CN103955596B - 一种基于交通事故采集技术的事故热点综合判定方法 - Google Patents
一种基于交通事故采集技术的事故热点综合判定方法 Download PDFInfo
- Publication number
- CN103955596B CN103955596B CN201410098350.6A CN201410098350A CN103955596B CN 103955596 B CN103955596 B CN 103955596B CN 201410098350 A CN201410098350 A CN 201410098350A CN 103955596 B CN103955596 B CN 103955596B
- Authority
- CN
- China
- Prior art keywords
- accident
- section
- msub
- mrow
- mfrac
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于交通事故采集技术的事故热点综合判定方法,包括:获取路网每条道路各路段的基础属性数据;将同类路段进行归并分类;获取某一历史年份内路网每条道路各路段发生事故的信息数据;计算历史年份内待测路段发生事故的当量值;计算历史年份内待测路段发生事故的当量指数;计算历史年份内待测路段的同类路段发生事故的平均当量指数的临界值;根据当量指数与平均当量指数的临界值,判断待测路段是否属于事故热点。该方法能够确保在具有可比性的前提下对事故热点进行可靠、科学的判定。
Description
技术领域
本发明涉及道路交通安全技术领域,具体是一种基于交通事故采集技术的事故热点综合判定方法。
背景技术
交通事故采集技术主要是指通过人工、移动终端和固定监测三种手段获取事故信息的手段。其中,人工主要是指交警通过填写事故信息采集表获取事故信息;移动终端是指通过执法终端录入事故信息;固定监测是指通过视频监控提取事故信息。通过这些手段获得的事故信息统一汇总到交通事故采集***中,事故信息一般包括事故时间、地点、形态、类型、原因等等,这些数据是事故热点综合判定的基础。
事故热点又名“事故黑点”,是指事故多发点段。传统的事故黑点定义是单纯依靠某一地点或者某一路段发生事故的绝对次数来确定的。公安部2001年6月16日出台的《全面排查道路交通事故多发点段工作方案》中规定:点是指500m范围内的事故发生地;段是指道路上2000m范围内或道路桥、涵洞全程的事故发生地,多发是指一年内发生3次重大以上交通事故。该规定从宏观量上定义了事故多发点,但随着科技的发展和进步,该规定也存在一定的弊端,一是发生同样次数的交通事故,不同道路之间不具备可比性,如高速公路由于交通量大,发生事故的概率与国省道交通量小的路段相比,会大很多;二是没有科学地考虑发生事故的严重程度,发生2起特大事故的严重程度必然比发生3起重大事故严重,但是如果依据规定,发生2起特大事故不能被判定为事故多发点;三是判别阈值设定缺乏特殊性,由于各个区域各个路段的差异性,采用同一阈值进行判别显然不太可取。
发明内容
本发明的目的在于提供一种基于交通事故采集技术的事故热点综合判定方法,通过该方法能够实现对事故热点进行更加可靠、科学的判定。
本发明的技术方案为:
一种基于交通事故采集技术的事故热点综合判定方法,该方法包括以下步骤:
(1)通过地理信息***平台获取路网每条道路的路段Ri的基础属性数据;
(2)根据路网每条道路的路段Ri的基础属性数据,将同类路段进行归并分类;
(3)获取某一历史年份内路网每条道路的路段Ri发生事故的信息数据;
(4)计算历史年份内路段Ri发生事故的当量值Di:
Di=ΣNj*ωj
其中,Nj表示历史年份内路段Ri发生各类不同严重程度事故的次数,j表示发生事故的种类,ωj表示j类事故严重程度的预设权重;
(5)计算历史年份内路段Ri发生事故的当量指数SRi:
其中:
MVKTi表示历史年份内路段Ri的通行交通暴露量,单位:百万车,AADTi表示历史年份内路段Ri的年平均日交通流量,Li表示路段Ri的长度,ni表示路段Ri的车道数;
(6)计算历史年份内路段Ri的同类路段发生事故的平均当量指数的临界值SRI:
其中:
ASRI表示历史年份内路段Ri的同类路段发生事故的平均当量指数,m表示该类路段的总数,AMVKTI表示历史年份内路段Ri的同类路段的平均通行交通暴露量,I表示假设ASRI服从正态分布,置信度为α时的P值;
(7)将历史年份内路段Ri发生事故的当量指数SRi与其同类路段发生事故的平均当量指数的临界值SRI进行比较,若SRi>SRI,则路段Ri属于事故热点,若SRi≤SRI,则路段Ri不属于事故热点。
所述的基于交通事故采集技术的事故热点综合判定方法,所述步骤(2)中,具体是根据路网每条道路的路段Ri的路段等级、年平均日交通流量、车道数和限速,采用循环迭代法将同类路段进行归并分类。
所述的基于交通事故采集技术的事故热点综合判定方法,所述步骤(4)中,所述各类不同严重程度事故包括死亡事故、重伤事故、轻伤事故、人员下落不明事故、仅有财产损失事故,所述死亡事故、重伤事故、轻伤事故、人员下落不明事故、仅有财产损失事故的严重程度的预设权重分别对应为5、4、3、2、1。
所述的基于交通事故采集技术的事故热点综合判定方法,所述步骤(6)中,I=1.96,取置信度α=95%。
由上述技术方案可知,本发明基于地理信息***平台,以事故信息采集为前提,确定同类道路划分的依据,设定不同严重程度事故的权重,计算得到某路段发生事故的当量值以及同类路段发生事故的平均当量指数,取置信度为α时的临界值作为阈值,进而判断某路段是否属于事故热点,该方法能够确保在具有可比性的前提下对事故热点进行可靠、科学的判定。
