申请/专利权人：南京理工大学

申请日：2023-03-27

公开（公告）日：2024-04-05

公开（公告）号：CN116434543B

主分类号：G08G1/01

分类号：G08G1/01;G06F18/23213

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.08.01#实质审查的生效;2023.07.14#公开

摘要：本发明一种基于事故分布规律和事故成因的交通隐患点预警方法，该方法为：获取事故参数，构建事故集群点‑事故参数矩阵；采用Isomap非线性数据降维方法，对事故集群点‑事故参数矩阵降维；基于K‑medoids，对降维后的矩阵进行聚类；完成聚类之后，通过局部异常因子算法，对集群中的所有点进行离群因子的筛选；筛选完离群因子后获得隐患点，运用FAHP评价法建立路网交通事故预警指标体系，按照隶属度最大原则得到最大值获取隐患点预警综合等级，对交通事故隐患点进行预警。本发明能够有效削弱距离极值事故点对于聚类效果的影响，从而适应交通事故及事故隐患点的数据特征及多发分布规律，高效可靠地对交通隐患点进行预警。

主权项：1.一种基于事故分布规律和事故成因的交通隐患点预警方法，其特征在于，包括以下步骤：步骤10、获取事故参数：根据交通事故直接财产损失、死亡人数、发生起数和受伤人数这些指标，构建事故集群点-事故参数矩阵；步骤20、对事故集群点-事故参数矩阵降维：采用Isomap非线性数据降维方法对矩阵降维；步骤30、对降维后的矩阵进行聚类：基于K-medoids，任意选取k个初始中心点medoids，按照距离最近的原则，将剩余事故点分配到当前最佳的medoids代表的类中；在每一类中，计算每个事故点与其他事故点的距离之和，选取距离之和最小的事故点作为新的medoids；重复按照距离之和最小为准则选择新的medoids事故点的过程，直到所有的medoids点不再发生变化，或已达到设定的最大迭代次数；步骤40、进行离群因子的筛选：基于K-medoids完成聚类之后，通过局部异常因子算法，对集群中的所有点进行计算离群因子LOF，将LOF相较于1的比较结果作为依据，若LOF远大于1，则认为是离群因子，接近于1，则是正常点；步骤50、对交通事故隐患点进行预警：筛选完离群因子后获得隐患点，运用FAHP评价法建立路网交通事故预警指标体系并且设定各个指标的警限值，进行计算交通事故隐患点预警级别，进行计算评价结果，按照隶属度最大原则得到最大值获取隐患点预警综合等级；所述步骤20，包含以下步骤：21选取邻域，构造邻域图G：计算每个样本点xi同其余样本点之间的欧氏距离；当xj是xi的最近的K个点中的一个时，认为它们是相邻的，即图G有边xixj，这种邻域称为K-邻域；或者当xi和xj的欧氏距离dxi，xj小于固定值ε时，认为图G有边xixj，这种邻域称为ε邻域；设边xixj的权为dxi，xj；22计算最短路径：当图G有边xixj时，设最短路径dGxi，xj＝dxi，xj；否则设dGxi，xj＝∞；对l＝1,…,N，dGxi，xj＝min{dGxi，xj，dGxi，xl+dGxl，xj}，这样得到最短路径距离矩阵DG＝[d2Gxi，xj]i，j＝1，DG由图G的所有样本点之间的最短路径的平方组成；所述步骤30，包含以下步骤：31选择k个数据代表对象Cj＝{c1,c2,...ck}；32将其余对象根据以下公式计算相似度，划分到最为相似代表对象所在的类簇中： 33任意选取非数据代表对象的数据样本Xrandom，代替中心点cj，根据以下两个公式计算替换中心点后新旧聚类的差异值S： S＝E2-E1如果S＜0，则以Xrandom替代cj形成新的数据代表对象集合；34重复32～33的过程，直到迭代更新后的数据代表对象不再发生更改，产出最终确定的k个聚类中心；所述步骤40，计算离群因子LOF，通过K-medoids聚类之后获得K个聚类中心，筛除单发事故点，即筛掉离群点，包含以下步骤：41计算每个点的第k距离邻域内各点的第k可达距离：reach-distancekp,o＝max{k-distanceo,dp,o}其中，reach-distancekp,o表示点p到点o的第k可达距离，k-distanceo表示点o的第k距离，dp,o表示点p与点o之间距离；上式表示：点o到点p的第k可达距离为点o的第k距离和op间真实距离较大值；42计算每个点的局部第k局部可达密度： 其中，lrdkp,o表示点p到点o的第k局部可达密度，Nkp为p点的第k距离邻域；上式表示：点p的第k距离邻域内的所有点到点p的平均第k可达距离的倒数；43计算每个点的第k局部离群因子：通过计算得到每个点的离群因子LOF，如果对象p不是局部离群点，则LOFkp接近于1，计算公式为： 其中，LOFkp表示点p第K局部离群因子，lrdo表示点o的局部可达密度，lrdp表示点p的局部可达密度，Nkp为p点的第k距离邻域，lrdko表示点o的第k局部可达密度，lrdkp表示点p的第k局部可达密度；上式表示：点p的邻域点Nkp的局部可达密度与点p的局部可达密度之比的平均数；所述步骤50，对事故隐患点进行预警：筛选完离群因子后获得事故多发隐患点，运用FAHP评价法建立路网交通事故预警指标体系并且计算交通事故隐患点预警综合等级，包含以下步骤：51根据城市道路交通事故基础数据的属性，选取交通事故分布规律、交通事故成因及交通事故变化趋势相关指标，构建路网交通事故预警指标体系，并借助层次分析法的原理，如表1所示，分别选取目标层A、准则层B、指标层C指标：表1 52定各个指标的警限值，应用系统化分析方法，使用多数、半数、少数、均数、众数、负数和参数这些原则，每个原则确定一个警限值，综合平均这些警限值，并调整得出各个指标的警限值，建立以下道路交通事故预警成因指标分级标准如表2所示：表2 预警指标 代码 一级 二级 三级 四级 五级 3年以下驾龄事故比例％ X23 10 15 20 25 30 道路无物理隔离事故％ X24 10 15 20 25 30 大中型汽车事故比例％ X25 10 15 20 25 30 恶劣天气事故比例％ X26 10 15 20 25 30 交通量变化率％ X27 0 10 25 45 70 53计算预警级别：采用两层次模糊综合评价，分别是准则层与指标层、目标层与准则层，先建立因素集A：AT＝{a1,a2,.....,am’}和评价集R：R＝{r1,r2,......,rn’}，使用层次分析法计算指标权重，通过分布函数计算隶属度，其次使用模糊综合评价确定第二层的综合评价结果Bi’＝bi’1,bi’2,……,bi’k’＝Ai’*Ri’，其中，Ai’是计算层对应各指标因素的权重矩阵，Ri’是计算层的评判矩阵，i’是计算层的指标个数，k’是计算层中涉及的子指标个数；分别计算准则层两大类指标和指标层的权重评价，得到的结果B1，B2构造总的评判矩阵R即目标层的评判矩阵： 再构造准则层对于目标层的权重向量A＝a1,a2，则目标层的评价结果： 由隶属度最大原则得到B中最大值即为事故预警综合等级，等级分为5个等级，即从一级到五级，分别对应无警、轻警、中警、重警和巨警，不同预警信号代表不同预警度。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于事故分布规律和事故成因的交通隐患点预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD