CN114220268A - 一种基于道路安全指数进行最优派警的方法及*** - Google Patents
一种基于道路安全指数进行最优派警的方法及*** Download PDFInfo
- Publication number
- CN114220268A CN114220268A CN202111542518.4A CN202111542518A CN114220268A CN 114220268 A CN114220268 A CN 114220268A CN 202111542518 A CN202111542518 A CN 202111542518A CN 114220268 A CN114220268 A CN 114220268A
- Authority
- CN
- China
- Prior art keywords
- road
- safety
- index
- police
- objective function
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 50
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 241001622623 Coeliadinae Species 0.000 claims description 12
- PHIQHXFUZVPYII-UHFFFAOYSA-N carnitine Chemical compound C[N+](C)(C)CC(O)CC([O-])=O PHIQHXFUZVPYII-UHFFFAOYSA-N 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于道路安全指数进行最优派警的方法及***,步骤如下:(1)收集数据,包括路网数据、路况速度、日期时间、交通事故数据和天气数据;(2)计算道路安全指数,道路安全指数包括区域安全指数和道路安全属性;(3)计算路网安全目标函数,根据道路安全指数计算道路安全目标函数,路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数;(4)优化警力部署,直到道路列表或者警员列表为空;(5)输出派警任务列表。本发明将警力部署与道路实时安全状况相结合,使警力部署更加合理,减少事故发生量,出警时间缩短,事故伤亡处理更加及时,减少人民生命财产损失,减缓路网拥堵,节省警力。
Description
技术领域
本发明涉及一种基于道路安全指数进行最优派警的方法及***,属于城市道路交通安全技术领域。
背景技术
当前城市车辆保有量越来越多,道路越来越拥堵,交通事故发生量不断增长,一旦发生交通事故,如果交警无法及时赶到事故现场并进行及时处理,有可能造成人民生命财产的更大损失,并造成城市交通的异常持续拥堵。
虽然我国人民警察数量有了很大的增长,但还是无法跟上社会发展的脚步。面对警力的不足,更重要的是要合理优化警力资源的部署。传统的派警策略,一般是由各个交警大队、中队的领导划分固定的网格并指派固定的人员进行巡逻,但是存在一定缺点,就是各个地方的安全形势是不一样的,在不同的情况下,不同的地点安全情况不同,发生事故的概率也不同,比较危险的地方部署较少的警力,会造成警力不足;比较安全的地方部署较多的警力,会造成警力闲置。导致部署警力大、部署效率低、时间耗费长等缺点,部署的警力往往不能满足处置突发交通事件时的实际工作需求。
所以我们需要让警力部署更加优化,让警力随着风险走,使事故发生变少,事故处理更迅速,让现有的警力发挥最大的作用。
发明内容
针对现有技术的不足,本发明提供一种基于道路安全指数进行最优派警的方法及***,使警力部署更加合理,减少事故发生量,到警时间缩短,事故伤亡处理及时,减少人民生命财产损失,减缓路网拥堵,节省警力。
术语解释:
接警量:交警120每小时接到报警电话的数量。
交通指数:综合反映道路网交通运行状况的指标,取值范围0-10,数值越大表示越拥堵。
在途量:当前路网上某区域、某道路上在某一时刻正在行驶的车辆数量。
到警时间:交警在接到指挥中心命令,到达某个事故发生地的时间。
处警时间:交警在到达事故发生地后,处理完本次交通事故,现场恢复畅通的时间。
最优传输问题:将概率分布P转换为概率分布Q的传输,同时使期望传输代价最小化,寻找总体花费最少的传输方案。
本发明的技术方案如下:
一种基于安全指数进行最优派警的方法,步骤如下:
(1)收集数据,包括路网数据、路况速度、日期时间、交通事故数据和天气数据;
(2)计算道路安全指数,道路安全指数包括区域安全指数和道路安全属性;
(3)计算路网安全目标函数,根据道路安全指数计算道路安全目标函数,路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数;
(4)优化警力部署,直到道路列表或者警员列表为空;
(5)输出派警任务列表。
优选的,步骤(1)中,路网数据是指基础路网的拓扑数据,并计入属性数据库;
