CN108959196A - 一种交通事故时空分析*** - Google Patents
一种交通事故时空分析*** Download PDFInfo
- Publication number
- CN108959196A CN108959196A CN201810742942.5A CN201810742942A CN108959196A CN 108959196 A CN108959196 A CN 108959196A CN 201810742942 A CN201810742942 A CN 201810742942A CN 108959196 A CN108959196 A CN 108959196A
- Authority
- CN
- China
- Prior art keywords
- accident
- data
- analysis
- traffic
- traffic accident
- 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.)
- Granted
Links
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 92
- 238000004458 analytical method Methods 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000000611 regression analysis Methods 0.000 claims abstract description 6
- 238000012795 verification Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000012732 spatial analysis Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 abstract description 5
- 230000010354 integration Effects 0.000 abstract description 5
- 238000013523 data management Methods 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 206010027146 Melanoderma Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种交通事故时空分析***，包括数据层：采集基础地理信息数据，数据清洗和融合校验，建立标准化事故数据仓库；应用层：根据标准化事故数据仓库分析事故多发区域、挖掘致因、建立致因对策库、提出整改意见；展示层：展示应用层的分析结果，包括交通事故信息、多发区域、致因报表、多发位置整治建议报表。本***基于Browser/Server分布式架构的网络地理信息***来构建，提升交通事故数据管理、分析水平，摆脱了终端束缚，可以将孤立的交通事故数据整合分析。利用编码算法的迭代，得到交通事故的精确位置。运用对照统计、回归分析、聚类分析模型建立事故致因分析模型，诊断交通事故特征级发生原因，并建立事故致因对策库。
Description
技术领域
本发明涉及网络分析技术领域，尤其涉及一种交通事故时空分析***。
背景技术
随着城市道路交通网络的不断建设，人们对于便捷交通的需求拉动了汽车保有量的持续增加。随之而来的是交通事故数居高不下，道路交通安全日益成为事关人民生命财产安全、影响和制约经济社会发展质量效益的关键性问题，在国家安全战略高度得到了关注和重视。随着计算机、互联网、传感器等新技术的广泛应用，人们的生活开始进入“大数据时代”，交通事故数据也属于其中之一。地理信息加工技术、信息挖掘技术、空间分析与表达技术及信息***开发技术的快速发展给国内外很多研究学者对交通事故大数据的研究提供了较好的平台。
如中国发明专利CN201611063554.1公开了一种基于关联规则的重特大交通事故致因识别方法。该方法从我国历年道路交通事故年报中提取重特大交通事故数据，并将提取的事故数据划分为人、车、路、环境以及其他因素共五类事故变量。在此基础上，该方法运用关联规则分析，设定重特大事故关联分析中支持度、置信度以及提升度的合理阈值，基于Apriori算法，计算重特大交通事故的二项集、三项集以及四项集规则关联规则，并结合输出规则的支持度、置信度以及提升度进行分析，识别出重特大道路交通事故常见致因和事故发生机理。本发明降低了随机性和决策人员主观判断影响，可以有效进行重特大交通事故致因识别、分析重特大交通事故机理。但对交通事故数据的提取并未设定标准，且并未基于GIS平台开发出一种交通事故时空分析***。
