一种城市交通警情等级预测方法
【技术领域】
[0001] 本发明涉及智能交通领域，具体涉及一种城市辖区交通警情等级预测方法。
【背景技术】
[0002] 随着我国经济的高速增长和现代交通的日益发达，与交通有关的警情数量不断增 多，交通警情主要分为交通拥堵、交通事故、群众求助等，一般包含警情发生、警情上报、警 情处理等过程，大量警情的发生给交通管理者造成很大的困扰。随着城市基础设施建设的 不断完善和城市区域的扩大，给交警指挥部门合理调配警力带来很大挑战，将交警呈网格 状均匀分配在区域内的部署方式需要耗费大量警力。
[0003] 论文《基于时空数据应用模型的交通警情研判实现》通过阈值方法进行警情分级 预警，其实质是当前警情超出预期以后的报警，并未建立预测模型，不能对未来多天各时段 的警情情况进行预测和分级警示，其研宄对实时指挥调度有支撑作用，但对勤务优化配置 预案的制定无支撑作用；专利201410381532. 4选取天气情况、道路情况、驾驶员反应时间、 后车与前车距离、后车速度、后车相对于前车的速度差、后车加速度作为追尾事故的变量节 点构建贝叶斯网络学习数据集，该方法仅侧重于针对追尾事故中的车辆建模，并采取预警 措施。
【发明内容】
[0004] 为了克服已有交通警情判别方式的无预测功能、准确性较差的不足，本发明提供 了一种有效实现预测、准确性较好的城市交通警情等级预测方法。
[0005] 本发明解决其技术问题所采用的技术方案是：
[0006] -种城市交通警情等级预测方法，所述预测方法包括如下步骤：
[0007] 步骤1 :时间数据整理
[0008] 时间数据包括5维特征属性，分别是第几单位时间、星期几、是否节假日、是否工 作日和是否有重大活动，所述第几单位时间属性处理方法为设定单位时间At = 24h/N，按 单位时间△ t将全天24小时分为N段；获取国务院颁布的法定节假日信息构成节假日属 性；依据节假日和周末信息构成工作日属性；根据当天是否有大型考试、当前辖区内学校 是否放假、是否有大型场馆活动定义是否有重大活动属性；
[0009] 步骤2 :天气数据与交通警情关联性分析及处理
[0010] 天气数据包括温度、可见度、降雨量3个特征属性；
[0011] 步骤3 :建立预测交通警情等级的属性集
[0012] 根据数据库信息，将处理后的时间数据、天气数据、重大活动日、中小学放假等特 征属性整合成多维数据宽表，其中包括8个离散的特征属性维度；
[0013] 步骤4 :辖区内交通警情等级划分
[0014] 统计各辖区近期6个月内的警情发生次数，采用动态划分的方法将交通警情发生 次数划分为三个等级，将各个交警支队在单位时间At内的警情数量采用等区间装箱方 法求和，构成（XpXh-sxj关于交通警情数量的一个样本空间，由n个样本点组成，其中
y = ^可计算出当前交警支队的警情数量均值记为U， n":"' 计算出警情数量的标准差记为〇，故警情数量属于[0, y-0)的标记警情等级为Q，警情 数量属于[y - 0，y + 0)的标记警情等级为c2，警情数量属于[y + 0，+ <-)的标记警情等 级为c3;
[0015] 步骤5 :构造朴素贝叶斯分类器
[0016] 选取第几三小时\、星期几X2、是否节假日X3、是否工作日X 4、是否有重 大活动x5、温度X6、可见度X7、降雨量&构成预测交通警情等级的多维数据集T = {Xp x2, x3, x4, x5, x6, x7, x8}，将标记好的警情等级与多维数据集共同构成朴素贝叶斯分类的 训练集R = {Xi，X2, X3, X4, X5, X6, X7, X8, CJ，其中Ci G (c i，c2, c3)，从而使每个训练样本都具 有相应的警情等级类别标签。已知未来几天各个特征属性Ti= {X i，X2, X3, X4, X5, X6, X7, X8} =d预测当前区域的交通警情等级，根据朴素贝叶斯分类器的原理可知需要比较在Ti = d的条件下属于Q、C2、C3三类警情等级的概率大小，即需要计算p(C i |凡=d)、p(C2 |凡= d)、p(C3|Ti= d)三者的概率。由贝叶斯公式可知
其中 Cf (CdQQ，比较？沁|1\= (1)、口((：2|1\= (1)、口((：3|1\= d)三者的概率大小只需要比 较 pfX^pCTf die)、p(C2)p(Ti= d|c2)、p(C3)p(Ti= d|c3)三者的大小，分母 p(Ti= d) 对所有类别为常数；
