[发明专利]一种城市道路交通事故风险实时预测方法

权利要求书

1.一种城市道路交通事故风险实时预测方法，其特征在于：包括以下步骤：

S1.确定所需预测对象的类型，选择若干类型相同的城市道路作为观测对象组成观测集，所述城市道路的类型包括有：路段和交叉口；

S2.提取观测集中各个对象的几何线形数据、历史交通事故数据和历史天气状况数据，根据历史交通事故数据获得每起交通事故发生的精确时间，在获取交通事故发生的精确时间之后，再获取每起交通事故发生前n分钟的交通流基础数据和天气状况数据；

S3.对于每个观测对象，根据获取的每起交通事故发生前n分钟的交通流基础数据计算交通事故发生前n分钟浮动车车速的变异系数CVS，若所需预测对象的类型为路段，则还需要对交通事故发生时的交通流密度D进行求解，交通事故发生前n分钟浮动车车速的变异系数CVS以及交通事故发生时的交通流密度D均为交通流特征参数；

S4.对于每个观测对象，提取观测对象某一天的交通流基础数据，计算当天每n分钟的变异系数CVS，形成变异系数CVS累计分布图；同时还需提取观测对象的历史天气状况数据，通过历史天气状况数据分别计算出历史时段无雨天气、有雨天气两种天气类型的分布概率，若所需预测对象的类型为路段，则还需计算当天每n分钟的交通流密度D，形成交通流密度D累计分布图；

S5.将交通事故发生前n分钟浮动车车速的变异系数CVS转为分类变量，根据变异系数CVS累计分布图确定该分类变量的等级，并计算该等级在变异系数CVS累计分布图的分布概率p(CVS)；

同时提取交通事故发生前n分钟的天气状况数据，通过该天气状况数据确定交通事故发生前n分钟的天气类型并将其转为分类变量，获得交通事故发生前n分钟的天气状况数据的分布概率p(W)；

若所需预测对象的类型为路段，则还需要对交通事故发生时的交通流密度D进行上述处理，以确定交通事故发生时的交通流密度D这个分类变量的等级，以及该等级在交通流密度D累计分布图的分布概率p(D)；

S6.在步骤S5的基础上，对观测行驶量EXP进行计算，若所需预测对象的类型为路段，观测行驶量EXP计算如下：

EXP＝p(CVS)·p(D)·p(W)·AADT·L·T

其中AADT为路段的年平均日交通流量，L为路段的长度，L包含于提取的几何线形数据中；T为观测时间；若所需预测对象的类型为交叉口，则观测行驶量EXP包括交叉口主干道观测量EXPA和交叉口次干道观测量EXPB，计算公式如下：

EXPA＝p(CVS)·p(W)·AADTA·TI

EXPB＝p(CVS)·p(W)·AADTB·TI

其中AADTA和AADTB分别为交叉口主干道和次干道的年平均日交通流量，TI为观测时间；

S7.在S6的基础上，构建基于泊松分布的交通事故风险预测模型，表达式如下：

其中P(y)为路段或交叉口发生y次交通事故的概率；μ为交通事故风险指数；对于路段，μ的计算方式如下：

μ＝EXP^εexp(θ+λ_CVS(α)+λ_D(β)+λ_W(γ))(1)

其中θ为常数项，ε为EXP的指数，λ_CVS(α)、λ_D(β)、λ_W(γ)分别为交通事故发生前n分钟的变异系数CVS、交通事故发生时交通流密度D、交通事故发生前n分钟的天气状况数据的预测参数，ε、θ、λ_CVS(α)、λ_D(β)、λ_W(γ)均为待标定的参数；

对于交叉口，交通事故风险指数μ的计算方式如下：

其中ρ为常数项，κ、ν分别为EXPA、EXPB的指数，λ_CVS(α)和λ_W(γ)分别为交通事故发生前n分钟的变异系数CVS、交通事故发生前n分钟的天气状况数据的预测参数，x_η表示交叉口的第η个静态变量，所述静态变量包括左转车道情况、右转车道情况，交叉口视距和信号相位数，静态变量包括于提取的几何线形数据中，λ_η为相应静态变量的系数；κ、ν、ρ、λ_CVS(α)、λ_W(γ)和λ_η均为待标定的参数；

S8.根据各个观测对象的几何线形数据、历史交通事故数据和历史天气状况数据，利用构建的风险预测模型通过极大似然法对待标定的参数进行标定；

S9.实时采集所需预测对象每n分钟的交通流基础数据和天气状况数据，根据天气状况数据确定预测对象每n分钟天气状况数据的分布概率，然后通过交通流基础数据计算获得实时交通流特征参数，确定实时交通流特征参数的等级以及该等级的分布概率之后，利用标定的式(1)或式(2)对所需预测对象的交通事故风险指数μ进行计算，获得μ之后将μ作为预测结果进行输出。