一种道路交通安全风险预测预警模型的制作方法

[0001]
本发明涉及智能交通技术领域，具体涉及一种道路交通安全风险预测预警模型。


技术实现要素：

[0002]
本发明的目的是针对现有技术中的不足，提供一种道路交通安全风险预测预警模型，以减少道路交通事故带来的经济与社会损失。
[0003]
本发明通过对道路交通安全风险程度的分析和计算，为实现灾害的有效预防和灾后的及时救援提供数据支撑，对道路行车安全管理意义重大。
[0004]
为实现上述目的，本发明公开了如下技术方案：
[0005]
一种道路交通安全风险预测预警模型，包括：道路交通安全风险预测预警层次分析(ahp)模型计算方法、模型评价指标体系、模型层次结构、驾校等级评定模型等。
[0006]
进一步的，所述道路交通安全风险预测预警层次分析(ahp)模型计算方法包括确定评估目标、建立评价指标、建立模型层次结构、指标计算等步骤；所述模型评价指标体系包括环境因素、道路条件、车辆及交通条件等，其中环境因素评价指标采用天气恶劣程度、能见度、是否易雾、风力等级等，道路条件评价指标采用桥梁情况、隧道情况、平曲线半径、是否长下坡、路面附着系数、是否易凝冻、是否事故多发路段等，车辆及交通条件评价指标采用交通强度、危险品运输车辆比例等；所述模型层次结构包括目标层、指标层、对象层，如说明书附图1所示；所述交通风险指标评级模型采用正态分布函数对交通风险综合得分进行拟合，根据风险综合得分的分布情况，确定风险等级的标准。
[0007]
本发明公开的一种道路交通安全风险预测预警模型，具有以下有益效果：
[0008]
1.可以准确预测未来道路状况运行的发展趋势，在其发生重大事故之前，能够及时发出信息，为交通主管部门采取相应的预防措施提供支持。
[0009]
2.可以动态反映交通主管部门采取调控措施的效果，为制定和评估相应的政策和决策提供依据。
[0010]
3.可以通过向公众发布交通安全风险信息，引起交通参与者或全社会的警惕。
附图说明
[0011]
图1是本发明一种道路交通安全风险预测预警模型结构图。
具体实施方式
[0012]
下面将对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0013]
本发明的核心是提供一种道路交通安全风险预测预警模型，以减少道路交通事故带来的经济与社会损失。
[0014]
例如，已知某路网诸多交通安全风险影响因素的实时监测指标，则每个路段的交通安全风险指数可按以下步骤求解。
[0015]
1.确定评估目标：道路路段交通安全风险指数。
[0016]
2.建立评价指标：
[0017]
首先，交通安全风险影响因素评价指标取值标准见下表。
[0018]
表1交通安全风险影响因素评价指标取值标准
[0019]
[0020][0021]
其次，道路交通风险的某些影响因素是随着时间变化的，对这些指标的未来数值进行预测并代入本模型，可以得到道路路段交通安全风险程度的预测值，由此可对道路的交通安全状况进行预警。
[0022]
其中，环境因素的预测可从气象部门发布的天气预报信息中得到；交通强度的预测可通过运营商信令数据得到路段的历史交通流量值，利用长短期记忆模型(lstm)模型计算未来15分钟的路段交通流量并除以道路的通行能力得到；其它的影响因素通常变化不大。
[0023]
3.建立模型层次结构：参见本说明书附图1
[0024]
4.指标计算：
[0025]
(1)建立b层次与a层次的矩阵关系
[0026]
①
首先对各项指标进行打分
[0027]
表2交通安全风险影响因素打分表
[0028]
ab1b2b3b1111/3b2111/3b3331
[0029]
②
进行一致性检测，以确保打分时不出现前后的逻辑错误
[0030]
a.计算上述矩阵的最大特征值
[0031]
列向量归一化得：
[0032]
表3矩阵a列向量归一化表
[0033]
0.20.20.20.20.20.20.60.60.6
[0034]
求行和，归一化得：
[0035]
计算得
[0036]
由此，
[0037]
b.计算一致性指标
[0038][0039]
ci＝0
[0040]
c.查询随机性一致性指标：
[0041]
n＝3时，ri＝0.58
[0042]
d.计算一致性比率：
[0043][0044]
一般认为当cr＜0.1时，矩阵的不一致程度在容许范围之内，可用其归一化特征向量作为权向量，否则要重新构造成对比较矩阵。
[0045]
③
计算各项指标结构的权值(归一化特征向量)
[0046]
矩阵一致性检验计算时取得的即为各项指标的权值。
[0047]
(2)建立c层次与b层次的矩阵关系
[0048]
分别计算c1：c10对于b1：b3各项指标的得分，即对于b1：b3指标c1：c10相对的有利程度分别是多少。
[0049]
1建立b1与c1：c10的矩阵关系
[0050][0051]
采用上述归一化特征向量计算方法，分别计算c1：c10对于b1指标的权重，得矩阵同时根据计算一致性指标ci1(n＝10)＝(10.632-10)/(10-1)＝0.070，ri1按n＝10查表得1.49。计算cr1＝ci1/ri1＝0.047＜0.1，说明矩阵的不一致程度在容许范围之内。
[0052]
②
建立b2与c1：c10的矩阵关系
[0053][0054]
