[發(fā)明專利]一種基于交通事故特征分析的事故黑點預測方法

在審

• 申請?zhí)枺?/td>: 202110785547.7
• 申請日: 2021-07-12
• 公開（公告）號: CN113704317A
• 公開（公告）日: 2021-11-26
• 發(fā)明（設計）人: 吳珂;尹飛
• 申請（專利權）人: 武漢眾智數(shù)字技術有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/215;G06F16/29
• 代理公司: 北京匯澤知識產(chǎn)權代理有限公司 11228
• 代理人: 鄭飛

一種基于交通事故特征分析的事故黑點預測方法，包括：基于GIS對目標區(qū)域網(wǎng)格化；根據(jù)事故發(fā)生的位置信息，將事故數(shù)據(jù)進行網(wǎng)格化聚合，得到事故高發(fā)點分布數(shù)據(jù)；通過對事故發(fā)生時間、發(fā)生時氣象情況、及發(fā)生時段區(qū)域的車輛速度閾值數(shù)據(jù)進行分析，形成單網(wǎng)格事故發(fā)生頻次、時段、氣象、車輛速度閾值的關系矩陣；融合車流量、交通指數(shù)路網(wǎng)數(shù)據(jù)；通過事故高發(fā)地點分析確定最大可能事故黑點，事故高發(fā)時段分析確定最大可能事故黑點事故發(fā)生最大可能時間區(qū)間，基于最大可能事故黑點、最大可能時間區(qū)間、氣象、交通流量、交通指數(shù)可對不同時段下歷史事故高發(fā)點發(fā)生事故的綜合特征進行融合分析，從而實現(xiàn)對事故可能發(fā)生黑點的預測能力。

技術領域

本發(fā)明涉及智能交通和數(shù)據(jù)挖掘領域，具體涉及一種基于交通事故特征分析的事故黑點預測方法。

背景技術

隨著經(jīng)濟高速發(fā)展、人口增長與人民生活水平的不斷提升，人口密度逐年增長、出行交通需求水平不斷提高、機動車保有量逐年增多，與城市發(fā)展可用空間逐年減小、路網(wǎng)密度逐年提升、道路交通壓力狀況越來越大的矛盾愈發(fā)突顯。同時由于車輛基數(shù)的不斷增長，車行密度的不斷增加，交通狀況的壓力不斷變大，機動車事故發(fā)生頻率也在不斷提高，而每當發(fā)生事故又極易引發(fā)交通狀況的進一步惡化，形成惡性循環(huán)，導致事故路段交通安全風險提高、交通管控壓力更大，極易引起更大的財產(chǎn)損失。

近年來，交通管理機構持續(xù)加強智能化、信息化的交通管控建設投入，不斷建設豐富外場設施設備，包括視頻監(jiān)控、高清卡口、電子警察、流量檢測器等，為車輛的信息數(shù)據(jù)采集提供了更為全面的渠道；同時，隨著大數(shù)據(jù)AI處理能力的不斷提升，為計算能力提供了有力的能力支撐保證；此外，利用與互聯(lián)網(wǎng)+數(shù)據(jù)的融合分析，分析與預測具備了更多維度的數(shù)據(jù)支撐，結果更加全面、準確，為交通管理工作從事后發(fā)現(xiàn)、處置到事前預警、管控預防轉變具有重要的意義與實際價值需求。

因此，基于交通事故特征分析的事故黑點預測對事故發(fā)生、預警、防治具有重要意義，使用該種方法，交通管理部門不僅可對事故易發(fā)點、高發(fā)特征有明確的量化掌握，更可以通過事故黑點的提前預測發(fā)現(xiàn)，指揮指導預置警力進行提前的預防性疏導、管控，將事故發(fā)生可能性扼殺在萌芽狀態(tài)，從而避免可能的事故發(fā)生。

發(fā)明內容

為克服現(xiàn)有技術的不足，本發(fā)明基于道路交通事故的多發(fā)地點、高發(fā)特征、環(huán)境因素等的數(shù)據(jù)挖掘分析，提供一種智能化的基于交通事故特征分析的事故黑點預測方法，具體方案如下：

一種基于交通事故特征分析的事故黑點預測方法，其特征在于，所述方法包括：

步驟1，將待分析的目標區(qū)域基于GIS(地理信息系統(tǒng)Geographic InformationSystem或Geo－Information system，以下簡稱GIS)進行網(wǎng)格化劃分；

步驟2，接入歷史事故數(shù)據(jù)，并獲取對應的事故位置信息，基于事故位置信息將歷史事故數(shù)據(jù)基于GIS的網(wǎng)格進行聚合；

步驟3，進行單網(wǎng)格分析，獲取單網(wǎng)格事故發(fā)生頻次、時段、氣象、車輛事故高發(fā)速度閾值的關系矩陣；

步驟4，導入頻次閾值，通過頻次閾值的輸入設定控制，剔除閾值頻次量以下數(shù)據(jù)，排除偶發(fā)性數(shù)據(jù)，對關系矩陣數(shù)據(jù)進行數(shù)據(jù)清洗，提高準確度，得到可用數(shù)據(jù)樣本矩陣；

步驟5，導入交通流量數(shù)據(jù)，以目標網(wǎng)格為范圍，將可用矩陣中事故發(fā)生時的當前網(wǎng)格、相鄰網(wǎng)格的交通流量數(shù)據(jù)進行關聯(lián)，得到單網(wǎng)格事故時段、氣象、車輛速度閾值以及交通流量關系矩陣；

步驟6，以目標網(wǎng)格為范圍，將可用矩陣中事故發(fā)生時的當前網(wǎng)格的交通指數(shù)數(shù)據(jù)進行關聯(lián)，得到單網(wǎng)格事故時段、氣象、車輛速度閾值、交通流量以及交通指數(shù)關系矩陣；