[发明专利]基于稀疏多输出回归的交通事故建模与控制方法

说明书

技术领域

本发明属于交通智能管理和控制技术领域,运用提出的稀疏多输出回归模型，建立一种道路交通事故方法，并且可自动检测影响道路交通安全的关键因素，在预测交通事故、分析事故原因、指导道路建设改进具有实际的工程应用价值。

背景技术

随着我国道路交通事业的飞速发展，交通事故猛增已成为当今备受关注的严重社会问题之一。正因为交通事故造成的严重后果，我国对事故预防及对策倾注了大量人力、物力和财力，制定了较为完善的道路交通管理法律、法规和相关政策，但我国的道路交通事故所造成的损害后果却依然严重，而且一直处于上升的趋势，每年交通事故死亡人数居于世界首位。因此，为了保证经济发展和社会稳定，保障人们出行安全和货物运输安全，对中国的交通安全形势做出科学的预测，变得十分必要和迫在眉睫。

目前，国内外有多种方法应用于事故建模。已有的研究建立了事故发生与交通流特性，道路环境条件，人口数量，机动车保有量等数据之间的关系，但大多数都是从宏观的角度进行分析，得出的分析结果是一个区域的交通事故次数的预测，这对于预防和减少交通事故起不到太大作用。虽然也有部分研究从微观的角度分析道路的因素对交通事故的影响，但是，忽略了影响交通事故的因素很多，而其中的一些因素是作为噪声因素存在的，如果不剔除这些特征参数而进行交通事故建模，这可能会隐藏交通事故的真正特征与内在规律。

交通事故是由众多因素共同作用产生的复杂的系统，而且这些因素之间的关系很难用解析的方法进行描述，而基于稀疏多输出回归模型通过对历史数据的学习，能够以较高精度建立交通事故的模型。

为了建模的准确性，不遗漏重要信息，我们会考虑尽量多的因素，同时也必须剔除与事故无关的特征参数，因此，本发明引入了稀疏分析法，对原始数据进行稀疏分析，从而辨别影响道路交通安全的关键因素，从而有效地利用大量统计数据进行定量分析，揭示变量之间的内在关系，而且可为道路建设的改进提供有针对性的指导。

发明内容

本发明要解决的问题是克服现有技术的上述不足，提供一种操作简单，准确性高，适用于道路安全检查中交通事故建模的方法。

本发明的技术方案为：

A）获取某地区的历史交通事故数据样本N组{X₁,X₂,...,X_N}，每个X_I（I=1,2,3,...,N）包括下述人口、车辆、道路和环境信息：总人口数x₁，文化程度x₂，收入水平x₃，汽车驾驶员数量x₄，大型机动车数量x₅，小型机动车数量x₆，非机动车数量x₇，主要路段总长度x₈，主要路段交通灯数量x₉，平均天气状况x₁₀。

B）获取对应的交通事故结果样本{Y₁,Y₂,...,Y_N},每个Y_I（I=1,2,3,...,N）包括事故发生次数y₁，死亡人数y₂，受伤人数y₃及直接经济损失y₄。

C)交通事故数据预处理。将上述N组交通事故数据样本{X₁,X₂,...,X_N}归一化，并存放在矩阵X中。将上述N组对应的交通事故结果样本{Y₁,Y₂,...,Y_N}存放在矩阵Y中。

D)假定X_I与Y_I（I=1,2,3,...,N）满足关系Y_I=X_IW+ε，W为系数，ε为高斯噪声。设λ为平衡参数，可取为0.01≤λ≤100，则W可通过求解如下的稀疏多输出回归模型得到