路况速度是指每条路段的历史路况速度、实时路况速度;
日期时间,因为交通流量与日期与时间密切相关,所以记录每个时刻的日期,例如2021年5月12日;时间,例如8:30。
交通事故数据:根据122接警数据库,得到实时的事故报警数据。
天气数据:从气象局的数据服务得到实时的天气数据。
根据本发明优选的,步骤(2)中的,道路安全指数表示城市内某个路段的安全状况,取值0-10,数值越大越不安全,发生事故的可能性越大,其中,
区域安全指数:根据区域的数据对某个区域计算一个整体的安全指数。
道路安全属性:在某个区域内,再根据每条道路的道路安全属性,综合区域安全指数,计算一条道路的安全指数。
根据本发明优选的,区域安全指数的计算,分为两部分,一部分为自动实时接收的数据计算,另一部分为异常情况的计算,例如异常天气进行人工设置综合计算:
自动实时接收的数据计算部分,包括区域的接警量、交通指数、在途量等程序自动接收的数据和日期时段数据;
对区域的接警量、交通指数、在途量和日期时段分别赋予权重W,接警量权重为2,安全态势为S1、交通指数权重为2,安全态势为S2、在途量权重为1.5,安全态势为S3、日期时段权重为2.5,安全态势为S4,权重赋予表格如下所示:
编号 | 影响因素 | 权重(W) | 对应安全态势 |
1 | 接警量 | 2 | S1 |
2 | 交通指数 | 2 | S2 |
3 | 在途量 | 1.5 | S3 |
4 | 日期时段 | 2.5 | S4 |
异常情况计算部分,异常情况设置为树形结构,分支包括结冰、雪(无冰)、雨、节假日四种情况,每种情况分别进行赋值,根据赋值得到异常情况计算结果。
当出现特殊状况时,例如暴雨、结冰等,指挥长人工设置勤务级别,并把特殊状况记录下来,然后根据附图“安全指数计算图”计算,计算方法如下:
“异常设置部分”是一个树形结构,根据属性的归类查找最后的赋值。例如:下雨天,那么选择“雨”这个分支,然后根据雨量大小,例如“大雨”,依次根据风力、持续时间一级一级的向下选择,得到赋值。
区域安全指数为:没有异常情况时,区域安全指数=自动实时接收的数据计算结果;
有异常情况时,区域安全指数=0.8*异常情况计算结果+0.2*自动实时接收的数据计算结果。
进一步优选的,接警量算法如下:
122实时的接警数量
JJL:每小时接警量
S1:接警量对应的安全态势
JJL>=300时,S1=2.5
JJL<=100时,S1=1
100<JJL<300时:
JJL在100到300之间进行线性插值计算:
S1=1+1.5*(JJL-100)/200
交通指数算法如下:
TPI:交通指数
TPI>=3.0时,S2=2.5
TPI<=1.5时,S2=1.0
1.5<TPI<3.0时,S2通过1.5到3.0之间线性差值计算:
S2=1+1.5*(TPI–1.5)/1.5
在途量算法如下:
CARNUM:在途量
CARNUM>=35万时,S3=2.5
CARNUM<=20万时,S3=1
20万<CARNUM<35万时,
S3取20万到35万的线性差值计算:
S3=1+1.5*(CARNUM–20)/15
日期时段计算如下:
特殊日期与时段的安全态势与平时不同,周一早高峰7:00–9:00安全态势为3.5,周五晚高峰18:00–20:00安全态势为3.5,工作日早晚高峰(除去周一早高峰和周五晚高峰)7:00–9:00和18:00–20:00安全态势为2.5,其它时间安全态势为1。
根据本发明优选的,道路安全属性包括道路事故量权重和道路属性权重,其中,
根据每条道路的历史事故量、道路属性(商圈、景区、医院、学校),计算每条道路独有的“道路安全指数”,表示每条道路的安全状况。
然后根据道路所在区域的“区域安全指数”,不同的权重计算最终的“道路安全指数”。
道路事故量权重:
计算每条道路在过去两年的事故发生量cnt;
计算所有道路的事故量的均值mean,和标准方差sigma;
计算每条道路的偏离度deviation=(cnt-mean)/sigma;
道路事故量权重=1+deviation*0.1;
道路属性权重:
根据每条道路的属性及当时的时段,得到每条道路的道路属性权重,如下表所示
属性 | 属性权重 | 时段 |
商圈 | 1.1 | 晚上6-10点 |
景区 | 1.2 | 节假日 |
医院 | 1.3 | 工作时段8-17点 |
根据本发明优选的,道路安全指数为:
道路安全指数=区域安全指数*道路事故量权重*道路属性权重
根据本发明优选的,步骤(3)中,路网安全目标函数计算过程如下:
a、计算道路安全目标函数,min(Lkj*Sk|j=1...q),Sk:第k条道路的安全指数,Lkj:第k条道路到第j个警员的最短路径距离,q:警员数量;
道路安全目标函数,对每一条道路,首先寻找距离其最近的警员,然后计算这个警员与当前道路的距离,再乘以当前道路的安全指数,结合了警员到道路的距离与道路的安全指数。这个数值结果,随着道路的安全指数越大,变得越大;最近警员到其距离越远,变得越大。也就是说,使这个目标函数变小,可以使警员到达安全指数较高的道路较近,符合警力部署目标。
