[发明专利]城市路网行人交通事故黑点识别方法

摘要

本发明提供了一种城市路网行人交通事故黑点识别方法，通过对指定时间段指定区域内的行人交通事故数据建立标准化的行人交通事故数据库，计算各单位路段的事故频数，并利用其估计行人交通事故分布模型的参数值，得到各事故频数的概率和事故频数累积概率，确定给定置信水平下的行人交通事故黑点上限阈值，识别行人交通事故黑点，通过反向解码实现行人交通事故黑点的空间定位和显示。克服了现有事故黑点识别方法精度低、主观性大、可视性差等不足，在降低行人交通事故发生率和提高城市行人交通系统的安全性方面等有重要的工程应用价值。

主权项

一种城市路网行人交通事故黑点识别方法，其特征在于，包括以下步骤：步骤1：建立标准化的行人交通事故数据库选取一时间段内固定路网范围内的城市道路为对象，将此时间段此范围内发生的行人交通事故数据的地址信息按照交叉口、方向、路段号三个特征对每个单位路段进行编码，分别用i、d、s表示，i/d/s＝1,2,3…n，通过上述编码唯一确定每个单位路段的地址信息D(i,d,s)；同时记录每个单位路段在此时间段内不同时间的死亡人数、受伤人数、经济损失信息，从而建立标准化的行人交通事故数据库；步骤2：计算每个单位路段行人交通事故频数根据步骤1中建立的标准化行人交通事故数据库，将地址信息D(i,d,s)相同的每个单位路段发生的行人交通事故数据进行相加统计，得到每个单位路段的事故频数y(i,d,s)；步骤3：建立行人交通事故分布模型步骤3.1：构建行人交通事故零膨胀泊松分布模型f(y(i,d,s),λ,ω)=ω+(1-ω)e-λ,y(i,d,s)=0(1-ω)e-λλyiy(i,d,s)!,y(i,d,s)=1,2,...,n---(1)]]>式(1)中：f(y(i,d,s),λ,ω)为零膨胀泊松分布概率密度函数；y(i,d,s)为地址信息D(i,d,s)的单位路段的事故频数；yi为地址信息i的事故频数；λ为泊松分布的强度；ω为膨胀系数，且0＜ω＜1；步骤3.2：行人交通事故零膨胀泊松分布模型参数估计在步骤3.1中行人交通事故零膨胀泊松分布模型的基础上，得到该分布模型的对数似然函数如下：l=Σy(i,d,s)ln(1-ω)+Σy(i,d,s)=0ln(ω1-ω+e-λ)+Σy(i,d,s)>0(yilnλ-λ-ln(y(i,d,s)!))---(2)]]>对公式(2)求偏导数，令联立两式，得到公式(3)：Σy(i,d,s)=0-(1-ω)e-λω+(1-ω)e-λ+Σy(i,d,s)>0(-1+y(i,d,s)λ)=0-Σy(i,d,s)11-ω+Σy(i,d,s)=01ω(1-ω)+(1-ω)2e-λ=0---(3)]]>将步骤2中计算得到的地址信息为D(i,d,s)的单位路段的事故频数y(i,d,s)全部带入公式(3)，得到模型中λ和ω的极大似然估计值和将得到的极大似然估计值和带入公式(1)，获得确定参数的行人交通事故分布函数，如公式(4)所示；f(y(i,d,s),λ^,ω^)=ω^+(1-ω^)e-λ^,y(i,d,s)=0(1-ω^)e-λ^λ^y(i,d,s)y(i,d,s)!,y(i,d,s)=1,2,...,n---(4)]]>步骤4：行人交通事故黑点判别步骤4.1：确定事故黑点判别的上限阈值将单位路段事故频数y(i,d,s)分为0,1,2,3,4,≥5几种情况，分别带入公式(4)分别求出其概率然后计算事故频数累积概率F(n)，如公式(5)所示：F(n)=Σy(i,d,s)=0nf(y(i,d,s),λ^,ω^),n=0,1,2...---(5)]]>选取置信水平得出满足的最小整数为行人交通事故黑点的上限阈值步骤4.2：行人交通事故黑点判别将步骤2中得到的单位路段事故频数y(i,d,s)与步骤4.1得到的事故黑点上限阈值进行比较；若该单位路段内事故频数y(i,d,s)大于上限阈值则此单位路段为行人交通事故黑点，从而确定行人交通事故黑点的地址信息D(i,d,s)。