又如中国发明专利CN201210143278.5提供了一种道路交通事故分析方法。该方法通过地理信息***将道路数据录入服务器，建立带有地图的地理信息数据库；通过采集终端采集交通事故现场数据，并录入服务器，生成交通事故点，建立交通事故数据库。将该方法能够将交通事故数据库导入地理信息数据库，通过二者之间的结合，在地图上显示交通事故现场数据、事故黑点、逃逸事故侦缉内容。并且能够通过事故黑点的存在，将道路交通事故与周边地理环境等结合，分析出事故发生的规律，预防事故发生。但并未综合研究各要素之间的内在联系，从而诊断出事故特征级发生原因，无法构建致因对策库，并且交通事故现场数据的采集依赖于服务器，数据极为不便。因此，提供一种数据采集方便、可以诊断事故特征级发生原因、并能够为交通管理部门提供决策支持的交通事故时空分析***是本领域需要解决的问题。
发明内容
本发明要解决的问题是提供一种数据采集方便，数据录入标准化，能够有效综合交通事故信息、基础设施信息、气象数据、交通流数据、交通事故视频数据并进行分析，最终得出事故多发区域的准确地址，并分析人员-车辆-道路-环境体系中四要素之间的内在联系，建立事故致因分析模型，诊断交通事故特征级发生原因，建立事故致因对策库为交通管理部门提出决策支持的交通事故时空分析***。
为解决上述问题，本发明采取如下技术方案，一种交通事故时空分析***，包括数据层、应用层、展示层，所述数据层用于建立标准化事故数据仓库，所述应用层根据所述标准化事故数据仓库进行事故分析，所述展示层用于展示事故分析结果，所述数据层包括基础地理信息数据采集录入、对基础地理信息数据进行清洗与融合校验、利用经过清洗与融合校验的基础地理信息数据建立标准化事故数据仓库；所述事故分析包括分析事故多发区域、挖掘事故致因、建立事故致因对策库并提出整改意见；
所述展示层展示的事故分析结果包括交通事故信息以及事故多发区域、事故致因报表、事故多发位置整治建议报表。
进一步的，所述基础地理信息数据包括基于基础地理信息平台的交通事故信息、基础设施信息、气象数据、交通流数据、交通事故视频信息和自然驾驶实验数据。
进一步的，所述分析***采用基于Browser/Server分布式架构的网络地理信息***来构建。
进一步的，所述交通事故信息在采集录入时共分四类属性。
进一步的，所述四类属性均下设属性字段，所述属性字段均下设属性值，所述属性值包括一级属性值和/或二级属性值。
进一步的，所述应用层分析事故多发区域时以空间邻近关系和道路事故安全指标为依据，采用GIS图层叠加、空间关联分析方法。
进一步的，所述分析事故多发区域过程包括事故地点地理编码，所述事故地点地理编码包括如下步骤：
(1)地址描述检查，包括词频统计和地址要素通名确定；
(2)地址标准化，包括对路名的变更历史、缺失信息进行补全；
(3)事故语义位置坐标化，根据语言描述的地理位置信息确定该位置在地图上的坐标，通过地图API接口进行操作；
(4)编码结果检查，将***区域内的真实的地理坐标库与算法编码结果进行对比检查，若不通过检查则重新进行步骤(1)、(2)、(3)，若通过检查则进行步骤(5)；
(5)获取事故坐标。
进一步的，所述挖掘事故致因的过程具体包括：
(1)综合交通事故成因中研究人员-车辆-道路-环境体系中四要素之间的内在联系；
(2)根据交通事故成因建立事故致因分析模型，诊断交通事故特征级发生原因；
(3)针对事故致因提出整治建议。
进一步的，所述建立事故致因分析模型的过程通过对照统计、回归分析、聚类分析和分类模型完成。
进一步的，所述展示层通过GIS平台展示交通事故信息以及事故多发区域、事故致因报表、事故多发位置整治建议报表、事故多发位置时空演化、道路危险等级图。
与现有技术相比，本发明提供的技术方案具有以下优点：
(1)本***基于GIS地理信息***来开发，具有事务处理信息***的各种特点，并且可利用其地理空间可视化的直观特点及强大的空间解析能力，可以将原来繁杂而孤立的交通事故数据予以有效的整合、管理及分析。
(2)本***基于Browser/Server分布式架构的网络地理信息***来构建，可以有效提升交通事故数据管理和分析水平；可以使该***摆脱终端束缚，实现跨区域、跨部门的交通事故档案管理及分析服务；事故关联天气、道路等相关数据获取时能够不受区域、部门、时间的限制，降低了数据的获取成本，并且能够有效在***内部集成，提高了数据共享整合程度，降低了数据的散发成本。
(3)本申请制定了交通事故的录入标准，在交通事故录入时将交通事故信息分为四类属性，并在这四类属性下设属性字段，在属性字段下设属性值，属性值还包括一级属性值和/或二级属性值，通过将交通事故信息进行细化分类，为交通管理部门搭建了良好的数据处理标准，同时又能保证字段的完整性，从而为后续的交通事故分析提供了数据保障。
(4)在分析交通事故多发位置时，经过事故编码优化的过程，包括地址描述检查确认地址描述的准确性，通过地址标准化对变更历史、缺失信息进行补全，从而保证了事故地址描述的准确性、全面性；通过事故语义位置坐标化，将语言描述的事故地址与地图上的坐标相对应，并且将真实的地理坐标库与算法编码结果进行对比检查，并且利用编码算法不断迭代，保证能够得到交通事故在地图上精确坐标。
(5)综合研究人员-车辆-道路-环境体系中四要素之间的内在联系，运用对照统计、回归分析、聚类分析模型建立事故致因分析模型，用多种数据分析模型对事故要素进行分析，诊断交通事故特征级发生原因，保证了该特征级发生原因的可靠性；并依据该特征级发生原因有针对性地建立事故致因对策库为交通管理部门提出决策支持。
