[發明專利]基于深度學習的高速公路交通事故嚴重度預測方法

有效

• 申請號: 201810353740.1
• 申請日: 2018-04-19
• 公開（公告）號: CN108665093B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 何杰;章晨;劉子洋;邢璐;周博見
• 申請（專利權）人: 東南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N3/04
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 常虹

本發明公開了一種基于深度學習的高速公路交通事故嚴重度預測方法，包括如下步驟：1、收集L個交通事故發生時的道路條件、駕駛員情況、車輛情況等M個變量因素，構成樣本集；記錄每個交通事故的嚴重度值r_l；2、對收集到的L個事故樣本的變量因素進行降維和歸一化；3、建立深度學習神經網絡，構建交通事故嚴重度預測模型；4、將降維后的待預測事故的變量因素向量x代入步驟3建立的交通事故嚴重度預測模型中，得到待預測事故的嚴重度預測結果。該方法能夠精確地預測高速公路事故的嚴重度。

技術領域

本發明屬于交通事故分析和預測領域，具體涉及一種基于深度學習的高速公路交通事故嚴重度預測方法。

背景技術

目前國內外對事故嚴重度的分析還主要停留在單一數據源和傳統統計分析方法的層面，影響因素考慮較少，分析往往不透徹，模型誤差較大。隨著科技的進步，數據的收集正變得愈發容易。對交通事故有關的影響因素，如道路幾何線型、線圈數據、天氣狀況、道路可見度、事故駕駛員狀況等可以收集到海量的數據。如何通過科學的方法，基于對海量數據的分析使得事故的嚴重程度能夠控制在一定的范圍之內是當下亟待解決的一個重要議點。

發明內容

發明目的：本發明旨在提供一種高速公路交通事故嚴重度預測方法，該方法能夠精確地預測高速公路事故的嚴重度。

技術方案：本發明采用如下技術方案：

基于深度學習的高速公路交通事故嚴重度預測方法，包括如下步驟：

(1)收集L個交通事故發生時的道路條件、駕駛員情況、車輛情況等M個變量因素，構成樣本集S＝(s₁,s₂,…,s_L)，其中s_l＝(f_1l,f_2l,…,f_Ml)^T，f_hl為編號為l的事故的第h個變量因素；記錄每個交通事故的嚴重度值，r_l為編號為l的事故的嚴重度值，h＝1..M，l＝1..L；

(2)對收集到的L個事故樣本的變量因素進行降維和歸一化，設降維后的樣本s_l′為I維，IM，s_l′＝(f_1l′,f_2l′,…,f_Il′)^T，f_il′為降維后保留的變量因素，i＝1..I；

歸一化處理的公式為：

x_il＝(f_il′-MinValue)/(MaxValue-MinValue)

其中x_il為變量因素f_il′歸一化后的值，MinValue為{f_i1′,f_i2′,…,f_iL′}中的最小值，MaxValue為{f_i1′,f_i2′,…,f_iL′}中的最大值；

(3)建立深度學習神經網絡，構建交通事故嚴重度預測模型；

(4)將待預測事故的變量因素按照步驟(2)中的降維方法進行降維，得到降維后的待預測事故變量因素向量x，將代入步驟(3)建立的交通事故嚴重度預測模型中，得到待預測事故的嚴重度預測結果。

所述道路條件包括坡度方向、平曲線方向，分別由0或1表示正或負。

所述駕駛員情況包括駕駛員年齡、駕駛員性別；其中駕駛員性別由0或1表示男或女。

所述車輛情況包括事故車輛車齡。

步驟(2)中采用主成分分析法或獨立成分分析法對變量因素樣本集S進行降維。