[发明专利]道路事故热点成因分析和破坏度评估方法

权利要求书

1.一种道路事故热点成因分析和破坏度评估方法，其特征在于，包括以下步骤：

S1，输入道路事故信息，所述道路事故信息的特征向量为As＝[A,H,V]，其中A为事故属性，包括事故发生的时间，地点，涉及车辆数以及道路状况描述，H为人员伤亡属性，包括事故伤亡人数和伤亡程度，V为事故涉及车辆属性，包括每一辆事故车的车辆型号和损伤程度；

S2，构造最小邻居图，对所述最小邻居图中的所有事故点进行聚类得到事故热点，最小邻居图构造方法为：

S211，得到目标区域每个事故点对应的自然最近领域NNr(i)以及每个事故点的自然最近邻居数nb(i)，从而得到整个目标区域所有事故点自然最近邻居数的平均值supk；

S212，将目标区域每个事故点的min(nb(i)，supk)个自然最近邻域连接起来，构成最小自然邻域图，即最小邻居图；

对最小邻居图中的所有事故点进行聚类得到事故热点包括如下步骤：

S221，将最小邻居图中的事故点分为两类，拥有自然最邻近的事故点以及离群事故点，并依次将两种事故点归入集合TN和集合TO；

S222，对最小邻居图中未搜索的顶点进行搜索，确定在没有被搜索的事故点中找出一个最近邻居数最多的事故点作为簇的起始搜索点，即簇中心点；

S223，定义THLD为聚类中心的最长距离阈值,对集合TN中的每一个事故点进行聚类，如果集合TN中的一个事故点与某个簇中心的距离小于THLD，则将该点归入该簇中心所在的簇中，并将该顶点标记为已搜索,获得初始聚类结果；

S224，设定最短距离阈值THSD，计算集合TO中的点与所有簇中心的距离，在不大于最短距离阈值THSD的距离中，选取最小的距离对应的点并则将其归入得到最小距离的簇中，以此对TO中的每个点进行聚类，得到最终聚类结果，实现事故热点的发现；

S3，对步骤S2中得到的所述事故热点的形成原因进行分析，判断每个事故热点的道路物理成因C_road和区域社会成因C_society；具体包括如下步骤：

S31,道路和街道的事故热点形成原因包括道路物理成因C_road和区域社会成因C_society,C_ro_ad和C_so_ciety由事故热点的特征向量[X_i]与特征权重[CR_i]和[CS_i]的内积组成:

C_road＝[X_i]·[CR_i]^T,i＝1…p.

C_society＝[X_i]·[CS_i]^T,i＝1…p

其中，p为正整数；

S32，设F₁表示原变量的第一个线性组合所形成的主成分指标，即F₁＝a₁₁X₁+a₂₁X₂+…+a_p1X_p，在所有的线性组合中选取的F₁所含的信息量最大，故称F₁为第一主成分，如果第一主成分不足以代表原来p个指标的信息，再考虑选取第二个主成分指标F₂，为有效地反映原信息，F₂与F₁要保持独立、不相关，依此类推构造出的F₁、F₂……F_m为原变量指标X₁、X₂……X_p第一、第二、……、第m个主成分，F₁、F₂……F_m(m≤p)为构造的新变量综合指标，即原变量指标的第一、第二、……、第m个主成分：

F1=a11X1+a12X2+...+x1pXpF2=a21X1+a22X2+...+x2pXp......Fm=am1X1+am2X2+...+xmpXp]]>

F_i与F_j互不相关，即Cov(F_i,F_j)＝0，并有Var(F_i)＝a_i'Σa_i，Σ为事故热点数据矩阵X的协方差阵Σ＝(s_ij)_p×p，其中

sij=1n-1Σk=1n(xki-xi‾)(xkj-xj‾),i,j=1,2,...,p]]>

其中，和分别为每行和每列的平均值，x_ki和x_kj为矩阵中的点，n为矩阵X中点的数目；

求出Σ的特征值λ_i及相应的正交化单位特征向量a_i,

Σ的前m个较大的特征值λ₁≥λ₂≥…≥λ_m＞0，就是前m个主成分对应的方差，λ_i对应的单位特征向量a_i就是主成分F_i的关于原变量的系数，则原变量的第i个主成分F_i为：

F_i＝a_i'X，

选择主成分，最终要选择几个主成分，即F₁、F₂……F_m中m的确定是通过方差累计贡献率G(m)来确定：

G(m)=Σi=1mλi/Σk=1pλk,]]>

当累计贡献率大于门限值时，就认为能足够反映原来变量的信息了，对应的m就是抽取的前m个主成分；

S33,分别得到该事故热点的道路成因和社会成因:

C_road＝[F_i]·[CR_i]^T,i＝1…p

C_society＝[F_i]·[CS_i]^T,i＝1…p；

S4，计算所述事故热点的区域破坏度并传输给控制中心进行交通管理和/或者发送给驾驶者进行驾驶指导，寻找最安全可靠的路线，具体区域破坏度的计算方法为：

S41,计算事故破坏度，计算每个事故的安全性能指数CSPI来间接反映每个事故i的破坏度CSPI⁽ⁱ⁾，其中c为常数c＝1+e²，e为欧拉常数，a_i和b_i为第i个事故的六个安全指标间的关联关系，六个指标包括碰撞次数、涉及车辆数、死亡人数、严重受伤人数、无死亡和严重受伤人员的碰撞次数以及无死亡和严重受伤人员碰撞涉及车辆数，根据每个事故的事故信息，可以确定每个事故六个指标的具体数值，最终计算得到归一化的CSPI值；

S42，计算事故重要度，所述事故重要度由事故位置重要度和事故时间重要度组成，

a.事故位置重要度

由区域发现聚类结果可获得事故热点的中心位置，据此可以得到事故i与热点中心之间的距离d_i，定义d_i越大，对事故热点的影响度越低，即事故位置重要度越低，假设事故热点的最大覆盖半径为d_max，得到归一化的事故位置重要度：

W_position＝d_i/d_max，

b.事故时间重要度

由事故发生时间可获得时间重要度，事故发生时间区域车辆密度越大，事故重要度越高，选取车流峰值时间点和车流量最低时间点，可得归一化时间重要度：

得到事故i的事故重要度W_delay＝W_position+W_time；

S43，计算区域破坏度，

综合每个事故的破坏度，可以得到区域平均破坏度：

t‾APOR=1nΣi=1nWdelay(i)·CSPI(i),]]>

通过区域平均破坏度的值来反映事故热点的区域破坏度大小，的值越大，则说明该事故热点对区域的破坏度越大。

2.根据权利要求1所述的道路事故热点成因分析和破坏度评估方法，其特征在于，在所述步骤S31中，特征权重[CR_i]和[CS_i]利用区域数据集对C_road和C_society进行参数拟合，具体过程为：

将每一个聚合的事故热点中的事故分为涉及行人的事故和不涉及行人的事故，再分别对两种事故进行主成分分析，将事故发生区域的社会属性归入事故属性中，与其他事故信息一起进行主成分分析，

对涉及行人的事故进行主成分分析后得到的F_i将替换C_society中的X_i，由于主成分的方差贡献率用来反映信息量的大小，所以CS_i为该主成分特征值与所有主成分特征值之和的比值，即：

CSi=λi/Σi=1mλi,]]>

CRi=λi/Σi=1mλi,]]>

对不涉及行人的事故进行主成分分析后得到的F_i将替换C_road中的X_i，CR_i为该主成分的特征值与所有主成分特征值之和的比值。