基于公交车CAN总线的道路黑点预测模型的制作方法

本发明涉及在线路安全性在线分析，更具体地说，涉及基于公交车can总线的道路黑点预测模型。

背景技术：

1、以公交车为代表的公共交通承载了大部分城市人的出行需求，对提高交通资源利用率、缓解城市交通压力有重要意义。不过，随着我国城市化进程的推进，汽车保有量的迅猛增加，越来越多的道路交通问题频繁出现。因此提升公交线路的运行安全就显得尤为重要。

2、当前，交通事故黑点路段判别方法众多且各具适用性。这些方法主要基于历史和动态交通事故数据对黑点路段进行鉴别和预测，可以对事故多发路段进行识别和警示，提高道路的安全性。但这类事后型鉴别和控制的方法在黑点鉴定完成前已然造成了生命财产的重大损失。如果能对线路中未发生过事故的黑点路段进行预测鉴定，那么在公交线路的调整规划时可以做出规避，或在已有的运行线路上进行预警。这对于降低事故率，保障生命财产安全具有重要意义。

3、当前，can总线作为汽车上最广泛使用的总线技术之一，对于它的总线通信数据的发掘和应用越来越多。利用can总线可以实现对汽车故障的实时在线监测是常见的应用方向之一。

4、利用can数据研究驾驶行为也是常见的应用方向之一。通过can总线获得汽车内部传感器数据，判断出驾驶员是否存在不良驾驶行为，从而提高驾驶的安全性。

5、随着应用挖掘的深入，更加系统的应用也逐渐发展起来，产生了基于can总线的车辆管理系统。该系统利用can总线采集车辆各零部件(电机、电控、空调、发动机、底盘、车身、集中润滑)的数据，建立包含各类型数据库的车辆管控系统。通过对各知识库的数据进行分类汇总、处理加工及挖掘分析，可以为管理决策提供关键信息，全面提升驾驶员、车辆、线路、安全管理水平。

6、在国内，汽车建设方宇通公司开发了一套专门分析can总线数据、为汽车使用提供指导的系统，可以为客户对车辆的实时监控及维护提供有效的监控。

7、基于上述，本发明人发现：

8、在该种预测系统运用到实际场景时，虽然车辆管理系统也开发出黑点鉴定和预测功能，但该功能主要基于动态违章数据、事故数据的统计分析，但在预测时，传统的预测系统难以需要结合不同事故的历史特性，并提取历史特性中的事故影响因素的权重，进而预测新黑点，此时容易增加预测系统的预测结果与实际结果不符的可能性。

9、于是，有鉴于此，针对现有的结构予以研究改良，提供基于公交车can总线的道路黑点预测模型，以期达到更具有更加实用价值性的目的。

技术实现思路

1、1.要解决的技术问题

2、针对现有技术中存在的问题，本发明的目的在于提供基于公交车can总线的道路黑点预测模型，它可以结合多种不同事故的历史特性，并提取历史特性中的故事影响因素的权重，进而预测新的黑点数据，提高预测系统中预测结果和实际结果的符合程度，此时，基于对事故强相关can总线关键特征参数的人物个性化识别，并反演构建黑点路段预测模型，提高预测公交线路的动态安全性，保证了预测模型的实用性。

3、2.技术方案

4、为解决上述问题，本发明采用如下的技术方案。

5、基于公交车can总线的道路黑点预测模型，该种预测模型在构建时的具体实施步骤如下：

6、步骤一、选择数据，并提取关键信息特征：基于公交车can总线，进行can总线数据的收集、选择和筛除，在考虑个性化因素的基础上，进行数据个性化聚类分析，并提取关键信息特征；

7、步骤二、进行道路网络分割，并提取关键信息：根据道路的网格信息，设计合适的道路网络分割规划，然后结合历史黑点数据，从中提取和事故相关的can总线关键参数信息，关键信息包括事故影响因素的权重；

8、步骤三、构建预测模型，并训练预测模型的能力：基于步骤一中的关键信息特征和步骤二中的历史黑点数据信息，结合人物画像，进行预测模型的构建，在构建完成时，对预测模型进行预测能力的多次训练，进行预测模型的优化；

