[發明專利]一種路段交通事故率的預測方法、裝置及計算機存儲介質

在審

• 申請號: 202010725558.1
• 申請日: 2020-07-24
• 公開（公告）號: CN111950603A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 唐進君;殷瑋琪;韓春陽
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/18;G06Q10/04;G06Q50/30
• 代理公司: 深圳市沈合專利代理事務所(特殊普通合伙) 44373
• 代理人: 沈祖鋒

本發明實施例公開了一種路段交通事故率的預測方法、裝置及計算機存儲介質，包括：獲取經過參數估計的路段事故空間分位數預測模型；所述模型為基于設定區域內各路段的歷史年平均日交通量、道路屬性數據與歷史年交通事故率進行訓練所獲得的，設定區域包括至少兩個行政區域，道路屬性數據包括道路設施特征參數和所屬的行政區域；獲取待預測路段在預測年的年平均日交通量和所述待預測路段的道路屬性數據；基于路段事故空間分位數預測模型中與待預測路段所屬的行政區域對應的區域分位子模型進行預測，獲得待預測路段在預測年的交通事故率。本發明實施例提供的路段交通事故率的預測方法、裝置及計算機存儲介質，能夠提高路段交通事故率的預測準確率。

技術領域

本發明涉及交通領域，尤其涉及一種路段交通事故率的預測方法、裝置及計算機存儲介質。

背景技術

交通事故率模型已被采用作為事故黑點識別和道路安全診斷的有效工具，而線性回歸方法是一種被廣泛用于不同道路類型下的交通事故率的預測建模中。此外，空間異質性已被發現存在于各種可能的空間單元之間，例如州/省、縣等。因此，在構建交通事故率預測模型時，需要考慮空間效應所導致的風險因素的空間效應差異。

然而，現有交通事故率預測方法均為以均值回歸為基礎的預測方法。由于具有不同事故頻次的路段在某些特征因素方面也具有差異性，從而導致引發事故的風險因素的效應具有差異性。在統計學上，所選擇的解釋變量(風險因素)的效應可能因響應變量(交通事故率)分布分位的不同而不同。因此，用均值空間模型估計的參數不能很好地反映各因素在交通事故率分布條件即分位數上的變化效應，從而導致均值回歸模型的預測偏差。

發明內容

有鑒于此，本發明實施例提供了一種路段交通事故率的預測方法、裝置及計算機存儲介質，能夠提高路段交通事故率的預測準確率。

為達到上述目的，本發明的技術方案是這樣實現的：

第一方面，本發明實施例提供了一種路段交通事故率的預測方法，所述方法包括：

獲取經過參數估計的路段事故空間分位數預測模型；其中，所述路段事故空間分位數預測模型為基于設定區域內各路段的歷史年平均日交通量、道路屬性數據與歷史年交通事故率進行訓練所獲得的，所述設定區域包括至少兩個行政區域，所述道路屬性數據包括道路設施特征參數和所屬的行政區域；

獲取待預測路段在預測年的年平均日交通量和所述待預測路段的道路屬性數據；

基于所述路段事故空間分位數預測模型中與所述待預測路段所屬的行政區域對應的區域分位子模型進行預測，獲得所述待預測路段在預測年的交通事故率。

第二方面，本發明實施例提供了一種路段交通事故率的預測裝置，所述裝置包括：

模型獲取模塊，用于獲取經過參數估計的路段事故空間分位數預測模型；其中，所述路段事故空間分位數預測模型為基于設定區域內各路段的歷史年平均日交通量、道路屬性數據與歷史年交通事故率進行訓練所獲得的，所述設定區域包括至少兩個行政區域，所述道路屬性數據包括道路設施特征參數和所屬的行政區域；

數據采集模塊，用于獲取待預測路段在預測年的年平均日交通量和所述待預測路段的道路屬性數據；

預測處理模塊，用于基于所述路段事故空間分位數預測模型中與所述待預測路段所屬的行政區域對應的區域分位子模型進行預測，獲得所述待預測路段在預測年的交通事故率。

第三方面，本發明實施例提供了一種路段交通事故率的預測裝置，所述裝置包括：處理器和用于存儲能夠在處理器上運行的計算機程序的存儲器，

其中，所述處理器用于運行所述計算機程序時，實現第一方面所述路段交通事故率的預測方法。

第四方面，本發明實施例提供了一種計算機存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時，實現第一方面所述路段交通事故率的預測方法。