得到充分發展。

在綜合考慮交通事故案件分布的空間和時間兩方面信息的研究中，目前國外研究人員提出一些新的研究方法。如Townsley等人提出了熱點圖法，該方法能夠更直觀地幫助研究人員分析交通事故發生的時空分布模式。該方法包含了三個部分：第一，該方法以核密度估算結果來表示的交通事故案發分布在空間上的聚集狀況；第二，以平行坐標法來充當圖例的功能，表示案件數量的變化趨勢；第三，該方法以柱狀圖的形式統計每天案件數量變化情況。雖然熱點圖法采用柱狀圖、平行坐標法可以體現案件數量隨時間的變化情況，從某種程度上突出變化的趨勢，但是，此方法更多的還是空間聚集情況和隨時間變化這兩方面的拼湊。本質上仍然是空間分析結果加上時間變化趨勢，仍無法解決研究交通事故案件分布時空分布特征的存在的核心問題。

隨著經濟發展，車子已經是人們必不可少的交通工具，交通方式多種多樣，交通環境也日益復雜，交通事故形勢令人堪憂。在交警人員有限的情況，根據已有的時空分布特征，更好的預防交通事故，降低事故率、死亡率、受傷率，具有重要的意義。

發明內容

有鑒于此，本發明的目的是提出一種基于時空分布特征預測城市交通事故的方法，從分析不同區域的數據到案發點數據，從分析現階段案件時空規律到預測未來案件數量的整體思路，實現對案件時空分布特征清晰、準確的識別和表達，為交警人員提供參考，為現實中提前預防、降低交通事故具有重要意義。

本發明采用以下方案實現：

(1)基于面域統計數據進行交通事故的時空分布與可視化法。采用空間自相關和自組織映射等方法，研究各區域交通事故案件的時空分布特征。先利用全局空間自相關方法分析案件是否為聚集狀態，若為聚集，再利用局部空間自相關方法分析各區域交通事故具體的聚集情況。然后不同的區域的交通事故案發的數據，采用自組織映射和U型矩陣方法進行時空多維可視化分析。

(2)基于案發點數據進行層次聚類分析、核密度估算。利用最鄰近指數法和Ripley'K函數討論案件的鄰近模式，最鄰近指數法利用距離最相近的案發點數據來表達分布模式，研究交通事故的局部聚集情況；Ripley'K函數是一種基于多階的分析方法，它把案發點數據的次鄰近情況也計算在內，研究交通事故的整體研究聚集情況。

(3)基于案發點數據的交通事故熱點識別。首先進行交通事故點模式描述，其目的是先從總體上研究交通事故的分布趨勢，主要通過中心點法與標準差橢圓法描述案發點數據的集中情況和離散趨勢，中心點法以中心點的位置表達案件分布模式，標準差橢圓法以橢圓的覆蓋面及長短軸方向表達案件分布模式；然后進行交通事故熱點分析，利用層次聚類法和核密度估計法，通過層次聚類分析能夠分層級地表達案件分布規律，通過核密度估算表達交通事故分布的連續變化和精確的集聚中心，并對兩種分析結果進行比較。

(4)交通事故預測分析。采用BP神經網絡，利用已發案件的數量分布預測未來的交通事故數量。采用數據挖掘算法中的決策樹與神經網絡等方法，利用以往的交通事故時空分布特征結論為數據源，采用模糊量化法對影響交通事故的因素進行評級評分，構建預測模型，科學地對交通事故進行預測。

本發明具體包括以下步驟：