CN114360251A - 一种基于影响交通安全多维度综合交通安全指数计算方法 - Google Patents
一种基于影响交通安全多维度综合交通安全指数计算方法 Download PDFInfo
- Publication number
- CN114360251A CN114360251A CN202210032897.0A CN202210032897A CN114360251A CN 114360251 A CN114360251 A CN 114360251A CN 202210032897 A CN202210032897 A CN 202210032897A CN 114360251 A CN114360251 A CN 114360251A
- Authority
- CN
- China
- Prior art keywords
- safety
- traffic
- index
- traffic safety
- alarm receiving
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 26
- PHIQHXFUZVPYII-UHFFFAOYSA-N carnitine Chemical compound C[N+](C)(C)CC(O)CC([O-])=O PHIQHXFUZVPYII-UHFFFAOYSA-N 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000013058 risk prediction model Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于影响交通安全多维度综合交通安全指数计算方法,该方法建立安全态势指标,安全态势指标为0‑10的数字,通过数据高低反应对当前或者某个时段内城市路网的交通安全情况进行量化,数值越大表示越不安全。本发明结合影响交通安全多维度数据,建立安全态势指标,通过数据高低反应对当前或者某个时段内城市路网的交通安全情况进行量化,具体量化当前城市或区域的安全等级,并通过安全等级来指导勤务科学合理的安排。
Description
技术领域
本发明涉及交通监控的技术领域,尤其涉及一种基于影响交通安全多维度综合交通安全指数计算方法。
背景技术
随着科技的进步和人们生活水平的提供,交通的安全问题引起了全社会越来越大的关注。交通安全是涉及人民生命财产的重要问题,中国每年由于交通事故死亡的人数有6万多。怎样对交通安全进行管理以尽可能地减少交通事故已经成为各交通运输部门急待解决的课题。同时,基于道路的安全程度,一直是交警关注的问题,人们希望能够采用各种办法进行交通安全监控。
如专利申请202010902854.4公开了一种实时交通安全指数动态综合评价***及其构建方法,其特征在于包括以下步骤:步骤1:采集影响交通事故的相关数据并提取各类数据的特征;步骤2:将采集的相关数据的特征作为自变量,历史交通事故数及等级构成的交通安全指数作为因变量,建立事故风险评估与预测模型,并求解模型参数;步骤3:根据步骤2得到的事故风险评估与预测模型,结合实时的路况、道路结构属性及驾驶安全系数计算不同区域发生交通事故数的期望,并根据预先建立的安全指数模型,计算得到不同区域的实时交通安全指数;步骤4:建立可视化展示平台,用于对不同区域的实时交通安全指数进行展示。
然而,基于道路的安全程度,影响因素很多,截止到目前,并没有一个比较数字化、标准化的指标来量化,还是靠人工的经验进行判断。截止到目前,并没有一个比较数字化、标准化的指标来量化,还是靠人工的经验进行判断,例如明天下雪结冰,出现不安全风险将提高,直接经验安排“二级勤务”,协调大量的交警需要到路面上维持秩序。勤务安排缺乏科学依据,对勤务安排合理性、勤务处理效率无法量化。
因此,亟需设计一种方法,能够对交通状况进行评估,以提醒交通管理部门及时调度及安排。
发明内容
针对上述技术中存在的不足之处,本发明提供一种基于影响交通安全多维度综合交通安全指数计算方法,该方法结合影响交通安全多维度数据,建立安全态势指标,通过数据高低反应对当前或者某个时段内城市路网的交通安全情况进行量化,具体量化当前城市或区域的安全等级,并通过安全等级来指导勤务科学合理的安排。
为实现上述目的,本发明是这样实现的:
一种基于影响交通安全多维度综合交通安全指数计算方法,该方法建立安全态势指标,安全态势指标为0-10的数字,通过数据高低反应对当前或者某个时段内城市路网的交通安全情况进行量化,数值越大表示越不安全。
其中,安全态势指标对应于所采集的数据,数据来源于接警量、交通指数、在途量、日期时段、日常天气等这些信息。
对于接警量、交通指数、在途量等可以由现有是计算机程序自动接收的数据,进行自动计算,而且计算出的结果一般小于2.5,几乎不会超过5.0。属于“安全”、“一般”。
安全态势的计算,把自动计算的部分,当做全部的数值,通过加权求和,得到最终的安全态势。
具体地说,接警量,接警量的数据源来自实时的接警数量,用的是30分钟粒度,所以把实时的30分钟接警量乘以2,得到实时的每小时接警量JJL;
计算方式如下:
