[发明专利]高速公路出口匝道区域环境要素对事故严重程度估计方法

权利要求书

1.一种高速公路出口匝道区域环境要素对事故严重程度估计方法，其特征在于，包括以下步骤：

(1)预先获取高速公路出口匝道区域事故数据；

(2)建立高速公路出口匝道区域事故样本数据集，并选取环境要素作为自变量；

(3)将步骤(2)所整理的数据按照事故严重程度划分为若干个等级，划分准则按照无受伤到死亡的受伤严重程度排序；

(4)构造决策树的数据结构，建立基于决策树的高速公路出口匝道区域事故严重程度预测模型，并对模型进行训练；

(5)使用敏感度分析自变量与事故严重程度之间的相关性，预测高速公路出口匝道环境要素对事故严重程度非线性影响，揭示自变量对事故严重程度的影响；

(6)评价基于决策树预测模型的高速公路出口匝道区域环境因素对事故严重程度的非线性影响：按步骤(5)计算所有自变量的敏感度分析评价指标，比较高速公路出口匝道区域环境要素对事故严重程度的影响大小。

2.根据权利要求1所述的基于高速公路出口匝道区域环境要素对事故严重程度估计方法，其特征在于，步骤(2)所述的环境要素包括出口匝道类型、主线车道数、出口匝道车道数、减速车道长度、匝道总长度、路面类型、路表情况、肩型、肩宽、主线后速限制、主线和出口匝道之间的速度限制差异、照明情况、天气情况、土地使用类型、主线平均日交通量、出口匝道平均日交通量、有无涉及酒驾、毒驾以及事故类型。

3.根据权利要求1所述的基于高速公路出口匝道区域环境要素对事故严重程度估计方法，其特征在于，所述步骤(2)包括以下步骤：

(21)从高速公路出口匝道区域交通事故数据样本中选取环境要素作为自变量，要素涵盖的内容应包括事故区域的几何特征、气象条件、照明条件、交通流特征；

(22)对步骤(1)采集的事故数据进行规范化处理，对事故数据进行线性转换，采用极小-极大规范化，将结果映射到[0,1]，计算公式如下：

(23)根据所需自变量的特征对数据进行整合与筛选，选择满足要求的完整事故样本建立事故样本数据库。

4.根据权利要求1所述的基于高速公路出口匝道区域环境要素对事故严重程度估计方法，其特征在于，所述步骤(4)包括以下步骤：

(41)在决策树中使用类似流程图的结构进行分类，每个内部节点代表对自变量的测试，每个分支代表测试的结果，每个叶节点代表一个类标签，从根到叶的路径表示分类规则；

(42)对于事故严重程度预测模型，决策树中的每个节点代表一个事故严重程度预测因子，每个分支代表该预测因子的特征的一个状态，树叶表示预期的事故严重性，其取决于事故样本集中提供的自变量及事故严重程度信息；

(43)当获得测试数据集中新的事故样本时，通过使用划分特征值遵循树中从根到叶的路径来做出关于事故严重程度的预测。

5.根据权利要求1所述的基于高速公路出口匝道区域环境要素对事故严重程度估计方法，其特征在于，所述步骤(5)包括以下步骤：

(51)采用逐项替代法逐个改变选取的自变量，即只在其中一个自变量上手动执行小扰动，固定其他自变量不变，对离散型自变量，如二元和多元变量计算所有不同值下敏感度分析指标的变化；对连续型自变量，保持其他自变量固定不变，将该自变量设置为最小值，然后对该自变量每次增加10％直至最大值，计算敏感度分析指标的变化；

(52)敏感度分析指标采用输出结果的拟合线的斜率和拟合线的非二元离散变量R²来衡量，将斜率视为自变量的平均可变影响，以预测结果的直线拟合线的非二元离散变量R²探索自变量对预测结果的非线性影响：

直线的斜率通过最小二乘法确定，使用事故样本数据来提供斜率值，该斜率值计算公式如下：

其中，x_i为第i个观测事故的自变量的值；y_i为第i个观测事故样本的因变量的值；为自变量的平均值；为因变量的平均值；N为总的事故数据样本量；

如果自变量对事故严重程度影响为正相关，则自变量值越大，交通事故越多，反之亦然；可变影响值越大，即斜率越大，对碰撞严重程度的影响就越大；

直线拟合线的非二元离散变量R²按以下公式计算:

其中，为第i个观测样本的因变量的加权平均值；R²衡量输入不同可变变量条件下输出是否线性变化，R²越大，变量的线性变化越接近，说明自变量对事故严重程度的影响的非线性越大。