路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数,当这个数值减少时,表示当前路网更加安全。
步骤(3)目标是警员的部署密度与安全指数的分布密度趋于一致,即不安全的地方需要更多的警员,安全的地方不需要过多的警员。
当实时的计算出当前城市路网的安全指数时,通常当前的警力部署与当前的安全指数分布是不同的,所以需要进行计算:调整优化当前的警力部署,使警力更加合理、并尽快达到合理部署。
在数学理论中,这属于“最优传输(optimal transport)”问题。但是,当前存在的算法主要是基于连续分布的算法,例如Sinkhorn算法。
而警力部署问题有其特殊性:
警员一般是在道路上部署,移动也要基于道路进行移动;
安全指数通常过一段时间就要计算一次,而且会有新的结果;
警员是有其覆盖范围的,不一定部署在最不安全的道路上,只要在一定距离内,并尽可能覆盖其他不安全道路即可满足出警需求。
所以,根据当前问题的特殊性,首先设置一个路网安全目标函数,表征在当天安全状况与警力部署的情况下,一个路网上不安全因素与警力部署的差异程度。然后通过算法调优警力部署,使这个目标函数值尽量变小,也就是使路网更加安全。
优选的,步骤(4)中,警力部署优化算法如下:
①计算路网安全目标函数当前值:f1;
②在所有道路中,找到道路安全目标函数值最大的道路r,即最不安全的道路;
③对于道路r,找到离其最近的警员p;
④设警员p所在的道路为rp,找到rp联通的所有道路,rpi,i=1...m;
⑤分别计算rpi到道路r的距离,找到最短的那个道路rpo,指派p到rpo;
⑥在道路列表中删除r,在警员列表中删除p;
⑦在剩余的道路、警员中继续如上操作,直到道路列表或者警员列表为空,终止算法。
经过上面一轮的算法后,计算新的路网目标函数f2,如果f2与f1的差值较小,终止算法,如果差值较大,进行第二轮的算法计算,此时根据上轮指派后警员所在道路的信息进行迭代计算。
对于总体算法,考虑到整体性能时间性的要求,当计算轮次超过100次时,也终止算法,作为当前一次的计算结果。
当最终计算完成时,最终警员所在道路即为派警单列表,这个派警列表,将使“路网安全目标函数”值降低,达到更加安全的目的。
一种基于安全指数进行最优派警的***,包括收集数据模块、道路安全指数计算模块、路网安全目标函数计算模块、警力部署优化模块和派警任务列表输出模块,其中,
收集数据模块用于收集路网数据、路况速度、日期时间、交通事故数据和天气数据;
道路安全指数计算模块用于计算道路安全指数,道路安全指数包括区域安全指数和道路安全属性;
路网安全目标函数计算模块用于计算路网安全目标函数,根据道路安全指数计算道路安全目标函数,路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数;
警力部署优化模块用于优化警力部署,直到道路列表或者警员列表为空;
派警任务列表输出模块用于输出派警任务列表。
本发明的有益效果在于:
1、本发明将警力部署与道路实时安全状况相结合,使警力部署更加合理,减少事故发生量,出警时间缩短,事故伤亡处理更加及时,减少人民生命财产损失,减缓路网拥堵,节省警力。
2、本发明有效充实了交警最优部署的理论基础,提供了切实有效的技术方法,为智能化交警部署***奠定了基础,具有良好的社会效益。
附图说明
图1为本发明的流程图;
图2为本发明的安全指数计算框架图;
图3为本发明的区域安全指数计算图;
图4为本发明的接警量统计表;
图5为本发明的交通指数统计表;
图6为本发明的在途量统计表。
具体实施方式
下面通过实施例并结合附图对本发明做进一步说明,但不限于此。
实施例1:
如图1-6所示,本实施例提供一种基于安全指数进行最优派警的方法,步骤如下:
(1)收集数据,包括路网数据、路况速度、日期时间、交通事故数据和天气数据;
(2)计算道路安全指数,道路安全指数包括区域安全指数和道路安全属性;
(3)计算路网安全目标函数,根据道路安全指数计算道路安全目标函数,路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数;
(4)优化警力部署,直到道路列表或者警员列表为空;
(5)输出派警任务列表。
步骤(1)中,路网数据是指基础路网的拓扑数据,并计入属性数据库;
路况速度是指每条路段的历史路况速度、实时路况速度;
日期时间,因为交通流量与日期与时间密切相关,所以记录每个时刻的日期,例如2021年5月12日;时间,例如8:30。
交通事故数据:根据122接警数据库,得到实时的事故报警数据。
天气数据:从气象局的数据服务得到实时的天气数据。
步骤(2)中的,道路安全指数表示城市内某个路段的安全状况,取值0-10,数值越大越不安全,发生事故的可能性越大,其中,
区域安全指数:根据区域的数据对某个区域计算一个整体的安全指数。
道路安全属性:在某个区域内,再根据每条道路的道路安全属性,综合区域安全指数,计算一条道路的安全指数。