9、步骤四、进行预测模型的验收，并投入使用：基于步骤三的训练结果，选择训练合格的预测模型，然后将预测模型投入使用，进行路段安全性预测的试运行，在试运行合格后，将预测模型正式投入使用，并完成验收。

10、进一步的，所述步骤一中，首先进行can总线数据收集时，此时对can总线数据的冗余属性参数或小权重参数数据进行选择和筛除，减少计算量，降低分析计算的难度；

11、然后建立两条同步运行的分析线，并can总线数据的聚类分析：

12、分析线一为运用模糊聚类算法进行车辆运动状态聚类，并进行车辆运动状态下的人物画像分析；

13、分析线二为运用模糊聚类算法进行驾驶操作状态聚类，并进行驾驶操作状态下的人物画像分析；

14、在聚类分析后提取融合特征，完成关键信息特征的提取。

15、进一步的，在运用模糊聚类算法进行状态聚类时，结合fcn算法进行聚类计算。

16、进一步的，在提取融合特征时，基于贝叶斯理论的特征融合算法进行计算。

17、进一步的，所述步骤二中，在进行道路网格分隔规划时，运用空间聚类分隔方法划分道路网格；

18、然后进行历史黑点数据的识别，并结合步骤一中的关键信息，基于深度讯息分析驾驶和运行特征，并判定事故相关can总线中的关键参数特性。

19、进一步的，在运用空间聚类划分道路网格时，采用稀疏子空间聚类的算法进行计算，并使用admm算法进行求解，得到表示矩阵。

20、进一步的，在结合历史黑点信息和事故相关的can总线关键参数信息时，提取的信息包括公交线路信息、公交运行信息和驾驶信息。

21、进一步的，所述步骤三中，首先进行零膨胀模型分析零值问题，并集合步骤二的关键信息，构建预测初始模型；

22、然后再次收集can总线动态数据和人物画像特征，进行初始模型的模型优化。

23、进一步的，针对预测模型进行训练学习时，采用封闭式道路进行训练，且训练的次数不低于十次。

24、进一步的，所述步骤四中，在进行预测模型验收时，选择训练合格率不低于90％的预测模型进行路段安全性预测的试运行，然后选择试运行合格率不低于98％的预测模型进行验收。

25、3.有益效果

26、相比于现有技术，本发明的优点在于：

27、①本方案，基于该方案的预测模型，在实际场景运用时，该种预测模型，通过查阅文献获取资料，总结分析驾驶行为、车辆状态及交通事故数据分析方法，构建公交车运行状态表征框架，运用定性分析对材料进行思维加工，去伪存真，认识事物内在规律，并利用数学工具对研究对象进行量的处理，更科学地揭示规律，然后运用相关性分析、多重对应分析，将多因素进行统一，提取同危险相关的关键因素最终将关键因素作为输入，采用多种算法结合构建黑点预测模型，该种预测模型，可结合多种不同事故的历史特性，并提取历史特性中的故事影响因素的权重，进而预测新的黑点数据，提高预测系统中预测结果和实际结果的符合程度，此时，基于对事故强相关can总线关键特征参数的人物个性化识别，并反演构建黑点路段预测模型，提高预测公交线路的动态安全性，保证了预测模型的实用性；

28、②本方案，该方案的预测模型，研究公交车车辆驾驶及运行状态的特征分析与聚类是开展后续研究的基础，减少了预测时的数据计算量，降低分析计算的难度，并在考虑驾驶员的身体素质、性格习惯、驾驶技术等个人特性差异的情况下，选择和优化算法以适应个性化的处理需求，最后对筛除后的数据进行个性化聚类分析，提高预测模型与驾驶员的切合程度；

29、③本方案，该方案的预测模型，在考虑环境变化的情况时，可选择合适的算法，并细化分析黑点路段的车辆动态及驾驶行为特性，尝试提取与黑点路段环境和工况，事故类型、等级等相对应的can总线关键参数、影响权重及阈值大小，可为构建路况和环境变化监测体系和黑点路段预判模型提供参数基础，提高了后续预测的准确性；

30、④本方案，该方案的预测模型，在预测包含轻微受伤和无伤亡事故在内的所有事故时，提高交通事故模型预测精度，且进一步尝试将模糊算法、神经网络等方法同预测模型进行有机结合，训练优化模型，提高了危险因素预测水平。