[发明专利]基于主成分贡献度参数的事故热点内特性分析及行车指导方法

权利要求书

1.一种基于主成分贡献度参数的事故热点内特性分析及行车指导方法，其特征在于，包括如下步骤：

S1，识别事故热点，具体过程为：

步骤一：通过3N搜索算法构造最小邻居图MNG；

步骤二：将MNG中的点分为两类，拥有自然最邻近的点以及离群点，并分别将两种点归入集合TN和TO，同时给予两种点不同的标识符；

步骤三：运用广度优先搜索法BFS并且结合点与聚类中心的最长距离阈值THLD对TN中的点进行聚类，即如果该点与簇中心的距离小于THLD，则将该点归入簇中，以此对TN中的每个点进行聚类，获得初始聚类结果；

步骤四：将TO中满足最短距离阈值THSD的点归入簇中，即是先计算该点与各簇中心的距离，然后选取最小的那个距离，如果该距离小于THSD，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；

S2，确定事故热点中影响事故发生的最重要的m个主要影响因素，m＝5；

S3，计算事故热点主要影响因素的贡献权重,具体步骤为：

S31，根据社会因素选择高人口密度、高犯罪率、低人口受教育程度、低年龄分布，和低人口密度、低犯罪率、高人口受教育程度、高年龄分布区域各一个作为对象区域i和对象区域j，并在对象区域i和对象区域j中根据交通事故数量、死亡人数、受伤人数、经济损失四项指标筛选出主要道路作为目标区域i和目标区域j；

S32，分别统计目标区域i和目标区域j内道路参数X1、行人参数X2、车辆参数X3、环境参数X4、管制参数X5对应数据库指标涉及的总事故数AccNum(i)和AccNum(j)；

S33，根据人口密度、犯罪率、人口受教育程度和年龄分布分别计算选择区域的社会因子F_s，计算选择的两个不同对象区域i、j的总事故数AccNum(i)、AccNum(j)和F_s(i)、F_s(j)，获得社会因素权重CS_i；

其中，Density(i)是目标区域i的人口密度，Crime(i)是目标区域i的犯罪率，Education(i)是目标区域i的人口受教育程度，Age(i)是目标区域i的年龄分布，Density(j)是目标区域j的人口密度，Crime(j)是目标区域j的犯罪率，Education(j)是目标区域j的人口受教育程度，Age(j)是目标区域j的年龄分布，Density_MAX(i)是目标区域i中人口密度最大值，Crime_MAX(i)是目标区域i中犯罪率最大值，Education_MAX(i)是目标区域i中受教育程度最大值，Age_MAX(i)是目标区域i中年龄分布最大值,Density_MAX(j)是目标区域j中人口密度最大值，Crime_MAX(j)是目标区域j中犯罪率最大值，Education_MAX(j)是目标区域j中受教育程度最大值，Age_MAX(j)是目标区域i中年龄分布最大值；

社会因素权重CS_i为：

F_S(i)表示目标区域i的社会因子，AccNum(i)表示目标区域i内道路参数X1、行人参数X2、车辆参数X3、环境参数X4、管制参数X5分别对应数据库指标涉及的总事故数，F_S(j)表示目标区域j的社会因子，AccNum(j)表示目标区域j内道路参数X1、行人参数X2、车辆参数X3、环境参数X4、管制参数X5分别对应数据库指标涉及的总事故数，CS_i表现为参数X_i所占权重，i，j为两个不同社会属性对象区域；

由于各影响因素的CR_i+CS_i＝1，根据社会因素权重CS_i，得出道路物理因素权重CR_i；

S4，计算热点成因因子并构建事故热点的成因分析模型，具体步骤为：

S41，根据事故热点成因因素构建原变量矩阵，基于此构建参数矩阵X；

n为事故热点个数，x_pq为第p个事故热点第q个成因因素元变量，p＝1,2，…，n；q＝1,2，…，5；

S42，构建参数矩阵X的归一化矩阵标准化即：

其中，X_q是参数矩阵X中列的平均值，S_q²则是参数矩阵X中每一列的方差；

S43，构建协方差矩阵R，获取协方差矩阵R的特征值矩阵λ_1×5和特征向量矩阵v_5×n，对特征值进行排序使得λ₁≥λ₂≥…≥λ₅，

即：

第p个主成分指标

其中，v_p是协方差矩阵R的第p个特征值λ_p所对应的特征向量；

通过以下式子提取主成分个数k；

基于主成分分析，得到主成分特征值矩阵λ_1×k所对应的主成分特征向量矩阵V_5×k，λ₁≥λ₂≥…λ_k；

S44，获取主成分方差贡献率矩阵W_1×m；

m为事故热点中影响事故发生的主要影响因素的个数，w_p为第p个影响因素的主成分方差贡献率；

S45，构建热点成因分析模型：

式中，C_road为道路成因，C_society为社会成因，

V_5×m表示参数变量对该主成分的贡献率矩阵，

W_1×m表示该主成分对事故热点整体的贡献率矩阵，

CR_1×5表示参数变量对道路因子的贡献率矩阵，

CS_1×5表示参数变量对社会因子的贡献率矩阵；

S5，根据获得的故热点的成因分析模型指导驾驶员在事故热点处的驾驶。

2.根据权利要求1所述的基于主成分贡献度参数的事故热点内特性分析及行车指导方法，其特征在于，选定5个主要影响因素，具体为道路参数X1、行人参数X2、车辆参数X3、环境参数X4、管制参数X5；具体包括的指标为：道路参数X1包括的指标为路面类型、交叉口类型、路面状况、现场特殊情况、交叉口位置和车道障碍区，行人参数X2包括的指标为人行道道路维修工、人行横道物理设施、行人位置和行人移动状态，车辆参数X3包括的指标为车型、拖车、车辆操纵、车辆位置、超载量、车辆安全状况、车辆使用性质，环境参数X4包括的指标为光照条件、天气情况、地形、路表情况和事故地点在道路横截面位置，管制参数X5包括的指标为人为控制、人行横道交叉口控制、日期、事故时间点、是否运载危险品和运载危险物品种类。