区域安全指数的计算,分为两部分,一部分为自动实时接收的数据计算,另一部分为异常情况的计算,例如异常天气进行人工设置综合计算:
自动实时接收的数据计算部分,包括区域的接警量、交通指数、在途量等程序自动接收的数据和日期时段数据;
对区域的接警量、交通指数、在途量和日期时段分别赋予权重W,接警量权重为2,安全态势为S1、交通指数权重为2,安全态势为S2、在途量权重为1.5,安全态势为S3、日期时段权重为2.5,安全态势为S4,权重赋予表格如下所示:
编号 | 影响因素 | 权重(W) | 对应安全态势 |
1 | 接警量 | 2 | S1 |
2 | 交通指数 | 2 | S2 |
3 | 在途量 | 1.5 | S3 |
4 | 日期时段 | 2.5 | S4 |
异常情况计算部分,异常情况设置为树形结构,如图所示,分支包括结冰、雪(无冰)、雨、节假日四种情况,每种情况分别进行赋值,根据赋值得到异常情况计算结果,树形结构具体如下:
出现结冰时,结冰蓝色预警的同时风力七级以下,赋值为4.5;结冰蓝色预警的同时风力七级以上,赋值为5;结冰黄色预警的同时风力七级以下,赋值为6;结冰黄色预警的同时风力七级以上,赋值为7;结冰橙色预警的同时风力七级以下,赋值为7.5;结冰橙色预警的同时风力七级以上,赋值为9;
出现雪(无冰)时,中小雪同时风力七级以下,赋值为3.5;中小雪同时风力七级以上,赋值为4;大雪同时风力七级以下,赋值为6;大雪同时风力七级以上,赋值为7;暴雪同时风力七级以下,赋值为7.5;暴雪同时风力七级以上,赋值为8;
出现雨时,中雨和小雨赋值为3;大雨风力5-7级持续时间小于1小时时,赋值为5;大雨风力5-7级持续时间大于1小时时,赋值为6.5;大雨风力7级以上持续时间小于1小时时,赋值为6;大雨风力7级以上持续时间大于1小时时,赋值为7;暴雨风力5-7级持续时间小于1小时时,赋值为4.5;暴雨风力5-7级持续时间大于1小时时,赋值为8.5;暴雨风力7级以上持续时间小于半小时时,赋值为7.5;暴雨风力7级以上持续时间为0.5-1小时时,赋值为8;暴雨风力7级以上持续时间大于1小时时,赋值为9;
出现节假日时,假期前一天,赋值为2.5,小长假赋值为2.5,黄金周赋值为3.5。
当出现特殊状况时,例如暴雨、结冰等,指挥长人工设置勤务级别,并把特殊状况记录下来,然后根据附图“安全指数计算图”计算,计算方法如下:
“异常设置部分”是一个树形结构,根据属性的归类查找最后的赋值。例如:下雨天,那么选择“雨”这个分支,然后根据雨量大小,例如“大雨”,依次根据风力、持续时间一级一级的向下选择,得到赋值。
区域安全指数为:没有异常情况时,区域安全指数=自动实时接收的数据计算结果;
有异常情况时,区域安全指数=0.8*异常情况计算结果+0.2*自动实时接收的数据计算结果。
接警量算法如下:
122实时的接警数量
JJL:每小时接警量
S1:接警量对应的安全态势
JJL>=300时,S1=2.5
JJL<=100时,S1=1
100<JJL<300时:
JJL在100到300之间进行线性插值计算:
S1=1+1.5*(JJL-100)/200
交通指数算法如下:
TPI:交通指数
TPI>=3.0时,S2=2.5
TPI<=1.5时,S2=1.0
1.5<TPI<3.0时,S2通过1.5到3.0之间线性差值计算:
S2=1+1.5*(TPI–1.5)/1.5
在途量算法如下:
CARNUM:在途量
CARNUM>=35万时,S3=2.5
CARNUM<=20万时,S3=1
20万<CARNUM<35万时,
S3取20万到35万的线性差值计算:
S3=1+1.5*(CARNUM–20)/15
日期时段计算如下:
特殊日期与时段的安全态势与平时不同,周一早高峰7:00–9:00安全态势为3.5,周五晚高峰18:00–20:00安全态势为3.5,工作日早晚高峰(除去周一早高峰和周五晚高峰)7:00–9:00和18:00–20:00安全态势为2.5,其它时间安全态势为1。
根据本发明优选的,道路安全属性包括道路事故量权重和道路属性权重,其中,
根据每条道路的历史事故量、道路属性(商圈、景区、医院、学校),计算每条道路独有的“道路安全指数”,表示每条道路的安全状况。
然后根据道路所在区域的“区域安全指数”,不同的权重计算最终的“道路安全指数”。
道路事故量权重:
计算每条道路在过去两年的事故发生量cnt;
计算所有道路的事故量的均值mean,和标准方差sigma;
计算每条道路的偏离度deviation=(cnt-mean)/sigma;
道路事故量权重=1+deviation*0.1;
道路属性权重:
根据每条道路的属性及当时的时段,得到每条道路的道路属性权重,如下表所示
属性 | 属性权重 | 时段 |
商圈 | 1.1 | 晚上6-10点 |
景区 | 1.2 | 节假日 |
医院 | 1.3 | 工作时段8-17点 |
道路安全指数为:
道路安全指数=区域安全指数*道路事故量权重*道路属性权重