(6)本***基于GIS地理信息***来开发，可分析交通事故的精确位置，并且能够分析得出研究人员-车辆-道路-环境体系中四要素之间的内在联系，方便交通管理人员对交通事故在时间以及空间上的分布予以积极且全面的掌控及分析，并且能够给路政部门的交通设计、以及交管部门的交通规划带来参考价值。
附图说明
图1为一种交通事故时空分析***示意图；
图2为事故地点地理编码步骤示意图；
图3为交通事故成因分类图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面对本发明内容做进一步详细说明。
如图1所示，一种交通事故时空分析***，包括数据层、应用层、展示层，数据层用于采集并录入基础地理信息数据，所述基础地理信息数据包括基于基础地理信息平台的交通事故信息、基础设施信息、气象数据、交通流数据、交通事故视频数据和自然驾驶实验数据。这些基础地理信息数据采集完毕后，将这些数据汇总在一起，对数据进行融合、清洗和预处理，对缺失信息进行补全。将经过融合清洗、缺失信息补全后的数据进行整理，通过建立事故数据存储模型，确定存储结构和关系，最终形成标准化事故数据仓库。本发明有效集成了交通事故信息、基础设施信息、气象数据、交通流数据、交通事故视频数据和自然驾驶实验数据，提高了数据共享整合程度，降低了数据散发成本。同时基于数据仓库的原理，将大数据抽取、转换、加载进行结构化存储，建立时序数据库解决了数据量过大的技术难点，通过将历年的路网数据与兴趣点数据与事故语义信息进行时间关联性匹配，同时利用商业的地图软件(百度地图、谷歌地图、高德地图等)进行网上爬虫和空间关联匹配解决了定位精度低和路网匹配精度低的问题。
数据的融合清洗、预处理是针对交通事故涉及到的错误地址数据，包括：拼写错误，信息冗余、地址残缺歧义等错误，进行清洗和预处理。缺失的数据可以通过网上爬虫、历史数据补充。交通流数据具体包括：电警数据、卡口流量数据、线圈数据；交通事故视频数据包括：卡口视频数据、事故现场视频数据；自然驾驶实验数据包括：驾驶人驾驶行为数据；交通流数据和视频数据可以放映交通事故发生时路面上交通车辆和周围环境的详细信息，自然驾驶实验数据是反映交通事故发生时驾驶员的行为表现记录。交通事故信息录入时共分四类属性，分别为(1)事故原因、现场及形态，(2)发生事故道路情况，(3)肇事人员及车辆情况，(4)事故伤亡人员情况，这四类属性均下设属性字段，所述属性字段均下设属性值，所述属性值包括一级属性值或二级属性值中的一种或多种，具体录入标准见表1。
表1.交通事故数据录入标准
所述应用层根据标准化事故数据仓库中的数据，以空间邻近关系和道路事故安全指标为依据，采用GIS图层叠加、空间关联分析方法，根据事故数据的地理空间坐标和路网结构进行空间关联和连接分析，结合事故多发位置鉴别***、事故多发位置环境特征采集***分析得到事故多发区域。本发明对GIS图层叠加、空间关联分析方法进行了优化改进，具体是根据现有路网数据对交通事故语义信息进行地理编码处理，利用历史路网数据和研究区域内部地理库、商业地图API等进行分析。然后结合城市路网、乡镇划分、路灯桩号等地理信息数据及交通流信息、事故多发位置驾驶行为特征等相关数据进行时空演化特征研究，并结合这些数据及交通事故多发位置数据确定道路危险等级。
分析事故多发区域过程包括事故地点地理编码过程，利用不断迭代的编码算法得到交通事故的精确位置，方便交通管理人员对交通事故在时间以及空间上的分布予以积极且全面的掌控及分析，事故地点地理编码过程具体如下：
(1)地址描述检查，所述地址描述检查包括词频统计和地址要素通名确定；
(2)地址标准化，所述地址标准化包括对路名的变更历史、缺失信息进行补全；
(3)事故语义位置坐标化，根据语言描述的地理位置信息确定该位置在地图上的坐标，通过地图API接口进行；
(4)编码结果检查，将***区域内的真实的地理坐标库与算法编码结果进行对比检查，若不通过检查则重新进行步骤(1)、(2)、(3)，若通过检查则进行步骤(5)；
(5)获取事故坐标。
如图3所示，道路交通事故成因多样，按影响因素范围可分为宏观成因和微观成因，前者是指从大的区域范围方面影响事故的因素，如人口总量、经济水平、机动车保有量等，后者指从具体事故或特征点方面影响事故的因素，如驾驶人员情况、道路条件、车辆条件等；按影响因素类型可分为直接成因和关联成因，直接成因是指来源于事故现场采集信息中的事故原因属性，如违章停车、醉酒驾驶、逆向行驶等，关联成因是指与直接成因有关联性的宏观层面影响因素，如道路和环境因素。因此，得出事故多发区域的精确坐标后，所述应用层可综合研究人员-车辆-道路-环境体系中四要素之间的内在联系，运用对照统计、回归分析、聚类分析、分类模型将道路交通事故成因建立成事故致因分析模型，形成道路安全评价指标体系，诊断得出交通事故特征级发生原因即与该事故相关性较大的要素，并针对不同的事故、致因的类型和特征建立事故致因对策库，提出相应的事故多发地点的整改意见。从而能够为交通管理部门提出决策支持，并且能够给路政部门的交通设计、以及交管部门的交通规划带来参考价值。所述展示层用于展示所述应用层的分析结果，包括通过GIS平台展示交通事故信息以及事故多发区域、事故致因报表、事故多发位置整治建议报表、事故多发位置时空演化、道路危险等级图。
