[发明专利]基于数据融合和支持向量机的高速路交通事故严重度预测方法

摘要

本发明公开了一种基于数据融合和支持向量机的高速路交通事故严重度预测方法，包括如下步骤：1、收集m个交通事故发生时的道路条件、驾驶员情况、车辆情况等l个变量因素，构成样本集，记录每个交通事故的严重度值ri；2、对收集到的m个事故样本的变量因素进行降维和归一化；3、应用支持向量机算法构建交通事故严重度预测模型；4、将降维后的待预测事故的变量因素向量x代入步骤3建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。该方法能够精确地预测高速公路事故的严重度。

主权项

1.基于数据融合和支持向量机的高速路交通事故严重度预测方法，其特征在于，包括如下步骤：(1)收集m个交通事故发生时的道路条件、驾驶员情况、车辆情况等l个变量因素，构成样本集S＝(s1,s2,…,sm)，其中si＝(f1i,f2i,…,fli)T，fhi为编号为i的事故的第h个变量因素；记录每个交通事故的严重度值，ri为编号为i的事故的严重度值，h＝1..l，i＝1..m；(2)对收集到的m个事故样本的变量因素进行降维和归一化，设降维后的样本si′为n维，n≤l，si′＝(f1i′,f2i′,…,fni′)T，fki′为降维后保留的变量因素，k＝1..n；归一化处理的公式为：xki＝(fki′‑MinValue)/(MaxValue‑MinValue)其中xki为变量因素fki′归一化后的值，MinValue为{fk1′,fk2′,…,fkm′}中的最小值，MaxValue为{fk1′,fk2′,…,fkm′}中的最大值；(3)应用支持向量机算法构建交通事故严重度预测模型，所述模型为：其中f(x)为待预测事故的严重度预测结果，x为降维后的待预测事故的变量因素向量；xj为降维归一化后的第j个事故样本，yj为样本集中第j个事故的严重度值；αj为第j个事故样本对应的拉格朗日乘子，b为截距，K(·)为核函数；(4)将待预测事故的变量因素向量按照步骤(2)中的降维方法进行降维，得到降维后的待预测事故变量因素向量x，将x代入步骤(3)建立的交通事故严重度预测模型中，得到待预测事故的严重度预测结果。