[發明專利]一種基于混合地理加權回歸的交通事故預測方法

在審

• 申請號: 201911294152.6
• 申請日: 2019-12-16
• 公開（公告）號: CN111210052A
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 王少華;肖金堅;杜峰;宋裕慶;陳艷艷
• 申請（專利權）人: 天津職業技術師范大學（中國職業培訓指導教師進修中心）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06F17/18
• 代理公司: 天津協眾信創知識產權代理事務所(普通合伙) 12230
• 代理人: 劉斌

本發明屬于交通安全技術領域，尤其涉及一種基于混合地理加權回歸的交通事故預測方法，包括步驟1、劃分交通事故的空間研究區域，采集影響因素數據；步驟2、通過多重共線性驗證解釋變量，刪除不合理的解釋變量；步驟3、構建空間權重函數為高斯函數和雙重平方函數；步驟4、確定帶寬選擇類型為固定帶寬和自適應帶寬，確定帶寬優化準則為修正的赤池信息準則；步驟5、構建并確定最優地理加權泊松回歸模型；步驟6、分別納入解釋變量作為全局變量構建混合地理加權泊松回歸模型進行對比測試；步驟7、構建并確定最優混合地理加權泊松回歸模型。本發明提供一種空間異質性考慮充分和預測模型精度高的基于混合地理加權回歸的交通事故預測方法。

技術領域

本發明屬于交通安全技術領域，尤其涉及一種基于混合地理加權回歸的交通事故預測方法。

背景技術

長期以來，交通事故給人們的生命財產安全帶來極大的危害。世界衛生組織數據顯示，2016年全球有135萬人死于交通事故。圍繞交通事故的預測研究一直是各國交通安全研究學者關注的重點和難點。傳統的交通事故預測方法大多是運用事故歷史數據及影響因素數據，基于多元線性回歸、神經網絡等理論模型預測，但該方法忽視了交通事故影響因素的空間異質性特征，即在城市不同空間區域內某個變量的屬性值存在差異性?，F有技術交通事故預測方法如下：

1、公開號為CN201310041718.0的中國發明專利申請公開了“一種基于地理加權回歸的縣級交通事故預測方法”，該方法基于地理加權泊松回歸(Geographically WeightedPoisson Regression，GWPR)模型，重點研究了交通事故影響因素的空間異質性特征，默認所有變量在不同空間位置具有不同的回歸系數。但在實際應用中，并不是模型中所有變量的回歸系數都隨著地理位置的改變而發生變化,有一些參數在空間上是不變的,或者其變化非常小可以忽略不考慮。

2、公開號為CN201810352052.3的中國發明專利申請公開了“基于無偏非齊次灰色模型和馬氏模型的交通事故預測方法”、公開號為CN201810320886.6的中國發明專利申請公開了“一種基于PCA和BP神經網絡的交通事故預測方法”，這些方法主要提出了不考慮交通事故影響因素空間效應的交通事故預測方法，并未涉及到交通事故影響因素的空間異質性問題。但有研究表明，融入影響因素的空間效應有助于提高交通事故預測模型精度。

由此可見，提供一種空間異質性考慮充分和預測模型精度高的交通事故預測方法是本領域急需解決的問題。

發明內容

本發明的主要目的在于解決現有技術中存在的問題，提供一種空間異質性考慮充分和預測模型精度高的基于混合地理加權回歸的交通事故預測方法。

本發明所解決的技術問題采用以下技術方案來實現：一種基于混合地理加權回歸的交通事故預測方法，包括如下步驟：

步驟1、劃分交通事故的空間研究區域，采集所述空間研究區域內的影響因素數據，獲得建模所需解釋變量和被解釋變量；

步驟2、預處理空間研究區域內的影響因素數據，通過雙對數模型分析處理解釋變量和被解釋變量，同時通過多重共線性驗證解釋變量，刪除不合理的解釋變量；

步驟3、構建空間權重函數為高斯函數和雙重平方函數；

步驟4、確定帶寬選擇類型為固定帶寬和自適應帶寬，確定帶寬優化準則為修正的赤池信息準則；

步驟5、基于空間權重函數和帶寬選擇類型的不同組合，以模型-2倍的對數似然函數值-2log-likelihood、帶寬優化AICc值和調整擬合優度值Adjusted R²作為評價指標，構建并確定最優地理加權泊松回歸模型；