本发明所述的交通事故时空分析***采用基于Browser/Server分布式架构的网络地理信息***来构建，可以使该***摆脱终端束缚，实现跨区域、跨部门的交通事故档案管理及分析服务，并且基于GIS地理信息***来开发有效集成了交通事故信息、基础设施信息、气象数据、交通流数据、交通事故视频数据，提高了数据共享整合程度，降低了数据散发成本，最终有效提升交通事故数据管理和分析水平。
一种用本发明所述的交通事故时空分析***进行交通事故时空分析的方法，包括以下步骤：
步骤一、采集并录入基础地理信息数据，包括交通事故信息、基础设施信息、气象数据、交通流数据、交通事故视频信息、自然驾驶实验数据，录入时需与四类属性、四类属性下设的属性字段、属性字段下设的属性值对应；
步骤二、数据采集完毕后，进行数据的融合、清洗和预处理，对缺失信息进行补全，主要针对通事故涉及到的错误地址数据，包括：拼写错误，信息冗余、地址残缺歧义等错误；
步骤三、将经过融合、清洗和预处理的数据进行整理，通过建立事故数据存储模型，确定存储结构和关系，最终形成标准化事故数据仓库；
步骤四、根据标准化事故数据仓库中的数据，以空间邻近关系和道路事故安全指标为依据，采用GIS图层叠加、空间关联分析方法，根据事故数据的地理空间坐标和路网结构进行空间关联和连接分析，结合事故多发位置鉴别***、事故多发位置环境特征采集***，通过事故地点地理编码过程利用编码算法不断迭代，分析得到事故多发区域；
步骤五、得出事故多发区域的精确坐标后，运用对照统计、回归分析、聚类分析、分类模型建立事故致因分析模型，从而得到人员-车辆-道路-环境体系中四要素之间的内在联系，诊断得出交通事故特征级发生原因即与该事故相关性较大的要素，并针对交通事故特征级发生原因建立事故致因对策库并提出整改意见，形成道路安全评价指标体系；
步骤六、通过GIS平台展示交通事故信息以及事故多发区域、事故致因报表、事故多发位置整治建议报表、事故多发位置时空演化、道路危险等级图。
上述内容对实施例做了详细的说明，但本发明不受上述实施方式和实施例的限制，在不脱离本发明宗旨的前提下，在本领域技术人员所具备的知识范围内还可以对其进行各种变化和改进，这些变化和改进均落入本发明要保护的范围之内。
Claims (10)
1.一种交通事故时空分析***，包括数据层、应用层、展示层，所述数据层用于建立标准化事故数据仓库，所述应用层根据所述标准化事故数据仓库进行事故分析，所述展示层用于展示事故分析结果，
其特征在于：所述数据层包括基础地理信息数据采集录入、对基础地理信息数据进行清洗与融合校验、利用经过清洗与融合校验的基础地理信息数据建立标准化事故数据仓库；
所述事故分析包括分析事故多发区域、挖掘事故致因、建立事故致因对策库并提出整改意见；
所述展示层展示的事故分析结果包括交通事故信息以及事故多发区域、事故致因报表、事故多发位置整治建议报表。
2.根据权利要求1所述的分析***，其特征在于：所述基础地理信息数据包括基于基础地理信息平台的交通事故信息、基础设施信息、气象数据、交通流数据、交通事故视频信息和自然驾驶实验数据。
3.根据权利要求2所述的分析***，其特征在于：所述分析***采用基于Browser/Server分布式架构的网络地理信息***来构建。
4.根据权利要求3所述的分析***，其特征在于：所述交通事故信息在采集录入时共分四类属性。
5.根据权利要求4所述的分析***，其特征在于：所述四类属性均下设属性字段，所述属性字段均下设属性值，所述属性值包括一级属性值和/或二级属性值。
6.根据权利要求1-5任一所述的分析***，其特征在于：所述应用层分析事故多发区域时以空间邻近关系和道路事故安全指标为依据，采用GIS图层叠加、空间关联分析方法。
7.根据权利要求6所述的分析***，其特征在于：所述分析事故多发区域过程包括事故地点地理编码，所述事故地点地理编码包括如下步骤：
(1)地址描述检查，包括词频统计和地址要素通名确定；
(2)地址标准化，包括对路名的变更历史、缺失信息进行补全；
(3)事故语义位置坐标化，根据语言描述的地理位置信息确定该位置在地图上的坐标，通过地图API接口进行操作；
(4)编码结果检查，将***区域内的真实的地理坐标库与算法编码结果进行对比检查，若不通过检查则重新进行步骤(1)、(2)、(3)，若通过检查则进行步骤(5)；
(5)获取事故坐标。
8.根据权利要求7所述的分析***，其特征在于：所述挖掘事故致因的过程具体包括：
(1)综合研究交通事故成因中人员-车辆-道路-环境体系中四要素之间的内在联系；
(2)根据交通事故成因建立事故致因分析模型，诊断交通事故特征级发生原因；
(3)针对事故致因提出整治建议。
9.根据权利要求8所述的分析***，其特征在于：所述建立事故致因分析模型的过程通过对照统计、回归分析、聚类分析和分类模型完成。