步骤(3)中,路网安全目标函数计算过程如下:
a、计算道路安全目标函数,min(Lkj*Sk|j=1...q),Sk:第k条道路的安全指数,Lkj:第k条道路到第j个警员的最短路径距离,q:警员数量;
道路安全目标函数,对每一条道路,首先寻找距离其最近的警员,然后计算这个警员与当前道路的距离,再乘以当前道路的安全指数,结合了警员到道路的距离与道路的安全指数。这个数值结果,随着道路的安全指数越大,变得越大;最近警员到其距离越远,变得越大。也就是说,使这个目标函数变小,可以使警员到达安全指数较高的道路较近,符合警力部署目标。
路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数,当这个数值减少时,表示当前路网更加安全。
步骤(3)目标是警员的部署密度与安全指数的分布密度趋于一致,即不安全的地方需要更多的警员,安全的地方不需要过多的警员。
当实时的计算出当前城市路网的安全指数时,通常当前的警力部署与当前的安全指数分布是不同的,所以需要进行计算:调整优化当前的警力部署,使警力更加合理、并尽快达到合理部署。
在数学理论中,这属于“最优传输(optimal transport)”问题。但是,当前存在的算法主要是基于连续分布的算法,例如Sinkhorn算法。
而警力部署问题有其特殊性:
警员一般是在道路上部署,移动也要基于道路进行移动;
安全指数通常过一段时间就要计算一次,而且会有新的结果;
警员是有其覆盖范围的,不一定部署在最不安全的道路上,只要在一定距离内,并尽可能覆盖其他不安全道路即可满足出警需求。
所以,根据当前问题的特殊性,首先设置一个路网安全目标函数,表征在当天安全状况与警力部署的情况下,一个路网上不安全因素与警力部署的差异程度。然后通过算法调优警力部署,使这个目标函数值尽量变小,也就是使路网更加安全。
步骤(4)中,警力部署优化算法如下:
①计算路网安全目标函数当前值:f1;
②在所有道路中,找到道路安全目标函数值最大的道路r,即最不安全的道路;
③对于道路r,找到离其最近的警员p;
④设警员p所在的道路为rp,找到rp联通的所有道路,rpi,i=1...m;
⑤分别计算rpi到道路r的距离,找到最短的那个道路rpo,指派p到rpo;
⑥在道路列表中删除r,在警员列表中删除p;
⑦在剩余的道路、警员中继续步骤②-⑥,直到道路列表或者警员列表为空,终止算法。
经过上面一轮的算法后,计算新的路网目标函数f2,如果f2与f1的差值较小,终止算法,如果差值较大,进行第二轮的算法计算,此时根据上轮指派后警员所在道路的信息进行迭代计算。
对于总体算法,考虑到整体性能时间性的要求,当计算轮次超过100次时,也终止算法,作为当前一次的计算结果。
当最终计算完成时,最终警员所在道路即为派警单列表,这个派警列表,将使“路网安全目标函数”值降低,达到更加安全的目的。
在某某区域的某某街道下雨时发生交通事故,需要警员在10分钟内到达事故现场,应用本实施例的基于安全指数进行最优派警的方法,最近的警员在5分钟内到达现场,达到快速出警的效果,警力部署合理。
实施例2:
本实施例提供一种基于安全指数进行最优派警的***,包括收集数据模块、道路安全指数计算模块、路网安全目标函数计算模块、警力部署优化模块和派警任务列表输出模块,其中,
收集数据模块用于收集路网数据、路况速度、日期时间、交通事故数据和天气数据;
道路安全指数计算模块用于计算道路安全指数,道路安全指数包括区域安全指数和道路安全属性;
路网安全目标函数计算模块用于计算路网安全目标函数,根据道路安全指数计算道路安全目标函数,路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数;
警力部署优化模块用于优化警力部署,直到道路列表或者警员列表为空;
派警任务列表输出模块用于输出派警任务列表。
Claims (9)
1.一种基于安全指数进行最优派警的方法,其特征在于,步骤如下:
(1)收集数据,包括路网数据、路况速度、日期时间、交通事故数据和天气数据;
(2)计算道路安全指数,道路安全指数包括区域安全指数和道路安全属性;
(3)计算路网安全目标函数,根据道路安全指数计算道路安全目标函数,路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数;
(4)优化警力部署,直到道路列表或者警员列表为空;
(5)输出派警任务列表。
2.如权利要求1所述的基于安全指数进行最优派警的方法,其特征在于,步骤(1)中,路网数据是指基础路网的拓扑数据,并计入属性数据库;
路况速度是指每条路段的历史路况速度、实时路况速度。
3.如权利要求1所述的基于安全指数进行最优派警的方法,其特征在于,步骤(2)中的,道路安全指数表示城市内某个路段的安全状况,取值0-10,其中,
区域安全指数:根据区域的数据对某个区域计算一个整体的安全指数;
道路安全属性:在某个区域内,再根据每条道路的道路安全属性,综合区域安全指数,计算一条道路的安全指数。
