[发明专利]一种基于高斯过程回归分析的交通道路安全评价方法

权利要求书

1.一种基于高斯过程回归分析的道路交通安全评价方法，通过对目标区域内交通道路上发生的交通事故进行识别处理，根据识别处理结果对交通道路进行安全评价，其特征在于，包括以下步骤：

步骤A、在目标区域内随机选取预设数量条交通道路，分别针对各条交通道路，提取该交通道路中的预设类型改造措施；

步骤B、针对各条交通道路，获取预设类型改造措施执行之前一段时间周期内发生的交通事故、以及交通事故数据，所述交通事故数据包括发生交通事故时事故车辆的驾驶速度、车辆在交通道路上行驶的平均速度、以及交通道路的车流量；

步骤C、将时间周期划分为各个预设单位时间，在每个预设单位时间内根据交通事故数据将发生的交通事故分为严重事故和轻微事故，所述严重事故包括：有人员伤亡的交通事故、发生交通事故时车辆在交通道路上行驶的平均速度小于预设阈值的交通事故，所述轻微事故包括：有财产损失的交通事故、发生交通事故时车辆在交通道路上行驶的平均速度大于预设阈值的交通事故；

步骤D、分别针对各条发生交通事故的交通道路，执行预设类型改造措施，预测相同时间周期内发生的交通事故数量，进一步计算发生交通事故的概率，同时，获取在相同时间周期内执行改造措施后实际发生的交通事故、以及交通事故数据；

步骤E、根据预测的交通事故发生数量、以及实际发生的交通事故数量，获得交通道路改造措施的交通安全有效因子，根据交通安全有效因子更新交通道路改造措施。

2.根据权利要求1所述的一种基于高斯过程回归分析的交通道路安全评价方法，其特征在于，所述步骤D中预测相同时间周期内发生的交通事故数量，进一步计算发生交通事故的概率，包括以下步骤：

步骤D1、根据公式：

y～GP(m,K)

应用高斯过程对交通事故数量进行预测，其中，y为预测的交通事故数量，GP(m,K)为高斯过程，m为高斯过程中的均值，K为高斯过程中的协方差函数；

步骤D2、高斯过程中定义的y的先验函数是由一个随机过程定义的随机函数y(x)，随机函数从n维正态分布中预先指定n个一次抽样值；

根据公式：

计算n个抽样值中任意第i个抽样值的协方差，K(x_i,x_j)是第i个抽样值x_i和第j个抽样值x_j的协方差，I、j的取值为1至n-1，其中，τ代表模型的尺度，模型的尺度服从参数正态分布，对应的参数取值为τ～Inv-gamma(2,4)，Inv为反τ分布，gamma(2,4)为服从参数2,4的伽马分布，l代表模型的光滑度，模型的光滑度服从正态分布，对应的参数取值l～N(0,0.5)，|x_i-x_j|²是抽样值在分布中的欧式距离，进一步得到抽样值对应的协方差矩阵K；

结合协方差矩阵，随机函数的n维正态分布表示为：

y(x₁),…,y(x_n)～N(m(x₁),…,m(x_n),K)

其中，均值m(x)＝βX，X为交通事故数据集矩阵，β为对应的线性系数矩阵，均值m(x)与交通事故数据集呈线性相关；

步骤D3、使用线性回归对预测交通事故数量生成链接函数，获得交通事故数量的预测结果，

其中，i为服从正态分布的第i个预先指定的一次抽样值，y为对应的预测交通事故数量。

3.根据权利要求2所述的一种基于高斯过程回归分析的交通道路安全评价方法，其特征在于，所述步骤E中，根据预测的交通事故发生数量、实际发生的交通事故数量，以及公式：

θ＝(λ/y)/[1+VAR{y}/y²]

获得交通道路改造措施的交通安全有效因子θ，其中，λ为实际发生的交通事故数量，y为对应的预测交通事故数量，VAR{y}为预测交通事故数量的方差；

将交通安全有效因子作为交通安全评价结果，当θ1时，交通安全提升，θ的值越小，交通道路改造措施执行的效果越好；

θ1时，交通安全下降，更新道路改造措施。