10.根据权利要求9所述的分析***，其特征在于：所述展示层通过GIS平台展示交通事故信息以及事故多发区域、事故致因报表、事故多发位置整治建议报表、事故多发位置时空演化、道路危险等级图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810742942.5A CN108959196B (zh) | 2018-07-09 | 2018-07-09 | 一种交通事故时空分析*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810742942.5A CN108959196B (zh) | 2018-07-09 | 2018-07-09 | 一种交通事故时空分析*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108959196A true CN108959196A (zh) | 2018-12-07 |
| CN108959196B CN108959196B (zh) | 2019-06-28 |
Family
ID=64483313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810742942.5A Active CN108959196B (zh) | 2018-07-09 | 2018-07-09 | 一种交通事故时空分析*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108959196B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109841061A (zh) * | 2019-01-24 | 2019-06-04 | 浙江大华技术股份有限公司 | 一种交通事故处理方法、装置、***及存储介质 |
| CN110009907A (zh) * | 2019-03-25 | 2019-07-12 | 大夏数据服务有限公司 | 一种交通管理数据计算分析*** |
| CN110222247A (zh) * | 2019-06-10 | 2019-09-10 | 交通运输部公路科学研究所 | 一种公路工程施工安全事故分析*** |
| CN110532298A (zh) * | 2019-08-07 | 2019-12-03 | 北京交通大学 | 多属性铁路事故致因权重分析方法 |
| CN111009122A (zh) * | 2019-11-13 | 2020-04-14 | 青岛国信城市信息科技有限公司 | 隧道交通运行风险评估方法 |
| CN111046260A (zh) * | 2019-12-11 | 2020-04-21 | 中国兵器工业第五九研究所 | 一种基于自然环境因素数据的可视化方法 |
| CN111369792A (zh) * | 2019-11-22 | 2020-07-03 | 杭州海康威视***技术有限公司 | 一种交通事件的分析方法、装置及电子设备 |
| CN112862646A (zh) * | 2020-12-31 | 2021-05-28 | 广州智能科技发展有限公司 | 一种基于多模型集成的安全事故的分析方法和*** |
| CN113112794A (zh) * | 2021-03-31 | 2021-07-13 | 四川省气象服务中心(四川省专业气象台 四川省气象影视中心) | 基于时空气象网格的交通事故发生率预测方法 |
| CN113470357A (zh) * | 2021-06-30 | 2021-10-01 | 中国汽车工程研究院股份有限公司 | 一种道路交通事故信息处理***及处理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102411843A (zh) * | 2011-09-21 | 2012-04-11 | 中盟智能科技（苏州）有限公司 | 一种交通事故预防分析*** |
| CN104574251A (zh) * | 2015-01-06 | 2015-04-29 | 熊国顺 | 智能公共安全信息***及应用方法 |
| CN105788256A (zh) * | 2016-03-30 | 2016-07-20 | 北京交通大学 | 基于车联网的路况信息感知方法 |
| CN107784832A (zh) * | 2016-08-25 | 2018-03-09 | 上海电科智能***股份有限公司 | 一种用于识别交通道路中的事故黑点的方法与设备 |
-
2018
- 2018-07-09 CN CN201810742942.5A patent/CN108959196B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102411843A (zh) * | 2011-09-21 | 2012-04-11 | 中盟智能科技（苏州）有限公司 | 一种交通事故预防分析*** |
| CN104574251A (zh) * | 2015-01-06 | 2015-04-29 | 熊国顺 | 智能公共安全信息***及应用方法 |
| CN105788256A (zh) * | 2016-03-30 | 2016-07-20 | 北京交通大学 | 基于车联网的路况信息感知方法 |