采用上述归一化特征向量计算方法，分别计算c1：c10对于b2指标的权重，得矩阵同时根据计算一致性指标ci1(n＝10)＝(11.1452-10)/(10-1)＝0.127，ri1按n＝10查表得1.49。计算cr1＝ci1/ri1＝0.085＜0.1，说明矩阵的不一致程度在容许范围之内。
[0055]
③
建立b3与c1：c10的矩阵关系
[0056][0057]
采用上述归一化特征向量计算方法，分别计算c1：c10对于b3指标的权重，得矩阵同时根据计算一致性指标ci1(n＝10)＝(10.10235-10)/(10-1)＝0.011373，ri1按n＝10查表得1.49。计算cr1＝ci1/ri1＝0.007633＜0.1，说明矩阵的不一致程度在容许范围之内。
[0058]
④
层次总排序
[0059]
将组合建立一个新的矩阵：
[0060]
表4组合矩阵表
[0061]
c1c2c3c4c5c6c7c8c9c10b1c11c21c31c41c51c61c71c81c91c101b2c12c22c32c42c52c62c72c82c92c102b3c13c23c33c43c53c63c73c83c93c103
[0062]
c层的层次总排序为：
[0063]
c1：b1c
11
+b2c
12
+
…
b
m
c
1m
[0064]
c2：b1c
21
+b2c
22
+
…
b
m
c
2m
[0065]
...
[0066]
c
m
：b1c
m1
+b2c
m2
+
…
b
m
c
mn
[0067]
其中，b1＝0.2，b2＝0.2，b3＝0.6。计算得到c1-c10为：{0.0638，0.0854，0.0513，0.0258，0.0258，0.0331，0.0462，0.0708，0.3288，0.2690}
[0068]
(3)建立d层次与c层次的矩阵关系
[0069]
分别计算d1：d5对于c1：c10各项指标的得分，即对于c1：c10指标d1：d5相对的有利程度分别是多少。
[0070]
①
建立c1与d1：d5的矩阵关系
[0071][0072]
其中di
c1
表示第i个路段c1指标的数值，即天气恶劣程度的数值。采用上述归一化特征向量计算方法，分别计算d1：d5对于c1指标的权重，得矩阵同时根据计算一致性指标ci1(n＝5)，ri1按n＝5查表得1.12。计算cr1＝ci1/ri1，判断其不一致程度是否在容许范围之内(＜0.1)。
[0073]
②
同理分别计算d1：d5对于c2：c10的权重及相应的ci及ri指标。
[0074][0075][0076][0077][0078][0079][0080][0081][0082][0083]
②
层次总排序
[0084]
将组合建立一个新的矩阵：
[0085]
表5组合矩阵表
[0086]
d1d2d3d4d5c1d11d21d31d41d51c2d12d22d32d42d52
c3d13d23d33d43d53c4d14d24d34d44d54c5d15d25d35d45d55c6d16d26d36d46d56c7d17d27d37d47d57c8d18d28d38d48d58c9d19d29d39d49d59c10d110d210d310d410d510
[0087]
d层的层次总排序为：
[0088]
d1：c1d
11
+c2d
12
+
…
c
m
d
1m
[0089]
d2：c1d
21
+c2d
22
+
…
c
m
d
2m
[0090]
...
[0091]
d
m
：c1d
m1
+c2d
m2
+
…
c
m
d
mn
[0092]
④
层次总排序的一致性检验
[0093]
设d层d1，d2，...，dn对上层(c层)中因素cj(j＝1，2，...，m)的层次单排序一致性指标为cij，随机一致性指标为rij，则层次总排序的一致性比率为：
[0094][0095]
当cr＜0.1时，认为层次总排序通过一致性检验。层次总排序具有满意的一致性，否则需要重新调整那些一致性比率高的判断矩阵的元素取值。
[0096]
本例中，c1：c10为：
[0097]
{0.0638，0.0854，0.0513，0.0258，0.0258，0.0331，0.0462，0.0708，0.3288，0.2690}
[0098]
5.风险评价及指标评级
[0099]
通过可以计算d1：d5的综合得分，若通过一致性检验，则得分高者为优，由此可对各路段的交通安全风险进行评价。采用正态分布函数对交通风险综合得分进行拟合，根据风险综合得分的分布情况，确定风险等级的标准。
[0100]
根据3sigma原则，数值分布在(μ-σ，μ+σ)中的概率为0.6526，划分拥堵程度等级的标准如下表所示：
[0101]
表6路段风险等级评级表
[0102][0103]
由以上计算可对各路段的道路交通安全风险水平进行评价。
[0104]
以上所述仅是本发明的优选实施方式，而非对其限制；应当指出，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，其依然可以对上述各实施例所记载的技术方案进行修改，或对其中部分或者全部技术特征进行等同替换；而这些修改和替换，并不使相应的技术方案的本质脱离本发明各实施例技术方案的范围。