JJL>=300时,S=2.5
JJL<=100时,S=1
100<JJL<300时:
JJL在100到300之间进行线性插值计算:
S=1+1.5*(JJL-100)/200,
其中,JJL表示每小时接警量,S表示接警量对应的安全态势。
交通指数,其数据源来自实时交通运行指数TPI,按照每30分钟的平均值TPI来计算;
算法如下:
TPI>=3.0时,S=2.5
TPI<=1.5时,S=1.0
1.5<TPI<3.0时,S通过1.5到3.0之间线性差值
S=1+1.5*(TPI–1.5)/1.5。
在途量,其数据源来自在途量前30分钟的平均值:CARNUM;
算法如下:
CARNUM>=35万时,S=2.5
CARNUM<=20万时,S=1
20万<CARNUM<35万时,
S取20万到35万的线性差值
S=1+1.5*(CARNUM–20)/15,
CARNUM为在途中的车辆数量。
日期时段,特殊日期与时段的安全态势一般与平时不同,根据交警实际经验与大数据的结果,设置如下:
周一早高峰7:00-9:00、周五晚高峰18:00-20:00,安全态势为3.5;周一晚高峰18:00-20:00、周二-周四早晚高峰7:00-9:00、18:00-20:00和周五早高峰7:00-9:00,安全态势为2.5;其它时间段,安全态势为1.0。
计算完成后,需要对安全态势计算进行汇总,对每个参与自动计算的因素都赋予权重,最终的自动计算结果是各个因素计算的安全态势的加权平均,权重如下:
接警量,权重为2,交通指数权重为2,在途量权重为1.5,日期时段权重为2.5。
本发明的有益效果是:
本发明结合影响交通安全多维度数据,建立安全态势指标,通过数据高低反应对当前或者某个时段内城市路网的交通安全情况进行量化,具体量化当前城市或区域的安全等级,并通过安全等级来指导勤务科学合理的安排。
本发明可广泛应用于现有的城市交通安全监控中。
附图说明
图1为本发明所实现接警量的安全态势图。
图2为本发明所实现交通指数的安全态势图。
图3为本发明所实现在途量的安全态势图。
具体实施方式
为了更清楚地表述本发明,下面结合附图对本发明作进一步地描述。
本发明所实现的基于影响交通安全多维度综合交通安全指数计算方法,该方法建立安全态势指标,安全态势指标为0-10的数字,通过数据高低反应对当前或者某个时段内城市路网的交通安全情况进行量化,数值越大表示越不安全。
其中,安全态势指标对应于所采集的数据,数据来源于接警量、交通指数、在途量、日期时段、日常天气等这些信息。
对于接警量、交通指数、在途量等可以由现有是计算机程序自动接收的数据,进行自动计算,而且计算出的结果一般小于2.5,几乎不会超过5.0。属于“安全”、“一般”。
除了自动计算外,有效清洗需要进行异常设置。
即,当出现特殊状况时,例如暴雨、结冰等,人工设置勤务级别,并把特殊状况记录下来。标记的结果一般是“低危,高危”。
安全态势的计算,当没有人工异常设置时,把程序自动计算的部分,当做全部的数值。当异常设置发生时,以人工设置的安全态势值为主,以自动计算的为辅,通过加权求和,得到最终的安全态势。
实际运行中,大部分安全态势都是由自动计算完成的,结果值也大部分在“安全”范围,小部分在“一般”。只有发生比较极端、异常的情况的小部分情况下,进行异常设置为“低危”和“高危”。
自动计算主要是根据大数据平台自动接收或者计算的数据,数据如下所示:
·接警量
·交通指数
·在途量
·日期时段
·日常天气
·人工干预
分别计算每种数据对应的安全态势,然后通过加权平均得到一个总的“自动计算安全态势”的数值。
接警量,接警量的数据源来自实时的接警数量,用的是30分钟粒度,所以把实时的30分钟接警量乘以2,得到实时的每小时接警量JJL。
得到的结果如图1所示,其中,JJL表示每小时接警量,S表示接警量对应的安全态势,
JJL>=300时,S=2.5
JJL<=100时,S=1
100<JJL<300时:
JJL在100到300之间进行线性插值计算:
S=1+1.5*(JJL-100)/200。
交通指数,其数据源来自实时交通指数,按照每30分钟的平均值TPI来计算。
算法如下:
TPI>=3.0时,S=2.5
TPI<=1.5时,S=1.0
1.5<TPI<3.0时,S通过1.5到3.0之间线性差值
S=1+1.5*(TPI–1.5)/1.5。
结果如图2所示。
在途量,其数据源来自在途量前30分钟的平均值:CARNUM。CARNUM为在途中的车辆数量。
算法如下:
CARNUM>=35万时,S=2.5
CARNUM<=20万时,S=1
20万<CARNUM<35万时,
S取20万到35万的线性差值
S=1+1.5*(CARNUM–20)/15
结果如图3所示。
日期时段,特殊日期与时段的安全态势一般与平时不同,根据交警实际经验与大数据的结果,设置如下表1所示:
表1特殊日期与时段的安全态势表
计算完成后,需要对安全态势计算进行汇总,对每个参与自动计算的因素都赋予权重,最终的自动计算结果是各个因素计算的安全态势的加权平均,权重表格暂定如表2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 |
表2各个因素计算的安全态势的加权平均表
