[发明专利]一种基于信息衰减模型且由车牌数据挖掘驱动的交通安全分析方法

说明书

本发明公开了一种基于信息衰减模型且由车牌数据挖掘驱动的交通安全分析方法，具体涉及道路交通领域，该交通安全分析方法包括如下步骤：S01、选择用于评价交通安全的特征评价因素；S02、量化每个所述特征评价因素，并计算每个所述特征评价因素的影响系数。其中，历史违法、事故因素对交通安全影响采用信息衰减模型进行计算影响系数。S03、通过多个特征的特征评价因素影响系数综合评价城市道路的交通安全等级。本发明具有可实时、动态对道路交通安全进行评价、综合评价方法简单的优点。

技术领域

本发明涉及道路交通领域，特别涉及一种基于信息衰减模型且由车牌数据挖掘驱动的交通安全分析方法。

背景技术

城市道路交通安全评价是以保障城市道路的使用者安全为目的，从预防交通事故、降低事故产生入手，对城市道路进行全方位的评价，揭示城市道路发生事故的潜在危险因素及采取相应的措施，保证城市道路交通的安全。然而，评价不同地区的道路交通安全水平极其复杂，以不同的指标为依据，可能会得到不同的评价结果。道路交通安全系统评价一般分为宏观评价和微观评价，宏观评价包括绝对数法、事故率法、模型法、事故强度法和四项指标相对数等，微观评价包括交通事故率法、绝对数-事故率法、危险度判定和洛巴诺夫模型等。常见的综合评价方法包括灰色聚类评价方法、主成分分析法和层次分析法等。

然而上述方法往往难以实时动态的进行评价城市道路交通安全，且综合评价方法复杂，难以工程化应用。因此，研发一种实时、简单及普适性广的交通安全分析方法是亟待解决的问题。

发明内容

本发明提供了基于信息衰减模型且由车牌数据挖掘驱动的交通安全分析方法，该交通安全分析方法具有可实时、动态对道路交通安全进行评价、综合评价方法简单的优点。

为实现上述目的，本发明提供如下技术方案:

一种基于信息衰减模型且由车牌数据挖掘驱动的交通安全分析方法，该交通安全分析方法包括如下步骤：

S01、选择用于评价交通安全的特征评价因素；

S02、量化每个所述特征评价因素，并计算每个所述特征评价因素的影响系数。其中，历史违法、事故因素对交通安全影响采用信息衰减模型进行计算影响系数。

S03、通过多个特征的特征评价因素的影响系数综合评价城市道路的交通安全等级。

本方法基于实时获取的车牌识别数据、事故数据等进行实时地对预先选取的特征评价因素的影响系数进行计算，并通过信息衰减模型综合所得到的各类影响系数，从而计算出得出城市道路的交通安全等级。由于上述评价方法是基于实时获取的车牌识别数据，因此不仅信息来源准确，也便于应用在实际的评价交通安全的工作中，可工程化应用。

作为优选，本发明可选择的特征评价因素包括气象条件、交通流状态、交通事件、交通违法行为及历史交通事故。

作为优选，上述交通流状态包括流量突变、路段速度差、路段车型比例及车头时距；上述交通事件包括交通事故事件以及道路施工事件。

根据数据流的时效性可知，数据流中蕴含的信息重要性随着时间不断进行衰减，因此，特征评价因素区分当前事件和历史事件，当前事件需实时动态计算，历史事件需通过历史模型计算。其中交通流状态所包含的流量突变、路段速度差、路段车型比例及车头时距等特征评价因素的影响系数需要实时动态计算。

作为优选，实时动态计算流量突变的影响系数包括如下步骤：

a1、计算流量突变的上升幅度；

以单位周期进行实时计算，根据车牌识别数据进行计算道路断面流量，当前周期与上一单位周期的道路断面流量之差大于阈值Φ₁或者当前周期与上一周期的交通流量之比大于阈值Φ₂，则发生流量突变或者流量偏离历史正常规律，同时计算流量突变的上升幅度；