附图说明
图1是本发明的方法流程图;
图2是本发明的同类路段归并流程图。
具体实施方式
下面,结合附图和具体实施例进一步说明本发明。
如图1所示,一种基于交通事故采集技术的事故热点综合判定方法,包括以下步骤:
S1、通过地理信息***平台获取路网每条道路的路段Ri的基础属性数据,主要是获取道路特征信息,包括路段等级t、年平均日交通流量AADT、车道数n、限速v、路段长度L等,每条道路的路段Ri记录为(ti,AADTi,ni,vi)。
S2、根据路网每条道路的路段Ri的路段等级t、年平均日交通流量AADT、车道数n、限速v,采用循环迭代法将同类路段进行归并分类,具体流程如图2所示。同类路段归并分类主要是为了保证高风险路段判别的准确度,将同类路段的数据进行独立的分析计算,比传统的将所有数据混在一起进行分析计算,具有更高的精度。将需要判定的所有路段按照其属性不同分为k类,每一类路段的标识分别为(t1,AADT1,n1,v1)、(t2,AADT2,n2,v2)、……、(tk,AADTk,nk,vk)。
S3、获取某一历史年份内路网每条道路的路段Ri发生事故的信息数据,本发明获取的事故数据严格遵照公安部颁布执行的事故数据采集标准和《道路交通管理信息采集规范第3部分:道路交通事故处理信息采集》的要求,以确保通用性。
S4、计算历史年份内路段Ri发生事故的当量值Di:
Di=N1*ω1+N2*ω2+N3*ω3+N4*ω4+N5*ω5
其中:
N1表示历史年份内路段Ri发生死亡事故的总次数,ω1表示发生死亡事故的严重程度的权重;
N2表示历史年份内路段Ri发生重伤事故的总次数,ω2表示发生重伤事故的严重程度的权重;
N3表示历史年份内路段Ri发生轻伤事故的总次数,ω3表示发生轻伤事故的严重程度的权重;
N4表示历史年份内路段Ri发生人员下落不明事故的总次数,ω4表示发生人员下落不明事故的严重程度的权重;
N5表示历史年份内路段Ri发生仅有财产损失但无人员伤亡事故的总次数,ω5表示发生仅有财产损失但无人员伤亡事故的严重程度的权重。
ω1、ω2、ω3、ω4、ω5的取值如表1所示,根据不同事故的影响程度,设置不同的权重,相对于单纯的次数直接累加法,更具有可比性。例如,事故次数同样都是5次,某一路段5次事故均有人死亡,而另一路段5次事故只是单纯造成经济损失,并无人员伤亡,二者不具备可比性。
表1
S5、计算历史年份内路段Ri发生事故的当量指数SRi:
其中:
MVKTi表示历史年份内路段Ri的通行交通暴露量,单位:百万车;
AADTi表示历史年份内路段Ri的年平均日交通流量,Li表示路段Ri的长度,ni表示路段Ri的车道数。
S6、计算历史年份内路段Ri的同类路段发生事故的平均当量指数的临界值SRI:
其中:
ASRI表示历史年份内路段Ri的同类路段发生事故的平均当量指数,m表示该类路段的总数;
AMVKTI表示历史年份内路段Ri的同类路段的平均通行交通暴露量;
I表示假设检验中的P值,假设ASRI服从正态分布,取置信度α=95%时,I=1.96。
S7、将历史年份内路段Ri发生事故的当量指数SRi与其同类路段发生事故的平均当量指数的临界值SRI进行比较,若SRi>SRI,则路段Ri属于事故热点,若SRi≤SRI,则路段Ri不属于事故热点。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (3)
1.一种基于交通事故采集技术的事故热点综合判定方法,其特征在于,该方法包括以下步骤:
(1)通过地理信息***平台获取路网每条道路的路段Ri的基础属性数据;
(2)根据路网每条道路的路段Ri的基础属性数据,将同类路段进行归并分类;
(3)获取某一历史年份内路网每条道路的路段Ri发生事故的信息数据;
(4)计算历史年份内路段Ri发生事故的当量值Di:
Di=∑Nj*ωj
其中,Nj表示历史年份内路段Ri发生各类不同严重程度事故的次数,j表示发生事故的种类,ωj表示j类事故严重程度的预设权重;
(5)计算历史年份内路段Ri发生事故的当量指数SRi:
<mrow>
<msub>
<mi>SR</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mrow>
<msub>
<mi>MVKT</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中:
<mrow>
<msub>
<mi>MVKT</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>AADT</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>L</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<mn>365</mn>
</mrow>
<msup>
<mn>10</mn>
<mn>6</mn>
</msup>
</mfrac>
</mrow>
MVKTi表示历史年份内路段Ri的通行交通暴露量,单位:百万车,AADTi表示历史年份内路段Ri的年平均日交通流量,Li表示路段Ri的长度,ni表示路段Ri的车道数;
(6)计算历史年份内路段Ri的同类路段发生事故的平均当量指数的临界值SRI:
<mrow>
<msub>
<mi>SR</mi>
<mi>I</mi>
</msub>
<mo>=</mo>
<msub>
<mi>ASR</mi>
<mi>I</mi>
</msub>
<mo>+</mo>
<mi>I</mi>
<mo>*</mo>
<msqrt>
<mfrac>
<mrow>
<msub>
<mi>ASR</mi>
