[发明专利]一种多源数据结构下优化交通事故数据的方法

权利要求书

1.一种多源数据结构下优化交通事故数据的方法，其特征在于，包括如下步骤：

步骤1，采集多源交通数据，即获取多源交通安全影响因素数据；

所述多源交通安全影响因素包括：路段年交通事故总数量N、路段长度L、路段日平均交通量Q、路段平均车速V、路段的交通节点密度S、道路等级A、道路路幅宽度W、道路车道数K以及有无公交车道B；

步骤2，构建符合多源交通数据形态分布的生成模型，即为步骤1获取的各个影响因素构建分布形态函数；具体过程如下：

将多源交通安全影响因素划分为计数变量、实值变量、分类变量和有序变量；

所述计数变量包括路段年交通事故总数量N，构建路段年交通事故总数量的分布形态函数如式(1)：

其中，p(N＝G)表示路段产生G起事故的概率，λ表示单位时间或者单位面积内事故发生的平均次数，G为自然数；

所述实值变量包括路段长度L、路段日平均交通量Q、路段的交通节点密度S以及道路路幅宽度W，构建实值变量的分布形态函数如式(2)：

其中，Z表示实值变量，p(Z＝J)表示实值变量取值J的概率，表示正态分布函数，μ(I)、σ(I)²分别为高斯分布的均值与方差，I表示实值变量的实际观测值；

所述分类变量包括道路等级A、道路车道数K以及有无公交车道B，构建分类变量的分布形态函数如式(3)：

其中，H表示分类变量，p(H＝C)表示分类变量取值C的概率，π_C(F)、π_q(F)表示多项式Logit模型的参数，F表示分类变量的实际观测值，U为自然数；

所述有序变量包括路段平均车速V，构建路段平均车速的分布形态函数如式(4)和(5)：

p(V＝R)＝p(V≤R)-p(V≤R-1) (4)

其中，p(V＝R)表示平均车速取值R的概率，p(V≤R)表示平均车速取值小于等于R的概率，p(V≤R-1)表示平均车速取值小于等于R-1的概率，R为自然数，ω_R(E)表示平均值取值R所对应的分段阈值，ψ_V(E)为模型参数，E为有序变量实际观测值；

步骤3，基于步骤2构建的生成模型对步骤1采集的多源交通数据进行增生优化处理，使得处理后的多源交通数据中事故样本的数量与零事故样本的数量比例为1∶4。

2.根据权利要求1所述多源数据结构下优化交通事故数据的方法，其特征在于，所述优化交通事故数据的方法还包括步骤4，构建交通安全分析模型，并根据模型的拟合指标对增生优化结果进行验证。

3.根据权利要求2所述多源数据结构下优化交通事故数据的方法，其特征在于，所述交通安全分析模型如式(6)和(7)：

Ln(N)＝θ+θ₁L+θ₂Q+θ₃V+θ₄S+θ₅A+θ₆W+θ₇K+θ₈B (6)

AIC＝-2ln(Y)+2T，BIC＝ln(n)T-2ln(Y) (7)

其中，N表示路段年交通事故总数量，L表示路段长度，Q表示路段日平均交通量，V表示路段平均车速，S表示路段的交通节点密度，A表示道路等级，W表示道路路幅宽度，K表示道路车道数，B表示有无公交车道，θ、θ₁、θ₂、θ₃、θ₄、θ₅、θ₆、θ₇、θ₈为交通安全分析模型的系数，AIC表示赤池信息量准则，BIC表示贝叶斯信息准则，Y表示最大似然值，T表示影响因素数量，n为观测样本数量。