[发明专利]一种基于数据挖掘的道路运输安全风险实时评估方法

说明书

本发明公开一种基于数据挖掘的道路运输安全风险实时评估方法，是基于如下模型计算的：R＝P·M，R为安全风险评估值，P为风险源或事故发生的概率评价指数，M为风险源或事故可能造成的损害后果严重性评价指数。本发明基于大量文本数据挖掘，实现对P和M动态实时获取，获得风险值的实时评估，实现了风险评估随着风险源耦合而实时动态变化，实现了考虑风险源因果关系的风险评估，且实现了评估阈值的自动更新。

技术领域

本发明涉及道路运输安全技术领域，尤其涉及基于文本挖掘、数据关联性挖掘、机器学习技术的道路运输安全风险实时评估方法。

背景技术

实现道路运输安全风险事前评估是保障道路运输安全生产的基础，也是道路运输安全风险管控的关键环节。风险评估一般基于风险识别，目前，在风险识别环节有一个瓶颈问题：道路运输安全风险的识别很大程度上基于交通事故报告，然而针对交通事故报告中风险源及造成的事故状态的分析基本依靠人工，存在工作量大、依靠专家的认知等缺点。

在风险评估环节也有两个瓶颈问题：一是目前对道路运输安全风险的评估基本处于事前对道路运输的综合评估，然而，道路运输安全风险随着驾驶员、车辆状况、道路状况、交通状态的变化是一个动态变化的过程，静态的评估不能满足道路运输安全生产的需求。二是现有的道路运输安全风险评估方法主要分为基于故障树的风险评估、基于风险概率指数的评估和基于模糊理论的风险评估；基于神经网络的评估；以上方法有两点不足：①基于故障树、模糊理论的风险评估很大程度上依靠专家的分析，工作量大的同时，结果随着专家认知的不同而不同；②现有基于神经网络的评估模型较少考虑交通事故发生的推演(也可以叫做“事故链”)，即风险源之间的因果关系。

由此，为了将道路运输安全风险控制从事后提到事前，实现实时的安全风险防控，研究一种自动识别的、适应不确定因素耦合的、考虑事故风险源之间因果关系的道路运输安全风险实时评估方法是目前道路运输安全生产中迫切需要解决的问题，具有非常好的现实意义和技术价值。

发明内容

本发明面向风险辨识评估过程中存在的人工工作量大、评估结果随机和无法实现动态实时评估的问题，提出一种基于数据挖掘的道路运输安全风险实时评估方法。其目的是通过该方法减少道路运输安全风险评估过程中人工评估工作量、人工评估结果的随机性，实现动态实时评估，并兼顾考虑事故风险源之间的因果关系。

本发明基于文本挖掘技术、数据关联性挖掘技术、机器学习技术，采用如下技术方案：

一种基于数据挖掘的道路运输安全风险实时评估方法，其特征在于，安全风险评估值是基于如下模型计算的：

R＝P·M (1)

R为安全风险评估值，P为风险源或事故发生的概率评价指数，M为风险源或事故可能造成的损害后果严重性评价指数，“·”表示乘积关系；

其中，对于P和M值的获取采取如下方法：

步骤1：构建基础道路运输安全风险源清单和/或事故状态清单；

步骤2：数据获取；

步骤3：数据预处理：首先对步骤2获取的数据清理、去停用词；然后添加步骤1构建的风险源清单和/或事故状态清单；然后进行文本分词；

步骤4：近义词替换：对步骤3得到的文本词条进行近义词识别，并按风险源清单中词条和/或事故状态清单中词条表述进行替换；

步骤5：风险源或事故状态的动态辨识：利用TF-IDF算法对步骤4得到的文本数据进行风险源和/或事故状态挖掘，计算文本中的TF值、IDF值以及TF-IDF值，提取TF-IDF值明显偏大，且TF值偏高、IDF值偏低的风险源和/或事故状态，加入到风险源清单和/或事故状态清单中予以更新；

其中，TF值即公式(1)中的M值；