[发明专利]快速道路危险交通流特征的自动检测确认方法

权利要求书

1.快速道路危险交通流特征的自动检测确认方法，其特征是包括以下步骤：

1)收集待检测高速公路路段的事故数据，确定各起交通事故的发生地点，选取交通 事故发生地点上游两个检测点和下游两个检测点的交通数据，所述检测点之间相距800 米，交通数据包括事故发生前5分钟这段时间内各个检测点的交通占有率，交通占有率 数据由设置在检测点的交通流检测设备直接检测，并且以30s为采集精度进行采集；

2)对于每起交通事故，采用病例-对照研究法按1∶4比例选取事发路段正常交通 流状态下，即没有发生事故时的交通占有率数据，所述1∶4指，对应于每个事故范例， 选取4个相应的正常交通流状态范例；

3)将事故组和非事故组组合成交通流数据样本，所述事故组为事故发生前5分钟的 交通占有率数据，非事故组为正常交通流状态下交通占有率数据，采用K-means动态聚 类分析方法，选用上游两个检测点和下游两个检测点共4个检测点的交通占有率进行聚 类分析，得到交通流数据样本中各条数据对应的交通流状态；

4)对由K-means动态聚类分析方法划分得到的各交通流状态进行病例-对照研究， 自变量为交通流状态，应变量为是否发生交通事故，根据病例-对照研究中各交通流状 态的比值比来确定是否存在与交通事故相关的危险交通流特征，其中比值比大于1的交 通流状态代表该交通流特征与交通事故高度相关，即定义该交通流状态为事故发生前的 危险交通流特征；

其中某交通流状态的比值比为事故组的曝露比值除以非事故组的曝露比值，事故组 的曝露比值为事故组中该种交通流状态出现的次数除以其它交通流状态出现的次数，非 事故组的曝露比值为非事故组中该种交通流状态出现的次数除以其它交通流状态出现 的次数；

5)对实时交通流建立判别方法：采用Bayesian判别分析方法建立各种交通流实时 状态的判别方法，以上游两个检测点和下游两个检测点共4个检测点的交通占有率作为 Bayesian判别模型中的解释变量，以交通流状态为目标变量，确立各种交通流状态的实 时检测函数；

6)检测上游两个检测点和下游两个检测点共4个检测点的交通占有率，根据由 Bayesian判别模型建立的判别函数，实时检测是否出现步骤4)中确立的危险交通流特 征，如果出现危险交通流特征，表明有发生事故的危险性，则在前方通过可变信息板对 驾驶员进行预警提示。