<mi>I</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>AMVKT</mi>
<mi>I</mi>
</msub>
</mrow>
</mfrac>
</msqrt>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<msub>
<mi>AMVKT</mi>
<mi>I</mi>
</msub>
</mrow>
</mfrac>
</mrow>
其中:
<mrow>
<msub>
<mi>ASR</mi>
<mi>I</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msub>
<mi>SR</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>m</mi>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>AMVKT</mi>
<mi>I</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</msubsup>
<msub>
<mi>MVKT</mi>
<mi>i</mi>
</msub>
</mrow>
<mi>m</mi>
</mfrac>
</mrow>
ASRI表示历史年份内路段Ri的同类路段发生事故的平均当量指数,m表示该类路段的总数,AMVKTI表示历史年份内路段Ri的同类路段的平均通行交通暴露量,I表示假设ASRI服从正态分布,置信度为α时的P值;
(7)将历史年份内路段Ri发生事故的当量指数SRi与其同类路段发生事故的平均当量指数的临界值SRI进行比较,若SRi>SRI,则路段Ri属于事故热点,若SRi≤SRI,则路段Ri不属于事故热点;
所述步骤(2)中,具体是根据路网每条道路的路段Ri的路段等级、年平均日交通流量、车道数和限速,采用循环迭代法将同类路段进行归并分类。
2.根据权利要求1所述的基于交通事故采集技术的事故热点综合判定方法,其特征在于:所述步骤(4)中,所述各类不同严重程度事故包括死亡事故、重伤事故、轻伤事故、人员下落不明事故、仅有财产损失事故,所述死亡事故、重伤事故、轻伤事故、人员下落不明事故、仅有财产损失事故的严重程度的预设权重分别对应为5、4、3、2、1。
3.根据权利要求1所述的基于交通事故采集技术的事故热点综合判定方法,其特征在于:所述步骤(6)中,I=1.96,取置信度α=95%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410098350.6A CN103955596B (zh) | 2014-03-14 | 2014-03-14 | 一种基于交通事故采集技术的事故热点综合判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410098350.6A CN103955596B (zh) | 2014-03-14 | 2014-03-14 | 一种基于交通事故采集技术的事故热点综合判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103955596A CN103955596A (zh) | 2014-07-30 |
CN103955596B true CN103955596B (zh) | 2017-09-22 |
Family
ID=51332871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410098350.6A Active CN103955596B (zh) | 2014-03-14 | 2014-03-14 | 一种基于交通事故采集技术的事故热点综合判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955596B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105788311A (zh) * | 2014-12-26 | 2016-07-20 | 比亚迪股份有限公司 | 车辆安全预警方法、装置和车辆 |
CN105303833B (zh) * | 2015-11-05 | 2017-06-20 | 安徽四创电子股份有限公司 | 基于微波车辆检测器的高架桥突发事件判别方法 |
CN106297347B (zh) * | 2016-08-18 | 2019-05-24 | 深圳市永兴元科技股份有限公司 | 车险理赔预警方法及装置 |
CN108447265A (zh) * | 2018-05-21 | 2018-08-24 | 东南大学 | 基于topsis法的公路交通事故黑点路段鉴别方法 |
CN109493600B (zh) * | 2018-11-21 | 2021-02-05 | 合肥工业大学 | 基于事故危险度的交通事故多发路段识别方法 |
CN112270836B (zh) * | 2020-10-15 | 2023-11-21 | 腾讯科技(深圳)有限公司 | 车流量控制方法、装置、设备及存储介质 |
CN112966941B (zh) * | 2021-03-09 | 2024-04-19 | 宁波工程学院 | 一种基于交通事故大数据的事故黑点识别方法及*** |
CN115240407B (zh) * | 2022-06-10 | 2024-01-12 | 深圳市综合交通与市政工程设计研究总院有限公司 | 交通事故黑点的鉴别方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001124573A (ja) * | 1999-10-25 | 2001-05-11 | Matsushita Electric Ind Co Ltd | インターチェンジ検索装置および検索方法 |
