[发明专利]一种面向安全教育改善的重点管理区域识别方法

权利要求书

1.一种面向安全教育改善的重点管理区域识别方法，其特征在于，所述的重点管理区域识别方法包括：

步骤1：获取城市交通事故数据、土地利用数据、社会经济数据和道路网络数据；

步骤2：划分城市安全教育宏观建模分析单元；

步骤3：构建样本数据集；

步骤4：建立贝叶斯泊松对数正态条件自回归模型进行涉事人员数预测；

步骤5：计算安全可提高空间值；

步骤6：进行安全教育重点管理区域识别，获得识别结果。

2.根据权利要求1所述的一种面向安全教育改善的重点管理区域识别方法，其特征在于，所述的步骤1具体为：

通过交通管理部门获取交通事故数据、土地利用数据和道路网络数据，通过统计年鉴获取社会经济数据。

3.根据权利要求1所述的一种面向安全教育改善的重点管理区域识别方法，其特征在于，所述的步骤2具体为：

结合安全教育管理措施实施特点和数据采集特征，考虑将基础行政单位作为研究单元，并将全市域划分为相应的建模分析单元。

4.根据权利要求1所述的一种面向安全教育改善的重点管理区域识别方法，其特征在于，所述的步骤3具体为：

提取各分析单元土地利用、社会经济和道路网络变量及涉事人员数，进行数据匹配，构建样本数据集。

5.根据权利要求1所述的一种面向安全教育改善的重点管理区域识别方法，其特征在于，所述的步骤4具体为：

步骤4-1：考虑事故数据的离散性，建立基础的贝叶斯泊松对数正态模型；

步骤4-2：考虑事故数据的空间相关性，建立条件自回归模型；

步骤4-3：考虑事故数据空间相关性，与基础的涉事人员分布模型结合，建立贝叶斯泊松对数正态条件自回归模型；

假设分析单元i的涉事人员数遵循泊松对数正态条件自回归分布，则分析单元涉事人员期望值λ_i＝exp(β₀+β₁x_i1+...+β_kx_ik+φ_i+ε_i)；

步骤4-4：使用全贝叶斯方法估计模型参数；

步骤4-5：预测涉事人员数。

6.根据权利要求5所述的一种面向安全教育改善的重点管理区域识别方法，其特征在于，所述的步骤4-1具体为：

假设分析单元i的涉事人员数遵循泊松对数正态分布，则

λ_i＝exp(β₀+β₁x_i1+...+β_kx_ik+ε_i)

其中，λ_i是该分析单元涉事人员期望值；β为各自变量对应的回归系数；x_i表示自变量；ε_i为随机项，服从正态分布。

7.根据权利要求5所述的一种面向安全教育改善的重点管理区域识别方法，其特征在于，所述的步骤4-2具体为：

在贝叶斯模型中引入考虑空间效应项的变量φ_i来解释分析单元i同其它分析单元j的空间相关性；

φ_i的先验条件分布为：

其中，φ_(-i)是除φ_i外所有φ的集合；τ_c是精度系数；w_i+是与区域i相邻区域的w_ij之和，即j是与区域i相邻的区域集合。