4.如权利要求3所述的基于安全指数进行最优派警的方法,其特征在于,区域安全指数的计算,分为两部分,一部分为自动实时接收的数据计算,另一部分为异常情况的计算:
自动实时接收的数据计算部分,包括区域的接警量、交通指数、在途量数据和日期时段数据;
对区域的接警量、交通指数、在途量和日期时段分别赋予权重W,接警量权重为2,安全态势为S1、交通指数权重为2,安全态势为S2、在途量权重为1.5,安全态势为S3、日期时段权重为2.5,安全态势为S4,权重赋予表格如下所示:
异常情况计算部分,异常情况设置为树形结构,分支包括结冰、雪、雨、节假日四种情况,每种情况分别进行赋值,根据赋值得到异常情况计算结果;
区域安全指数为:没有异常情况时,区域安全指数=自动实时接收的数据计算结果;
有异常情况时,区域安全指数=0.8*异常情况计算结果+0.2*自动实时接收的数据计算结果。
5.如权利要求4所述的基于安全指数进行最优派警的方法,其特征在于,接警量算法如下:
122实时的接警数量
JJL:每小时接警量
S1:接警量对应的安全态势
JJL>=300时,S1=2.5
JJL<=100时,S1=1
100<JJL<300时:
JJL在100到300之间进行线性插值计算:
S1=1+1.5*(JJL-100)/200
交通指数算法如下:
TPI:交通指数
TPI>=3.0时,S2=2.5
TPI<=1.5时,S2=1.0
1.5<TPI<3.0时,S2通过1.5到3.0之间线性差值计算:
S2=1+1.5*(TPI–1.5)/1.5
在途量算法如下:
CARNUM:在途量
CARNUM>=35万时,S3=2.5
CARNUM<=20万时,S3=1
20万<CARNUM<35万时,
S3取20万到35万的线性差值计算:
S3=1+1.5*(CARNUM–20)/15
日期时段计算如下:
特殊日期与时段的安全态势与平时不同,周一早高峰7:00–9:00安全态势为3.5,周五晚高峰18:00–20:00安全态势为3.5,工作日早晚高峰7:00–9:00和18:00–20:00安全态势为2.5,其它时间安全态势为1。
6.如权利要求5所述的基于安全指数进行最优派警的方法,其特征在于,道路安全属性包括道路事故量权重和道路属性权重,其中,
道路事故量权重:
计算每条道路在过去两年的事故发生量cnt;
计算所有道路的事故量的均值mean,和标准方差sigma;
计算每条道路的偏离度deviation=(cnt-mean)/sigma;
道路事故量权重=1+deviation*0.1;
道路属性权重:
根据每条道路的属性及当时的时段,得到每条道路的道路属性权重,如下表所示
道路安全指数=区域安全指数*道路事故量权重*道路属性权重。
8.如权利要求7所述的基于安全指数进行最优派警的方法,其特征在于,步骤(4)中,警力部署优化算法如下:
①计算路网安全目标函数当前值:f1;
②在所有道路中,找到道路安全目标函数值最大的道路r,即最不安全的道路;
③对于道路r,找到离其最近的警员p;
④设警员p所在的道路为rp,找到rp联通的所有道路,rpi,i=1...m;
⑤分别计算rpi到道路r的距离,找到最短的那个道路rpo,指派p到rpo;
⑥在道路列表中删除r,在警员列表中删除p;
⑦在剩余的道路、警员中继续如上操作,直到道路列表或者警员列表为空,终止算法。
9.一种基于安全指数进行最优派警的***,其特征在于,包括收集数据模块、道路安全指数计算模块、路网安全目标函数计算模块、警力部署优化模块和派警任务列表输出模块,其中,
收集数据模块用于收集路网数据、路况速度、日期时间、交通事故数据和天气数据;
道路安全指数计算模块用于计算道路安全指数,道路安全指数包括区域安全指数和道路安全属性;
路网安全目标函数计算模块用于计算路网安全目标函数,根据道路安全指数计算道路安全目标函数,路网所有道路的安全目标函数值相加,得到整个的路网安全目标函数;
警力部署优化模块用于优化警力部署,直到道路列表或者警员列表为空;
派警任务列表输出模块用于输出派警任务列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111542518.4A CN114220268A (zh) | 2021-12-16 | 2021-12-16 | 一种基于道路安全指数进行最优派警的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111542518.4A CN114220268A (zh) | 2021-12-16 | 2021-12-16 | 一种基于道路安全指数进行最优派警的方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114220268A true CN114220268A (zh) | 2022-03-22 |
Family
