[发明专利]一种交叉口机非冲突安全预警方法

权利要求书

1.一种交叉口机非冲突严重度安全预警方法，其特征在于：包括如下步骤：

步骤1：采集特征数据；

步骤2：搭建并训练基于模糊聚类分析和BP神经网络的交叉口机非冲突严重度预测模型；

步骤3：实时评估和预测交叉口机非冲突严重度；

步骤4：将输出的交叉口机非冲突严重度等级通过5G传输给交警队指挥中心的上位机；

步骤5：交警队根据获得的当前交叉口的机非冲突严重度等级及时安排适当警力和制定合理方案。

2.根据权利要求1所述的一种交叉口机非冲突严重度安全预警方法，其特征在于，所述步骤1：采集特征数据，具体包括环境因素、车辆因素和单位时间内交叉口机非冲突数量。

3.根据权利要求1所述的一种交叉口机非冲突严重度安全预警方法，其特征在于，所述步骤2：搭建并训练基于模糊聚类分析和BP神经网络的交叉口机非冲突严重度预测模型，具体如下：

(1)设采集到的交叉口机非冲突数据集为X＝{x₁,x₂...x_n}，n表示样本的数量，则该数据集可划分为c类，聚类中心集合为V＝{v₁,v₂...v_c}，每一个机非冲突数据均可以划分到相应的类别中，每一类有一个隶属度值u_ij，它们构成一个隶属矩阵U＝(u_ij)_c×n，模糊聚类的优化目标函数为

式中，m表示模糊系数；d_ij表示样本x_j与聚类中心v_i之间的距离；

(2)初始化权值和阈值：将步骤1中采集到的数据作为神经网络输入层，并进行归一化操作：

式中，max(x)表示同一指标所测数据的最大值，min(x)表示最小值；

(3)设置输入层、隐藏层、输出层层数及节点：输入层为一层，将影响交叉口机非冲突的每个因素作为一个输入层节点，则输入层节点数为n；输出层为一层，输出节点l为1，即城市典型交叉口机非冲突严重度；隐藏层数根据实际情况而定，隐藏层节点数的设置则采用经验公式

α为3～10之间的常数；

(4)训练神经网络；

(5)评价神经网络：随机提取x组采集的数据代入神经网络，结合均方差计算损失，若阈值大于设定的阈值则返回步骤(3)重新构建模型。

4.根据权利要求1所述的一种交叉口机非冲突严重度安全预警方法，其特征在于，所述步骤3：实时评估和预测交叉口机非冲突严重度，具体为：将步骤2中训练完成的基于模糊聚类分析和BP神经网络的交叉口机非冲突严重度预测模型部署在智能路侧设备中；所述的智能路侧设备包括输入设备、存储器和处理器，将采集到的交叉口机非冲突数据输进输入设备，处理器调用存储器中存储的基于模糊聚类分析和BP神经网络的交叉口机非冲突严重度预测模型程序，最终输出为当前该交叉口机非冲突严重度等级。