[发明专利]一种基于双阶段分类的事故多发路段识别方法

说明书

本发明公开了一种基于双阶段分类的事故多发路段识别方法，包括选定要鉴别的总路段，对鉴别年限的事故数据进行统计、计算相邻事故点的距离、第一阶段事故多发路段分类、第二阶段事故隐患点分类、数据处理、在所鉴别的总路段地图上标识出事故多发路段和严重事故隐患点共六个步骤。有益效果：本发明通过将鉴别路段统计年限的历史数据纵向标记于道路上，遍历每个事故点的类别属性，避免了划分固定道路单元容易造成的“削峰”现象；考虑了单个事故点的严重程度，对重大事故隐患点进行预测；通过双阶段不同类别属性分类判别，提高了鉴别精度。

技术领域

本发明涉及事故多发路段的识别方法，特别涉及一种基于双阶段分类的事故多发路段识别方法，属于公路交通安全管理技术领域。

背景技术

近年来，随着国民经济的快速增长，我国汽车保有量持续增加，道路交通安全形势显得尤为严峻，交通事故发生率居高不下。从中国统计年鉴公布的交通事故死亡总人数来看，2011-2018年我国交通事故死亡人数长期保持在6万人左右，位于世界第一。据第16届国际道路会议报告指出，一般情况下多事故路段仅占路网总长度的0.25％，但事故却占事故总数的25％。因此，对多事故路段进行识别，不仅有利于将不良道路指标控制在设计阶段，也能在后期的管理中有针对性的对路段进行排查和整治，从而以最小的投入最大限度地降低道路交通事故，取得较大的社会和经济效益，并改善交通安全状况。

多事故路段识别是预防交通事故发生的主要措施之一，不仅能提高道路安全性能，还能降低经济损失。目前，国内外学术界对多事故路段识别进行了大量的研究，主要从分形理论、非线性学科、概率统计等多个领域对多事故路段交通事故分布规律进行深入研究。

从20世纪40年代开始，国内外学者开始对事故多发路段进行研究，从开始的事故数法；事故率法；质量控制法；事故率系数法；临界率法；矩阵法；泊松分布；贝叶斯(碰撞频率)；回归分析；相对危险度模型；累计频率法；当量事故次数法；移动步长法；滑动窗口法等数理统计法和现在的聚类算法(DBSCAN聚类、K-均值聚类、分层聚类、模糊聚类)神经网络；灰色评价；GIS大数据分析；空间分析等数据挖掘方法，但是鉴于交通事故具有离散性和随机性的特征，这些方法存在的问题也逐渐显露出来，主要表现在：固定的多事故路段分割长度与实际的多事故路段长度不匹配；会遗漏一些多事故路段；识别需要大量的数据和时间；多事故路段识别结果与真正的结果不一致。

发明内容

发明目的：针对现有技术中存在不足，本发明提供了一种能够对重大事故隐患点进行预测并且具有更高鉴别精度的基于双阶段分类的事故多发路段识别方法。

技术方案：一种基于双阶段分类的事故多发路段识别方法，包括以下步骤：

步骤一、选定要鉴别的总路段，对鉴别年限的事故数据中的死亡人数p、重伤人数s、经济损失e进行统计；

步骤二、将统计年限的事故点沿道路纵向标记，并对事故点进行顺序标号，计算相邻事故点的距离；

步骤三、第一阶段事故多发路段分类，将每个事故点根据相邻事故点的距离和距离阈值的大小关系分为右连续点、连续点、左连续点和分断点；

步骤四、第二阶段事故隐患点分类，根据死亡人数p、重伤人数s、经济损失e与其阈值的大小关系将步骤三输出的分断点分为第一类分断点和第二类分断点；

步骤五、数据处理，输出所有事故点所属类别；

步骤六、根据所有事故点的类别属性，在所鉴别的总路段地图上标识出事故多发路段和严重事故隐患点。

所述步骤一中事故数据的统计方法为：对所选定的鉴别的总路段在鉴别年限内的事故次数、受伤级别人数、经济损失数目进行统计，并将受伤级别定为死亡和重伤两个等级，记为死亡人数p、重伤人数s、经济损失e。

所述步骤二中计算相邻事故点的距离(d_i+1，d_i-1)的方法为：