ID=80702862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111542518.4A Pending CN114220268A (zh) | 2021-12-16 | 2021-12-16 | 一种基于道路安全指数进行最优派警的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114220268A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375200A (zh) * | 2022-10-24 | 2022-11-22 | 航天科工广信智能技术有限公司 | 一种警务资源调度方法、***及存储介质 |
CN117151427A (zh) * | 2023-10-27 | 2023-12-01 | 湖南思达软件技术有限公司 | 一种基于大数据的交通警务协同管理方法及*** |
CN117455209A (zh) * | 2023-12-26 | 2024-01-26 | 山东智慧云通网络科技有限公司 | 一种基于地理位置的智慧交警管理服务***及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834977A (zh) * | 2015-05-15 | 2015-08-12 | 浙江银江研究院有限公司 | 基于距离度量学习的交通警情等级预测方法 |
CN104951893A (zh) * | 2015-06-24 | 2015-09-30 | 银江股份有限公司 | 一种面向城市交通的交警路面警情处置效率评估方法 |
CN107742418A (zh) * | 2017-09-29 | 2018-02-27 | 东南大学 | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 |
CN108124004A (zh) * | 2017-12-11 | 2018-06-05 | 上海三吉电子工程有限公司 | 一种警务综合监管平台*** |
CN109493600A (zh) * | 2018-11-21 | 2019-03-19 | 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 |
CN110457653A (zh) * | 2019-07-30 | 2019-11-15 | 青岛海信网络科技股份有限公司 | 一种警情热点区域的确定方法及装置 |
CN112907941A (zh) * | 2021-01-07 | 2021-06-04 | 北京交通大学 | 一种事故多发区域应急警力调度点的配置方法 |
CN113470356A (zh) * | 2021-06-28 | 2021-10-01 | 青岛海信网络科技股份有限公司 | 电子设备及区域路况预测方法 |
-
2021
- 2021-12-16 CN CN202111542518.4A patent/CN114220268A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834977A (zh) * | 2015-05-15 | 2015-08-12 | 浙江银江研究院有限公司 | 基于距离度量学习的交通警情等级预测方法 |
CN104951893A (zh) * | 2015-06-24 | 2015-09-30 | 银江股份有限公司 | 一种面向城市交通的交警路面警情处置效率评估方法 |
CN107742418A (zh) * | 2017-09-29 | 2018-02-27 | 东南大学 | 一种城市快速路交通拥堵状态及堵点位置自动识别方法 |
CN108124004A (zh) * | 2017-12-11 | 2018-06-05 | 上海三吉电子工程有限公司 | 一种警务综合监管平台*** |
CN109493600A (zh) * | 2018-11-21 | 2019-03-19 | 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 |
CN110457653A (zh) * | 2019-07-30 | 2019-11-15 | 青岛海信网络科技股份有限公司 | 一种警情热点区域的确定方法及装置 |
CN112907941A (zh) * | 2021-01-07 | 2021-06-04 | 北京交通大学 | 一种事故多发区域应急警力调度点的配置方法 |
CN113470356A (zh) * | 2021-06-28 | 2021-10-01 | 青岛海信网络科技股份有限公司 | 电子设备及区域路况预测方法 |
Non-Patent Citations (1)
Title |
---|
陈庆丰;: "公路工程安全管理现状的评价及对策探讨", 科技致富向导, no. 12, 25 April 2011 (2011-04-25) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375200A (zh) * | 2022-10-24 | 2022-11-22 | 航天科工广信智能技术有限公司 | 一种警务资源调度方法、***及存储介质 |