[0017] 通过统计训练集R中属于警情等级C,的样本个数可计算出p(c ,)的概率，即
，同理可计算出
-p(Ti = dlQ)即在类另IJQ中属性1\的取值为d的概率，具体口〇\= dlCj = p(X1= dJCibd =(12|(^)…口氏二d 8|Ci)，其中d =(屯，d2，…，d8)，8个离散特征属性的先验概率p(Xi = dJCi)、…、p(X8= (18|(^)通过计算在每个类另lj Q中每个属性父濟值为!^的概率p(Xi = 屯| Q)求得；
[0018]步骤6 :预测各区域的交通警情等级
[0019] 由步骤5形成各特征属性的概率表，将所有特征属性的概率相乘计算出p (Q | TJ、 p (C211\)、p (C311\)三者的概率大小，将所有特征属性的概率相乘时如果有某个特征属性的 概率值为零，会消除乘积中涉及的所有其他属性概率的影响，导致最终的结果为 零，每个特征属性从1开始计数，P (Q | TJ、p (C21 TJ、p (C31 TJ三者中最大的概率值即为朴 素贝叶斯分类器预测出的当前特征属性条件下的交通警情等级。
[0020] 进一步，所述步骤2中，将降雨量分为以下五个等级，降雨量0. lmm-9. 9mm时为小 雨，降雨量为10mm-24. 9mm为中雨，降雨量25mm_49. 9mm为大雨，降雨量50mm_99. 9mm为暴 雨，降雨量100mm以上为大暴雨；将可见度等级分为以下五类，可见度大于10km时为无雾， 可见度为lkm-10km时为轻雾，可见度为200m-lkm时大雾，可见度为50m-200m时为浓雾，可 见度小于50m时为强雾；将温度划分为小于5°C，5°C -28°C，29°C -35°C，大于35°C四个等 级。
[0021] 本发明的技术构思为：在数据来源和实现目标方面均与现有技术不同，本方法通 过将天气因素、时间因素、重大活动、中小学放假作为特征属性，充分考虑了车、路、人、环境 等因素对交通警情等级的影响，最终将整理后的多维数据通过朴素贝叶斯分类器对不同 辖区的交通警情等级进行预测。目前尚未发现以天气因素、时间因素、重大活动、中小学放 假为特征属性的交通警情等级预测方法，针对全市各个交警支队所属辖区的交通警情等级 预测结果可以优化警力部署，提高交通管理者的指挥效率。
[0022] 本发明的有益效果主要表现在：（1)城市辖区交通警情等级预测是为了给所属辖 区内的交警支队制定警力配置预案提供数据支撑，本方法动态划分各个辖区交通警情等 级，对警情数量超出合理范围的辖区进行预警，交通警情等级展示结果简洁，便于交通管理 者理解。
[0023] (2)特征属性的选择全面系统地揭示天气因素、时间因素、环境因素对交通警情等 级的影响。通过特征属性与交通警情等级的关联性分析，并对连续属性值离散化，构造出符 合朴素贝叶斯分类器的多维特征属性，利用概率统计知识进行分类，方法简单、分类准确率 高、速度快，充分利用了贝叶斯分类器刻画外部环境变化如何影响交通警情等级变化，能够 从原始样本数据中挖掘出天气数据、时间数据之间的耦合关系，为交警指挥部门调度提供 数据支撑。
【附图说明】
[0024] 图1是城市交通警情等级预测流程图。
[0025] 图2是杭州市降雨等级与警情关系图。
[0026] 图3是杭州市可见度与警情关系图。
[0027] 图4是杭州市温度等级与警情关系图。
【具体实施方式】
[0028] 下面结合附图对本发明作进一步描述。
[0029] 参照图1~图4, 一种城市交通警情等级预测方法，包括如下步骤：
[0030] 步骤1 :时间数据整理
[0031] 时间数据包括5维特征属性，分别是第几单位时间、星期几、是否节假日、是否工 作日和是否有重大活动，所述第几单位时间属性处理方法为设定单位时间At = 24h/N，按 单位时间A t将全天24小时分为N段（例如N = 8,单位时间为3h);获取国务院颁布的法 定节假日信息构成节假日属性；依据节假日和周末信息构成工作日属性；根据当天是否有 大型考试、当前辖区内学校是否放假、是否有大型场馆活动定义是否有重大活动属性；
[0032] 步骤2 :天气数据与交通警情关联性分析及处理
[0033] 天气数据