CN1932923A (zh) * | 2006-09-29 | 2007-03-21 | 北京工业大学 | 道路交通事故多发路段鉴别方法 |
CN103116979A (zh) * | 2013-01-17 | 2013-05-22 | 东南大学 | 基于***安全指标分布法的道路事故黑点鉴别*** |
-
2014
- 2014-03-14 CN CN201410098350.6A patent/CN103955596B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001124573A (ja) * | 1999-10-25 | 2001-05-11 | Matsushita Electric Ind Co Ltd | インターチェンジ検索装置および検索方法 |
CN1932923A (zh) * | 2006-09-29 | 2007-03-21 | 北京工业大学 | 道路交通事故多发路段鉴别方法 |
CN103116979A (zh) * | 2013-01-17 | 2013-05-22 | 东南大学 | 基于***安全指标分布法的道路事故黑点鉴别*** |
Non-Patent Citations (3)
Title |
---|
Studies on Traffic Accidents in Norwegian Road Tunnels;F.H.Amundsen et al.;《Tunnelling and underground space technology》;20000331;第15卷(第1期);3-11 * |
一种改进的蚁群算法求解车辆的最短路径问题;薛国新等;《常州大学学报(自然科学版)》;20120325;第24卷(第1期);78-81 * |
高速公路隧道交通事故分析及预防对策;马壮林;《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅱ辑》;20061215(第12期);C034-362 * |
Also Published As
Publication number | Publication date |
---|---|
CN103955596A (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955596B (zh) | 一种基于交通事故采集技术的事故热点综合判定方法 | |
CN104933285B (zh) | 一种桥梁现场静载试验评定方法 | |
CN105035902B (zh) | 一种电梯安全状况评估方法 | |
CN104376510B (zh) | 一种输电线路因山火跳闸的风险等级预测评估方法 | |
CN110493816B (zh) | 一种用于轨交地铁车站客流量的实时预测方法 | |
CN106383920B (zh) | 一种基于关联规则的重特大交通事故致因识别方法 | |
CN103198711B (zh) | 一种降低不同严重程度交通事故概率的车辆调控方法 | |
CN106792523B (zh) | 一种基于大规模WiFi活动轨迹的异常行为检测方法 | |
CN104765974B (zh) | 城市轨道交通客流密集度指数计算方法 | |
CN105719510B (zh) | 车联网环境下道路交通事故链阻断***的效率评价方法 | |
CN113392885B (zh) | 一种基于随机森林理论的交通事故时空热点判别方法 | |
CN103218513A (zh) | 一种城市轨道交通运行安全的判定方法 | |
CN100481153C (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN110111578A (zh) | 一种基于张量恢复的偶发***通拥堵检测方法 | |
CN106530714A (zh) | 一种基于交通流数据的二次交通事故时间预测方法 | |
CN107230350A (zh) | 一种基于卡口与手机流量话单数据的城市交通量获取方法 | |
Kocher et al. | Forecasting of crime events applying risk terrain modeling | |
CN103268391A (zh) | 基于朴素贝叶斯的自适应雷电灾害风险预估方法 | |
CN104392076B (zh) | 城市路网行人交通事故黑点识别方法 | |
CN103778782A (zh) | 一种基于半监督机器学习的交通状态划分方法 | |
CN106600950A (zh) | 一种基于交通流数据的二次交通事故预测方法 | |
Kashid et al. | Identification and analysis of accidental blackspots on NH-48 | |
Zhou et al. | Whole risk assessment system and management system of urban road tunnel operation stage | |
Yan et al. | Urban expressway functional reliability | |
CN111652487B (zh) | 一种自然保护区道路建设项目生态影响评估*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |