[发明专利]一种交叉口机非冲突安全预警方法

说明书

本发明涉及一种交叉口机非冲突严重度安全预警方法；所述预警方法以交叉口机非流量为关键特征，构建其与交叉口安全的相关性，得到交叉口机非冲突严重度的实时监测系统，用于安全预警，方便交警部门合理安排警力。所述的安全预警方法包括5个步骤：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。

技术领域

本发明属于交通安全技术领域，具体为一种交叉口机非冲突安全预警方法。

背景技术

城市道路信号交叉口交通环境复杂，机非混行严重，机非冲突问题尤为凸显，主要表现在机动车与自行车的交通冲突导致的通行能力下降、交通事故发生率上升等问题。

如何建立一个高效、准确、实时的交叉口机非冲突安全预警方法，方便交警部门合理安排交警出警时间和警力分配，是本发明的重点。

发明内容

本发明的主要目的在于提供一种交叉口机非冲突安全预警方法，所述预警方法以交叉口机非流量等为关键特征，构建其与交叉口安全的相关性，得到交叉口机非冲突的实时监测系统，用于安全预警，方便交警部门合理安排警力。

本发明实现发明目的采用如下技术方案，首先，多方面考虑交叉口机非冲突主要影响因素，环境因素包括非机动车道宽度，是否有机非隔离设施，该交叉口规模；车辆因素包括非机动车和机动车的流量以及大型车辆的数量。其次，搭建基于模糊聚类分析和BP神经网络的机非冲突评估和预测模型并训练该模型。最后，将该训练好的模型存储在终端设备中，实时监测交叉口机非冲突并作出预警。本发明具体包括以下步骤：

步骤1：采集数据。采集的特征数据包括环境因素，车辆因素和评判依据：单位时间内交叉口机非冲突次数，将冲突次数按照数量多少分为1-5共5个等级，分别代表交叉口机非冲突等级低、较低、一般、较高、高。

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；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。