CN117151427A (zh) * | 2023-10-27 | 2023-12-01 | 湖南思达软件技术有限公司 | 一种基于大数据的交通警务协同管理方法及*** |
CN117151427B (zh) * | 2023-10-27 | 2024-01-30 | 湖南思达软件技术有限公司 | 一种基于大数据的交通警务协同管理方法及*** |
CN117455209A (zh) * | 2023-12-26 | 2024-01-26 | 山东智慧云通网络科技有限公司 | 一种基于地理位置的智慧交警管理服务***及方法 |
CN117455209B (zh) * | 2023-12-26 | 2024-03-12 | 山东智慧云通网络科技有限公司 | 一种基于地理位置的智慧交警管理服务***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114220268A (zh) | 一种基于道路安全指数进行最优派警的方法及*** | |
CN105005827B (zh) | 一种基于电力突发事件的应急响应预警方法 | |
CN103473620B (zh) | 综合客运枢纽多交通方式预测方法及*** | |
Stern et al. | A behavioural‐based simulatión model for urban evacuation | |
CN106816009B (zh) | 高速公路实时交通拥堵路况检测方法及其*** | |
CN106710216B (zh) | 高速公路实时交通拥堵路况检测方法和*** | |
CN105512990A (zh) | 一种基于灯联网传感器群的城市管理分析*** | |
CN102289933A (zh) | 一种城市快速路交通事件影响空间范围等级预测方法 | |
Yanbin et al. | Early warning of traffic accident in Shanghai based on large data set mining | |
US20230057564A1 (en) | Methods for managing cleaning routes in smart cities, internet of things systems, and storage mediums | |
CN110777687A (zh) | 一种雨天城市车辆规避积水道路的智能预警方法 | |
CN112669596A (zh) | 一种基于大数据的交通安全态势判别***及方法 | |
CN112785859B (zh) | 一种城市区域信号灯统一配时控制***及方法 | |
CN112785840A (zh) | 一种城市智能交通计算机控制***及方法 | |
CN112233431A (zh) | 一种城市智慧交通网络***信号指引方法 | |
CN111429166B (zh) | 基于最大轮廓聚类的电动汽车充电需求空间分布预测方法 | |
CN113191568A (zh) | 基于气象的城市运行管理大数据分析预测方法和*** | |
CN111710155A (zh) | 一种道路间的拥堵关系分析方法及*** | |
Li et al. | TISEM: A Two-Stage Interval-Stochastic Evacuation Management Model. | |
CN111191842A (zh) | 民用航空运输机场消防站选址优化方法 | |
Ziemska et al. | The Time Losses as a Reliability of Transport in the Municipal Network during the Mass Event | |
Wen et al. | Study on the factors and management strategy of traffic block incident on Hangzhou Province Highway | |
CN115323850B (zh) | 一种窄马路密路网的道路网规划方法 | |
Ribeiro et al. | The impact of a ring road in an urban road network. The case study of Guimarães, Portugal | |
Fu et al. | Urban Parking Characteristic Investigation and Parking System Evaluation: A Case Study in Xi’an |
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 |