本发明通过交通安全多维度数据,建立安全态势指标,通过数据高低反应对当前或者某个时段内城市路网的交通安全情况进行量化,具体量化当前城市或区域的安全等级,并通过安全等级来指导勤务科学合理的安排。
以上公开的仅为本发明的几个具体实施例,但是本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (6)
1.一种基于影响交通安全多维度综合交通安全指数计算方法,其特征在于该方法建立安全态势指标,安全态势指标为0-10的数字,通过数据高低反应对当前或者某个时段内城市路网的交通安全情况进行量化,数值越大表示越不安全。
2.根据权利要求1所述的基于影响交通安全多维度综合交通安全指数计算方法,其特征在于安全态势指标对应于所采集的数据,数据来源于接警量、交通指数、在途量、日期时段、日常天气。
3.根据权利要求2所述的基于影响交通安全多维度综合交通安全指数计算方法,其特征在于接警量,接警量的数据源来自实时的接警数量,用的是30分钟粒度,所以把实时的30分钟接警量乘以2,得到实时的每小时接警量JJL;
计算方式如下:
JJL>=300时,S=2.5
JJL<=100时,S=1
100<JJL<300时:
JJL在100到300之间进行线性插值计算:
S=1+1.5*(JJL-100)/200,
其中,JJL表示每小时接警量,S表示接警量对应的安全态势。
4.根据权利要求2所述的基于影响交通安全多维度综合交通安全指数计算方法,其特征在于交通指数,其数据源来自实时交通运行指数TPI,按照每30分钟的平均值TPI来计算;
算法如下:
TPI>=3.0时,S=2.5
TPI<=1.5时,S=1.0
1.5<TPI<3.0时,S通过1.5到3.0之间线性差值
S=1+1.5*(TPI–1.5)/1.5。
5.根据权利要求2所述的基于影响交通安全多维度综合交通安全指数计算方法,其特征在于在途量,其数据源来自在途量前30分钟的平均值:CARNUM;
算法如下:
CARNUM>=35万时,S=2.5
CARNUM<=20万时,S=1
20万<CARNUM<35万时,
S取20万到35万的线性差值
S=1+1.5*(CARNUM–20)/15,
CARNUM为在途中的车辆数量。
6.根据权利要求2所述的基于影响交通安全多维度综合交通安全指数计算方法,其特征在于计算完成后,需要对安全态势计算进行汇总,对每个参与自动计算的因素都赋予权重,最终的自动计算结果是各个因素计算的安全态势的加权平均,权重如下:
接警量,权重为2,交通指数权重为2,在途量权重为1.5,日期时段权重为2.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210032897.0A CN114360251A (zh) | 2022-01-12 | 2022-01-12 | 一种基于影响交通安全多维度综合交通安全指数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210032897.0A CN114360251A (zh) | 2022-01-12 | 2022-01-12 | 一种基于影响交通安全多维度综合交通安全指数计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114360251A true CN114360251A (zh) | 2022-04-15 |
Family
ID=81109279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210032897.0A Pending CN114360251A (zh) | 2022-01-12 | 2022-01-12 | 一种基于影响交通安全多维度综合交通安全指数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114360251A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180078029A (ko) * | 2016-12-29 | 2018-07-09 | (주) 더아이엠씨 | 교통 위험도 분석방법 및 이를 포함하는 저장매체 |
CN109697854A (zh) * | 2019-02-25 | 2019-04-30 | 公安部交通管理科学研究所 | 多维度的城市道路交通状态评估方法 |
CN110544380A (zh) * | 2019-09-17 | 2019-12-06 | 东南大学 | 一种面向道路合流区域的实时车道级安全态势评估方法 |
CN112037513A (zh) * | 2020-09-01 | 2020-12-04 | 清华大学 | 一种实时交通安全指数动态综合评价***及其构建方法 |
-
2022
- 2022-01-12 CN CN202210032897.0A patent/CN114360251A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180078029A (ko) * | 2016-12-29 | 2018-07-09 | (주) 더아이엠씨 | 교통 위험도 분석방법 및 이를 포함하는 저장매체 |
