[發明專利]一種基于埃爾曼神經網絡的高等級公路事故預測方法

在審

• 申請號: 202210561565.1
• 申請日: 2022-05-23
• 公開（公告）號: CN115171367A
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 覃薇;黃德耕;王長海;覃延春;歐劍聰;林婧;羅海宇;周敏璐;胡文君;姚西桐
• 申請（專利權）人: 廣西交通設計集團有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/065;G06N3/04;G06N3/08;G06Q10/04;G06Q50/26
• 代理公司: 南京文宸知識產權代理有限公司 32500
• 代理人: 黃立新

本發明公開了一種基于埃爾曼神經網絡的高等級公路事故預測方法，包括以下步驟：以年為單位，收集預分析的山區高等級公路的事故數、交通量和道路線形指標相關數據；基于道路幾何線形指標對預分析的山區高等級公路進行基本路段單元劃分，確定基本路段單元劃分規則；基于粗糙集理論篩選出對山區高等級公路交通事故發生有突出影響的基本路段單元的幾何線形指標；對有突出影響的基本路段單元的幾何線形指標空值項進行賦值；建立基于埃爾曼神經網絡的高等級公路事故預測模型，對高等級公路基本路段交通事故進行預測，獲取交通事故發生率。本發明實現高等級公路交通事故的預測，解決了高等級公路事故預測困難等問題，為高等級公路提供了安全管理依據。

技術領域

本發明涉及高等級公路基本路段交通事故預測領域，尤其涉及一種基于埃爾曼神經網絡的高等級公路事故預測方法。

背景技術

據研究表明，對于山區公路而言，導致交通事故頻發的重要原因之一就在于其復雜的幾何線形條件，因此從道路幾何線形指標出發，以其為主要影響因素，探索山區高等級公路交通事故的發生規律，并在此基礎上建立山區高等級公路事故預測模型，對于提出有針對性的山區高等級公路安全改善對策具有十分重要的意義。近些年來，在山區高等級公路交通事故預測領域未形成一套完整的、成熟的、權威的事故預測體系，泊松系列事故預測模型基本都在模型精度較低的問題。而大多歐美學者研究的事故預測模型大多都是基于國外公路數據建立的，對于我國公路事故預測的適用性有待論證。此外，基于統計假設檢驗建立的事故預測模型，都具有假設條件或預定義變量與之間的關系，而這種預定義對神經網絡而言是不需要的，大量研究也表明了神經網絡技術在處理預測類問題上具有優勢。因此，基于神經網絡技術為依托，以道路線形條件及交通量AADT為模型輸入變量，提出一種基于埃爾曼神經網絡的山區高等級公路事故預測方法，對于改善山區高等級公路交通安全需求和提出具有針對性的對策，具有十分重要的意義。

發明內容

本發明的目的為解決現有技術的不足，提供一種基于埃爾曼神經網絡的高等級公路事故預測方法，本發明適用于我國山區高等級公路的事故預測，從而對于改善山區高等級公路交通安全需求，并提出具有針對性的對策具有十分重要的意義。本發明采用如下技術方案：

根據本發明的一個方面，本發明提供了一種基于埃爾曼神經網絡的高等級公路事故預測方法，所述預測方法包括以下步驟：

步驟1：數據收集，以年為單位，收集預分析的山區高等級公路的事故數、交通量和道路線形指標相關數據；

步驟2：路段劃分，基于道路幾何線形指標對預分析的山區高等級公路進行基本路段單元劃分，確定基本路段單元劃分規則；

步驟3：道路幾何線形指標篩選，基于粗糙集理論篩選出對山區高等級公路交通事故發生有突出影響的基本路段單元的幾何線形指標；

步驟4：幾何線形指標賦值，對有突出影響的基本路段單元的幾何線形指標空值項進行賦值；

步驟5：建立預測模型，建立基于埃爾曼神經網絡的高等級公路事故預測模型，對高等級公路基本路段交通事故進行預測，獲取交通事故預測數值。

上述方案進一步優選的，所述步驟3中，篩選出對山區高等級公路交通事故發生有突出影響的基本路段單元的幾何線形指標包括如下步驟：選擇交通量和基本路段單元的幾何線形指標作為初為初始自變量；以初始自變量作為粗糙集理論的輸入變量進行篩選預測出對交通事故發生有突出影響的基本路段單元的幾何線形指標。

上述方案進一步優選的，以初始自變量作為粗糙集理論的輸入變量進行篩選預測出對交通事故發生有突出影響的基本路段單元的幾何線形指標包括如下步驟：