[发明专利]基于风险场的大型活动多源交通风险叠加评估方法及应用在审
| 申请号: | 202211039914.X | 申请日: | 2022-08-29 | 
| 公开(公告)号: | CN115392728A | 公开(公告)日: | 2022-11-25 | 
| 发明(设计)人: | 程泽阳;张卫华;陆建;胡晓建;张伟 | 申请(专利权)人: | 合肥工业大学 | 
| 主分类号: | G06Q10/06 | 分类号: | G06Q10/06;G06Q50/26;G08G1/01 | 
| 代理公司: | 安徽省合肥新安专利代理有限责任公司 34101 | 代理人: | 陆丽莉;何梅生 | 
| 地址: | 230009 安*** | 国省代码: | 安徽;34 | 
| 权利要求书: | 查看更多 | 说明书: | 查看更多 | 
| 摘要: | |||
| 搜索关键词: | 基于 风险 大型活动 交通 叠加 评估 方法 应用 | ||
1.一种基于风险场的大型活动多源交通风险叠加评估方法,其特征是按照如下步骤进行:
步骤1:确定大型活动场景下的多源交通风险类型集合R={R1,R2,R3};其中,R1表示大型活动场景下的物流车辆轨迹异常风险,R2表示大型活动场景下的网约车危险驾驶风险,R3表示大型活动场景下的道路交通拥堵风险;
步骤2:确定大型活动场景下的多源交通风险叠加影响的目标点;以大型活动举办场地的外接矩形的一个顶点作为原点,与所述顶点相连的两条直角边分别作为x轴和y轴,建立直角坐标系,并将所述外接矩形划分成k×k的网格区域,每一个网格代表一条路段;以网格的中心点作为每个网格的位置坐标;在所述直角坐标系中,将大型活动车队的出入口所在网格的位置坐标O(x0,y0)作为多源交通风险叠加影响的目标点;
步骤3:获取不同交通风险类型下的交通数据,其中,物流车辆轨迹异常风险数据包括:物流车辆在t时刻的实时轨迹坐标(x1,t,y1,t)、物流车辆历史固有的轨迹坐标、物流车辆行驶过程中所有的轨迹点数、物流车辆行驶过程中出现异常的轨迹点数;
网约车危险驾驶风险数据包括:网约车在t时刻的实时轨迹坐标(x2,t,y2,t)、网约车驾驶员的L种危险驾驶行为及其发生频次[b1,b2...bL]、L种危险驾驶行为所占权重[α1,α2...αL];其中,bL表示第L种危险驾驶行为的发生频次,αL表示第L种危险驾驶行为所占权重;
道路交通拥堵风险数据包括:t时刻的实时拥堵位置坐标(x3,t,y3,t)、不同路段的车道数[N′1,N′2,...,N′i,...,N′k]、不同路段的道路里程[L′1,L′2,...,L′i,...,L′k]、不同路段的自由流车速[v1f,v2f,...,vif,...,vkf]、不同路段在t时刻的车辆平均速度[v1,t,v2,t,...,vi,t,...,vk,t];其中,N′i表示第i条路段的车道数,L′i表示第i条路段的道路里程,vif表第i条路段的自由流车速,vi,t表示第i条路段在t时刻的车辆平均速度;i=1,2,...k;
步骤4:对所述多源交通风险类型集合R进行量化表征,建立多源交通风险量化表征模型R′;
步骤4.1:针对大型活动场景下的物流车辆轨迹异常风险R1,利用式(1)建立物流车辆轨迹异常风险量化表征模型:
式(1)中,R′1表示量化的物流车辆轨迹异常风险值,t1表示物流车辆运输过程中发生轨迹异常的预警时长,t2表示物流车辆运输过程中发生轨迹异常的最大持续时间,N(t1)表示t1时间内物流车辆发生轨迹异常的轨迹点数,N(t2)表示t2时间内物流车辆运输过程中的所有轨迹点数;
步骤4.2:针对大型活动场景下的网约车危险驾驶风险R2,利用式(2)建立网约车危险驾驶风险量化表征模型:
R′2=α1b1+α2b2+α3b3+...+αLbL (2)
式(2)中,R′2表示量化的网约车危险驾驶风险值;
步骤4.3:针对大型活动场景下的道路交通拥堵风险R3,利用式(3)建立道路交通拥堵风险量化表征模型:
式(3)中,R′3表示量化的道路交通拥堵风险值;
步骤5:分别对R′1、R′2、R′3进行标准化处理,得到标准化后的物流车辆轨迹异常风险值S1、网约车危险驾驶风险值S2、道路交通拥堵风险值S3;令任意一种标准化后的风险值记为Sj;j=1,2,3;
步骤6:利用风险场理论量化评估物流车辆轨迹异常风险、网约车危险驾驶风险和道路交通拥堵风险叠加对大型活动车队的出入口位置坐标O(x0,y0)的影响;
步骤6.1:利用式(5)建立风险场模型:
式(5)中,F(x0,y0|xj,t,yj,t)为第j种风险在实时坐标位置(xj,t,yj,t)产生的风险场场强;Sj为第j种标准化后的风险值,εj,t为第j种风险在时刻t的衰减系数,rj,t_o为第j种风险实时坐标位置(xj,t,yj,t)到大型活动车队出入口位置坐标O(x0,y0)的距离,并有:rj,t_o=(xj,t-x0)2+(yj,t-y0)2;
步骤6.2:利用式(6)建立大型活动场景下的多源交通风险叠加评估模型:
式(6)中,F(x0,y0|(x1,t,y1,t)∪(x2,t,y2,t)∪(x3,t,y3,t))为表示物流车辆轨迹异常风险、网约车危险驾驶风险和道路交通拥堵风险叠加对大型活动车队的出入口位置坐标O(x0,y0)的影响;其中,F(x0,y0|x1,t,y1,t)表示单一的物流车辆轨迹异常风险在坐标点(x1,t,y1,t)对大型活动车队的出入口位置坐标O(x0,y0)的影响,并由式(7)进行计算;F(x0,y0|x2,t,y2,t)表示单一的网约车危险驾驶风险在坐标点(x2,t,y2,t)对大型活动车队的出入口位置坐标O(x0,y0)的影响,并由式(8)进行计算;F(x0,y0|x3,t,y3,t)表示单一的道路交通拥堵风险位置(x3,t,y3,t)对大型活动车队的出入口位置坐标O(x0,y0)的影响,并由式(9)进行计算;
式(7)中,ε1,t表示物流车辆轨迹异常风险在时刻t的衰减系数;
式(8)中,ε2,t表示网约车危险驾驶风险在时刻t的衰减系数;
式(9)中,ε3,t表示道路交通拥堵风险在时刻t的衰减系数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥工业大学,未经合肥工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211039914.X/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理





