[发明专利]一种基于事故前交通状态与事故关系的建模方法

权利要求书

1.一种基于事故前交通状态与事故关系的建模方法，其特征是按如下步骤进行：

步骤1、采集历史交通事故数据及相关风险因素数据；

步骤1.1、在交通事故数据库中，获取研究道路的历史交通事故数据，包括：事故发生的时间以及经纬度信息；

步骤1.2、依据每起历史交通事故的发生时间以及经纬度信息，从道路信息系统数据库中采集每起历史交通事故发生时间的前一次记录的交通状态数据和事故发生时间的下一次记录的交通状态数据；

步骤1.3、依据每起历史交通事故的经纬度信息，获取相应经纬度所处路段的几何特征数据；

步骤1.4、依据每起历史交通事故的发生时间和经纬度信息，在气象站中提取相应的天气数据；

步骤2、构建基于条件的事故数据集；

步骤2.1、交通状态数据的处理；

步骤2.1.1、将每起历史交通事故发生时间的前一次交通状态数据中A个交通状态变量与事故发生时间的下一次交通状态数据中的A个交通状态变量分别按照时间赋予相应权重后对应相加，得到每起事故处理后的A个交通状态变量；

步骤2.1.2、将所有起历史交通事故处理后的第a个交通状态变量进行升序排列，并划分成步长为N_a的各个组，从而得到第a个交通状态变量的k_a个分组，每个分组的取值用各自的中值表示；a∈[1,A]；

步骤2.2、将所有起历史交通事故所处路段的几何特征数据中B个几何变量按照自身类型分别划分成若干组，从而得到第b个几何变量的l_b个分组；b∈[1,B]；

步骤2.3、将所有起历史交通事故路段的天气数据中C个天气变量按照自身类别分别划分成若干组，从而得到第c个天气变量的z_c个分组；c∈[1,C]；

步骤2.4、利用式(1)得到所有起历史交通事故的数据量s：

步骤3、建立基于条件的随机参数负二项回归模型；

步骤3.1、利用式(2)建立基于条件的随机参数负二项回归模型：

式(2)中：λ_i为第i个条件下的事故数；offset_i为第i个条件下的单位长度下的交通量；β₀为截距项；x_ij为第i个条件下第j个自变量；β_j为第j个自变量的系数，u_i为第i个条件下的随机效应项；

步骤3.2、对于A个交通状态变量中的每一个连续变量，依次选择一次、二次、对数形式并分别代入式(2)进行建模，从而得出A³个待定模型；

步骤4、采用贝叶斯方法对待定模型的参数进行估计；

步骤4.1、对待定模型进行先验假设，对待定模型中自变量的系数和随机效应项设置为先验分布；

步骤4.2、基于历史交通事故数据、交通状态数据、交通状态数据和天气数据、选用吉布斯抽样法分别对待定模型进行抽样，得到后验分布，并将后验分布的均值作为待定模型的参数标定结果；

步骤4.3、利用式(3)计算出任一待定模型的拟合优度DIC：

式(3)中：为自变量系数的离差；P_D为待定模型中有效参数的数量；

步骤4.4、从A³个待定模型中选择拟合优度最小的模型作为最优模型；

步骤5、基于最优模型的参数标定结果，得出各自变量的回归系数；

步骤6、利用式(4)对交通状态变量进行弹性分析，得到第a个交通状态变量的弹性系数E_a：

式(4)中：β_a为第a个交通状态变量的回归系数，为第a个交通状态变量在所有起历史交通事故中的均值；

步骤7、对a个交通状态变量的弹性系数进行升序排列，从而得出各交通状态变量对事故的影响力。