| CN107784832A (zh) * | 2016-08-25 | 2018-03-09 | 上海电科智能***股份有限公司 | 一种用于识别交通道路中的事故黑点的方法与设备 |
Non-Patent Citations (1)
| Title |
|---|
| 任光贤: "基于GIS的城市道路黑点分析与决策支持研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109841061A (zh) * | 2019-01-24 | 2019-06-04 | 浙江大华技术股份有限公司 | 一种交通事故处理方法、装置、***及存储介质 |
| CN110009907A (zh) * | 2019-03-25 | 2019-07-12 | 大夏数据服务有限公司 | 一种交通管理数据计算分析*** |
| CN110222247A (zh) * | 2019-06-10 | 2019-09-10 | 交通运输部公路科学研究所 | 一种公路工程施工安全事故分析*** |
| CN110532298A (zh) * | 2019-08-07 | 2019-12-03 | 北京交通大学 | 多属性铁路事故致因权重分析方法 |
| CN111009122A (zh) * | 2019-11-13 | 2020-04-14 | 青岛国信城市信息科技有限公司 | 隧道交通运行风险评估方法 |
| CN111369792A (zh) * | 2019-11-22 | 2020-07-03 | 杭州海康威视***技术有限公司 | 一种交通事件的分析方法、装置及电子设备 |
| CN111046260A (zh) * | 2019-12-11 | 2020-04-21 | 中国兵器工业第五九研究所 | 一种基于自然环境因素数据的可视化方法 |
| CN111046260B (zh) * | 2019-12-11 | 2023-04-18 | 中国兵器工业第五九研究所 | 一种基于自然环境因素数据的可视化方法 |
| CN112862646A (zh) * | 2020-12-31 | 2021-05-28 | 广州智能科技发展有限公司 | 一种基于多模型集成的安全事故的分析方法和*** |
| CN113112794A (zh) * | 2021-03-31 | 2021-07-13 | 四川省气象服务中心(四川省专业气象台 四川省气象影视中心) | 基于时空气象网格的交通事故发生率预测方法 |
| CN113470357A (zh) * | 2021-06-30 | 2021-10-01 | 中国汽车工程研究院股份有限公司 | 一种道路交通事故信息处理***及处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108959196B (zh) | 2019-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108959196B (zh) | 一种交通事故时空分析*** | |
| Souza et al. | City Information Modelling as a support decision tool for planning and management of cities: A systematic literature review and bibliometric analysis | |
| Hao et al. | The rise of big data on urban studies and planning practices in China: Review and open research issues | |
| CN109145170A (zh) | 一种道路交通事故数据挖掘服务器、方法和*** | |
| CN101814076A (zh) | 可视化信息及信息关联分析***及建立的方法 | |
| Liu et al. | Multi-scale urban passenger transportation CO2 emission calculation platform for smart mobility management | |
| Chen | Analysis and forecast of traffic accident big data | |
| Wang et al. | [Retracted] Artificial Intelligence Technology Based on Deep Learning in Building Construction Management System Modeling | |
| Li et al. | Spatial accessibility to shopping malls in Nanjing, China: Comparative analysis with multiple transportation modes | |
