[發明專利]一種基于交通分析小區的交通事故頻次預測方法

在審

• 申請號: 201710895380.3
• 申請日: 2017-09-28
• 公開（公告）號: CN107798418A
• 公開（公告）日: 2018-03-13
• 發明（設計）人: 徐鋮鋮;丁微;劉攀
• 申請（專利權）人: 東南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G08G1/01
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 孟紅梅

技術領域

本發明涉及一種基于交通分析小區的交通事故頻次預測方法，具體說運用地理加權回歸模型，提出一種基于交通分析小區的交通事故頻次預測方法，可基于交通分析小區預測事故頻次，涉及交通安全領域。

背景技術

隨著道路交通的發展、機動化進程的深入，交通安全問題也日益突顯,僅在2010年，全國就共接報道路交通事故3,906,164起，同比上升35.9％，其中，涉及人員傷亡的道路交通事故219,521起，造成65,225人死亡、254,075人受傷，直接財產損失9.3億，近十年在我國每年因交通事故所造成的經濟損失達數百億元。

道路交通安全問題越來越受到社會的關注，基于交通分析小區的交通事故頻次預測方法可以根據各個交通分析小區的土地利用、社會經濟、道路設施以及交通運行特征，來評價交通分析小區內合理的交通事故頻次，從而為交通安全治理以及交通安全政策的制定提供指導。以往多基于縣、市等地理單元進行事故頻次預測，相比于交通分析小區，縣、市級地理單元存在較大的內部差異；另外，以往多采用傳統的廣義線性模型，在廣義線性模型的框架下，各地理單元是假設相互獨立的，但是實際上道路交通數據是與地點相關的，相鄰的區域在道路交通事故、社會經濟發展、道路交通特征方面有某種程度的趨同性，而距離較遠的區域之間會有某種程度的相異性，傳統的廣義線性模型無法考慮這種區域間的空間關系，因此預測精度不高。

發明內容

發明目的：針對以往縣、市級地理單元內部差異較大以及廣義線性模型框架假設各地理單元相互獨立，無法解釋事故數據空間相關性和異質性，影響預測準確性的問題，本發明提出一種基于交通分析小區的交通事故頻次預測方法，可以考慮事故預測中的空間相關性和異質性的問題，可以描述不同空間位置解釋變量對事故頻次的不同影響，可以提高預測準確性。

技術方案：為實現上述目的，本發明采用如下技術方案：

一種基于交通分析小區的交通事故頻次預測方法，包括如下步驟：

(1)收集研究范圍內各交通分析小區的參數信息，所述參數信息包括歷史事故數據與解釋變量數據；

(2)使用地理信息系統軟件將所述參數信息標識到對應的交通分析小區；

(3)采用地理加權回歸模型設定交通分析小區事故頻次和解釋變量之間的關系；

(4)設置解釋變量前參數的矩陣形式，并確定參數估計過程中的權重函數；

(5)基于地理加權回歸模型進行參數估計，得出每個解釋變量前的參數在不同交通分析小區的估計值以及解釋變量的顯著性水平；

(6)將各交通小區內顯著變量的數據值輸入到標定的模型中，對各交通分析小區的交通事故頻次進行預測并計算殘差；

(7)檢驗各交通分析小區的事故預測值的殘差是否具有空間相關性，若無空間相關性，則標定的事故預測模型具有有效性；如果具有空間相關性，則從模型中剔除空間相關性檢驗顯著的變量，然后從步驟5)開始重復，直至殘差不具有空間相關性，基于得到的有效模型進行交通事故頻次預測。

優選地，所述解釋變量數據包括交通分析小區的土地利用、社會經濟、道路設施以及交通運行特征數據。

進一步地，所述地理加權回歸模型為：

其中，λ_i為第i個交通分析小區事故頻數的期望值；(u_i,v_i)為第i個交通分析小區質心的二維坐標；β₀(u_i,v_i)為截距；β_j(u_i,v_i)為第i個交通分析小區的第j個解釋變量x_ij的回歸參數，該參數隨交通分析小區發生變化；J為解釋變量的個數；ε_i為誤差項。

進一步地，所述解釋變量前參數的矩陣形式為：

其中，n是交通分析小區數量；

其中，是第i個交通分析小區的回歸參數估計值組成的行向量；X為解釋變量組成的矩陣；Y為因變量組成的列向量；W(u_i,v_i)為空間權重矩陣：

其中，w_ij，j＝1,2,...,n，為第i個交通分析小區進行參數估計時賦予第j個交通分析小區的權重，代表空間位置j的觀測值對回歸點i參數估計的影響程度。

優選地，采用自適應bi-square函數計算權重值w_ij。