CN109697854A (zh) * | 2019-02-25 | 2019-04-30 | 公安部交通管理科学研究所 | 多维度的城市道路交通状态评估方法 |
CN110544380A (zh) * | 2019-09-17 | 2019-12-06 | 东南大学 | 一种面向道路合流区域的实时车道级安全态势评估方法 |
CN112037513A (zh) * | 2020-09-01 | 2020-12-04 | 清华大学 | 一种实时交通安全指数动态综合评价***及其构建方法 |
Non-Patent Citations (4)
Title |
---|
吴杰: "基于属性识别理论的快速路交通安全态势评估方法研究", 城市道桥与防洪, pages 2 - 4 * |
杨亚莉 等: "城市道路交通安全评价体系架构研究", 公路工程, no. 01 * |
胡启洲 等: "基于多维联系数的城市交通安全态势监控模型", 中国安全科学学报, no. 10 * |
胡启洲 等: "基于多维联系数的城市路网交通拥堵态势监控模型", 中国公路学报, no. 06 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112070286B (zh) | 复杂地形流域的降水预报预警*** | |
Coughlan | Monitoring drought in Australia | |
CN108572905B (zh) | 一种基于分布式计算的监控方法及*** | |
CN109409713B (zh) | 基于贝叶斯模型和三倍标准差准则的道路网络评估方法 | |
CN111523699A (zh) | 一种基于综合状态健康度的架空线路故障概率预测方法 | |
CN111259334A (zh) | 一种工业企业大用户用水异常监测预警方法 | |
CN103810532B (zh) | 优化城市排水***运行状况的方法 | |
CN114202103A (zh) | 一种基于机器学习的节假日景区客流预测方法 | |
CN106680442A (zh) | 一种用于水环境风险预警的阈值计算方法 | |
CN109360415A (zh) | 一种道路交通流异常数据识别方法 | |
CN114971418A (zh) | 基于道路养护的数据的智能管理*** | |
CN116307673A (zh) | 一种用于城市生命线的地下管网交互风险预警*** | |
CN114565210A (zh) | 一种基于故障树分析的城市轨道交通风险评估方法及*** | |
CN113222368B (zh) | 一种基于雨水花园监测数据的雨洪预警方法 | |
CN113946796A (zh) | 一种基于条件概率高时空分辨率的干旱传播时间计算方法 | |
CN108108665B (zh) | 一种基于多变量的燃气调压器安全预警方法 | |
CN114360251A (zh) | 一种基于影响交通安全多维度综合交通安全指数计算方法 | |
Thomas et al. | Variations in urban traffic volumes | |
CN112200399A (zh) | 一种地震成灾风险评估和经济损失预测方法 | |
CN108920655B (zh) | 一种道路天气信息***时空覆盖范围量化方法及装置 | |
CN113704317B (zh) | 一种基于交通事故特征分析的事故黑点预测方法 | |
CN113191568B (zh) | 基于气象的城市运行管理大数据分析预测方法和*** | |
CN112488360B (zh) | 基于人工智能的配变异常分析预警方法 | |
CN114386204A (zh) | 基于灰色模型的电网夏季空调负荷峰值精细化预测方法及*** | |
CN112598238B (zh) | 一种城市特种车辆服务真空区域智能识别方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230519 Address after: Room 1002C, 10th Floor, No. 7 Xueyuan Road, Haidian District, Beijing, 100083 Applicant after: CENNAVI TECHNOLOGIES Co.,Ltd. Address before: Room 4106, Maike business center, 12 Jinye Road, Zhangba Street office, high tech Zone, Xi'an City, Shaanxi Province, 710000 Applicant before: Shaanxi Century High Tech Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220415 |