[发明专利]一种目标城市交通事故严重程度分析方法

权利要求书

1.一种目标城市交通事故严重程度分析方法，其特征在于，包括如下步骤：

获取不同城市的交通事故数据，根据每个城市的交通事故数据量确定目标城市和源城市；

利用统一特征表示法将分布于异构特征空间的目标城市和源城市交通事故数据进行特征对齐，得到跨城市交通事故样本的同构样本特征表示；

将跨城市交通事故样本的同构样本特征表示带入代价敏感的跨城市交通事故分析模型，得到导致目标城市交通事故不同严重程度的影响因素。

2.根据权利要求1所述的一种目标城市交通事故严重程度分析方法，其特征在于，目标城市的交通事故数据量小于源城市的交通事故数据量。

3.根据权利要求1所述的一种目标城市交通事故严重程度分析方法，其特征在于，目标城市的交通事故数据表示目标城市中第i个交通事故样本，D_t为目标城市交通事故数据中事故特征的总数，N_t为目标城市的交通事故样本总数，i＝1,2,…,N_t；源城市的交通事故数据其中，表示源城市中第j个交通事故样本，D_s为源城市交通事故数据中事故特征的总数，N_s为源城市的交通事故样本总数，j＝1,2,…,N_s。

4.根据权利要求3所述的一种目标城市交通事故严重程度分析方法，其特征在于，跨城市交通事故样本的同构样本特征表示如下：

其中，UFR(x)表示跨城市交通事故样本的同构样本特征表示，x为目标城市交通事故样本或源城市交通事故样本，表示目标城市和源城市中共有的D_c维交通事故特征，表示目标城市中特有的D_t-D_c维交通事故特征，表示源城市中特有的D_s-D_c维交通事故特征。

5.根据权利要求1所述的一种目标城市交通事故严重程度分析方法，其特征在于，将交通事故数据中的严重事故作为正类，不严重数据作为负类，根据统一特征表示后的源城市交通事故样本，通过代价敏感Logistic回归训练并获得源城市的事故严重知识w^(s)。

6.根据权利要求5所述的一种目标城市交通事故严重程度分析方法，其特征在于，基于源城市的事故严重知识w^(s)，训练代价敏感的跨城市交通事故分析模型，代价敏感的跨城市交通事故分析模型的目标函数为：

其中，w^(t)表示Logistic回归的似然参数，C₊表示正类样本的错分代价，N_t为目标城市的交通事故样本总数，表示目标城市中第i个交通事故样本，表示样本的类别，表示样本为正类，表示样本经过统一特征表示后的同构样本特征表示，C_表示负类样本的错分代价，表示样本为负类，λ为跨城市知识迁移的强度系数，i＝1,2,…,N_t，N_t为目标城市的交通事故样本总数；

其中，表示同构样本特征表示属于类的后验概率。

7.根据权利要求1或6所述的一种目标城市交通事故严重程度分析方法，其特征在于，得到导致目标城市交通事故不同严重程度的影响因素的方法为：

将目标城市的同构样本特征表示带入代价敏感的跨城市交通事故分析模型，通过求解代价敏感的跨城市交通事故分析模型的目标函数，得到用于分析目标城市事故严重程度的Logistic回归的似然参数w^(t)；

基于Logistic回归的似然参数w^(t)，针对任一目标城市交通事故样本通过计算其后验概率关于目标城市交通事故样本任意分量的偏导数，得到定量分析规则：如果则第k个事故特征对导致严重事故起正相关作用；如果则第k个事故特征对导致不严重事故起正相关作用；其中，表示目标城市交通事故数据中第k维事故特征对应的似然参数，k＝1,…,D_t，D_t为目标城市交通事故数据中事故特征的总数。