[發明專利]基于決策樹模型的高速路出口匝道事故嚴重程度預測方法

在審

• 申請號: 201910847772.1
• 申請日: 2019-09-09
• 公開（公告）號: CN110555565A
• 公開（公告）日: 2019-12-10
• 發明（設計）人: 李志斌
• 申請（專利權）人: 南京東控智能交通研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06K9/62;G08G1/01
• 代理公司: 11676 北京華際知識產權代理有限公司
• 代理人: 張文杰

本發明屬于交通安全領域，具體涉及一種基于決策樹模型的高速路出口匝道事故嚴重程度預測方法，首先從交通管理部門搜集高速公路出口匝道的事故數據，根據實際情況選擇選擇自變量，再根據所需自變量的特征在原始數據中進行整合與篩選，選擇滿足要求的完整事故樣本建立事故數據庫。用訓練集樣本對決策樹進行訓練。在該決策樹預測模型中，引入靈敏度分析來降低決策樹預測模型的“黑匣子”問題，改變網絡中的每個輸入變量并觀察輸出結果的變化，最后對該預測模型的預測精度進行分析。本發明可以提高高速公路出口匝道區域事故嚴重程度的預測精度，這對提高出口匝道以及整個高速公路安全性具有重要意義。

技術領域

本發明屬于交通安全領域，具體涉及一種基于決策樹(Decision Tree)模型的高速路出口匝道事故嚴重程度預測方法。

背景技術

隨著我國交通運輸事業的發展，高速公路交通運輸量快速增長,帶來了很大的交通安全隱患。高速公路匝道區域是交通事故易發地帶，據資料統計，匝道的路線長度占整個高速公路長度不足5％，但匝道區域發生的交通事故約占整個高速公路交通事故的40％，其中出口匝道交通事故數約是進口匝道區域的2倍。原則上，有一些方法可以減少道路交通事故中遇難或受傷的人數。降低事故嚴重程度就是其中之一，事故嚴重程度是指人員或財產方面的受損情況，主要受人、車、路和環境等因素的影響。高速公路出口匝道區域系統復雜，影響因素多。如今，許多交通安全管理者、研究人員以及車輛廠家對高速公路出口匝道區域事故嚴重程度預測模型非常感興趣。事故嚴重程度模型可以預測事故發生的嚴重程度，這有助于醫院盡快提供適當的醫療護理，同時可以診斷出口匝道存在的交通安全問題，提高出口匝道以及整個高速公路安全性具有重要意義。

現有的交通事故嚴重程度研究中常用的方法是使用統計建模模型，例如有序概率模型和嵌套邏輯模型。統計模型具有以下優點：輸出自變量與因變量的關系公式，結果闡述清晰。但是，統計模型有一些局限性。例如，統計建模技術需要假設數據分布，并且線性函數用于將因變量映射到自變量。這些假設可能并非總是成立。如果違反此類假設，將生成錯誤的參數估計。此外，其他問題如多重共線性，事故內部因素相關性和未觀測到的異質性可能影響模型估計。通常需要一些復雜的框架來減少這些問題造成的負面影響，這使得這些統計模型難以解決并且難以在實踐中使用。目前機器學習模型開始應用于事故嚴重程度預測，機器學習模型不需要確定自變量和因變量之間線性關系。機器學習模型比統計模型具有更高的預測精度。但其主要缺陷是它們內部運作通常像“黑匣子”，不直接輸出事故嚴重程度和自變量之間的相關性。這種方法不能用于探索變量之間的非線性關系。

發明內容

本發明提供一種基于決策樹模型的高速路出口匝道事故嚴重程度預測方法，在預測高速公路出口匝道區域的事故嚴重程度具有較高的精度。

為了實現本發明的目的，所采用的技術方案是：基于決策樹模型的高速路出口匝道事故嚴重程度預測方法，包括以下步驟：

1)獲取高速公路出口匝道區域事故數據；

2)從高速公路出口匝道交通事故影響因素中選取若干因素作為自變量，根據所需自變量的特征對步驟1)的數據進行整合與篩選，選擇滿足要求的完整事故樣本建立事故嚴重程度預測數據庫，且將數據隨機劃分為訓練集和測試集；

3)將步驟2)所整理的數據按事故嚴重程度劃分等級；

4)訓練算法：構造決策樹的數據結構，建立高速公路出口匝道區域事故嚴重程度決策樹預測模型；

5)進行事故預測模型靈敏度分析，逐個改變自變量，使用決策樹預測模型預測按事故嚴重程度所劃分的每個等級的事故比例，將輸出的斜率視為自變量的平均可變影響，以預測結果的直線擬合線的非二元離散變量R²表示自變量對預測結果的非線性影響；

檢驗決策樹預測模型的預測精度：當錯誤率達到可接受范圍，該決策樹可應用于實際數據的高速公路出口匝道事故嚴重程度預測。