| Sun et al. | Scientometric analysis and mapping of transit-oriented development studies | |
| Lian et al. | Advances in estimating pedestrian measures through artificial intelligence: From data sources, computer vision, video analytics to the prediction of crash frequency | |
| Liu | [Retracted] Application of Big Data Technology in Urban Greenway Design | |
| Cui et al. | Research on the driving forces of urban hot spots based on exploratory analysis and binary logistic regression model | |
| Zhao et al. | Exploring the impact of trip patterns on spatially aggregated crashes using floating vehicle trajectory data and graph Convolutional Networks | |
| Borzacchiello et al. | An operational information systems architecture for assessing sustainable transportation planning: principles and design | |
| Feng et al. | [Retracted] Visual Evaluation of Urban Streetscape Design Supported by Multisource Data and Deep Learning | |
| CN114666738A (zh) | 基于手机信令的国土空间规划方法和*** | |
| CN114925994A (zh) | 一种基于深度学习的城中村风险评估和风险因素定位方法 | |
| Kwan | Human mobility, spatiotemporal context, and environmental health: recent advances in approaches and methods | |
| Liu et al. | Prediction method of geographical and spatial distribution of traffic accidents based on traffic flow big data. | |
| Yaofang et al. | Nonlinear impact analysis of built environment on urban road traffic safety risk | |
| Zhou et al. | WebGIS-based Catering Industry Entrepreneurial Decision-making System | |
| Zhang et al. | Visual analysis method for abnormal passenger flow on urban metro network | |
| Liu et al. | A clearance pipeline-based method for street tree maintenance information detection using MLS data | |
| CN117931978B (zh) | 流域人居数据分析方法及***、计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 215000 surveying and mapping geographic information building, No. 101, Suhong Middle Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee after: Yuance Information Technology Co.,Ltd. Address before: 215000 surveying and mapping geographic information building, No. 101, Suhong Middle Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee before: SUZHOU INDUSTRIAL PARK SURVEYING MAPPING AND GEOINFORMATION Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |