基于时空气象网格的交通事故发生率预测方法

摘要

本发明提供一种基于时空气象网格的交通事故发生率预测方法，包括如下步骤：收集汇总交通历史数据；分析交通运行特征分布；通过对交通气象数据的全面分析，找出道路气象环境关键特征、各类特征的空间和时间分布情况等步骤；该方法具有的优点如下：研究在高原地区复杂的地形条件下，分析高原道路运行关键特征、各类特征的时空分布，建立公路交通事故与时空网格气象要素之间的网格化关联模型，研究公路交通气象灾害类型、主要致灾气象因子、影响程度和气象灾害阈值，研究基于智能网格预报的高原地区交通气象网格化预警预报技术方法。

说明书

技术领域

本发明具体涉及一种基于时空气象网格的交通事故发生率预测方法。

背景技术

气象灾害给人类社会造成严重威胁,为了应对各类气象灾害,减少灾害损失,气象灾害的研究越来越受到各国政府与科学界的高度重视。气象灾害分布的区域差异是灾害地理学的基本规律,时空特征是灾害地理学研究的基本视角,气象灾害的时空统计规律是灾害地理学研究的新命题,灾害风险评价是有效进行灾害防御的重要基础。因此,基于灾害统计理论的灾害时空变化规律、灾害趋势判断和灾害风险评价的研究,既有助于为灾害地理的研究开拓新的领域,更有利于化解灾害风险,减少灾害损失,具有重要意义。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于时空气象网格的交通事故发生率预测方法，该基于时空气象网格的交通事故发生率预测方法可以很好地解决上述问题。

为达到上述要求，本发明采取的技术方案是：提供一种基于时空气象网格的交通事故发生率预测方法，该基于时空气象网格的交通事故发生率预测方法包括如下步骤：

S1：收集汇总交通历史数据；

S2：分析交通运行特征分布；

S3：以道路基础数据为基础，进行道路基础设施特征分类分析，并采取空间网格化方式，进行特征空间分布分析，形成道路基础设施特征空间分布数据库和分布图；

S4：以全时段交通历史数据为基础，进行道路运行特征分类分析；

S5：分别从网格化空间和时间两个维度，开展特征分布分析，综合形成道路运行特征的时空分布数据库和分布图；

S6：对道路基础设施特征空间分布数据库和分布图、运行特征的时空分布数据库和分布图进行融合关联分析，形成道路综合运行特征时空分布数据库、分布图和关联数据库、关联图；

S7：通过对交通气象数据的全面分析，找出道路气象环境关键特征、各类特征的空间和时间分布情况；

S8：融合道路综合运行特征时空分布数据库、分布图和关联数据库、关联图和气象环境特征时空分布数据库、分布图进行关联性分析。

该基于时空气象网格的交通事故发生率预测方法具有的优点如下：

本项目的主要目标是研究在高原地区复杂的地形条件下，分析高原道路运行关键特征、各类特征的时空分布，建立公路交通事故与时空网格气象要素之间的网格化关联模型，研究公路交通气象灾害类型、主要致灾气象因子、影响程度和气象灾害阈值，研究基于智能网格预报的高原地区交通气象网格化预警预报技术方法。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示意性地示出了根据本申请一个实施例的基于时空气象网格的交通事故发生率预测方法的流程示意图。

图2示意性地示出了根据本申请一个实施例的基于时空气象网格的交通事故发生率预测方法的多要素对交通事故的作用机理示意图。

图3示意性地示出了根据本申请一个实施例的基于时空气象网格的交通事故发生率预测方法的川西高原公路网格化时空预测模型示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。

在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。

为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。

针对现有问题，目前具有如下技术难点：

1、从粗粒度的整条高速公路分析进不到网格化时空气象要素关联分析：

对于交通事故和气象要素的相关关系，可能是线性的，也可能是非线性的，确定用哪种方法来计算相关系数是一个关键。影响川西高原公路气象的要素很多，目前的气象预测研究，还难以有效地判断，哪些要素是影响川西高原公路气象的关键核心因素。一些研究成果虽然给出了一些参考的重点要素，例如地面温度、湿度、气压等，但是这些要素仅仅局限于特殊的应用环境，在不同的应用环境中，差异性很大。国内外以往的研究为了简化分析的难度，通常将一条公路的气象条件的平均值代替整条公路所有段的气象值。由于平均值的代表性很差，导致这种大尺度分析的效果很差，构建出的模型的拟合能力不理想。

2、在非对称样本情况下提高交通事故与时空气象要素之间的数据分析回归精度

影响交通事故的因素有很多，气象因素只是其中一个方面，并且气象要素与时间空间结合分析，才能确定特点公路区段气象对交通事故的影响。如何剔除其他因素的影响，建立不同气象灾害的阈值是一个技术难点。为了增强SVM算法在这种状况下的回归性能，在本项目中创新地使用了分段SVM回归的方法，具体方法是：

(1)针对地形变化特殊分段，对少数样本进行过抽样，使得抽样后的样本数目密度增加，从而提高其在整个回归中的敏感性。其中过抽样又分为两种：一种是随机重取样，另一种是集中重取样。随机重取样就是对少数类样本进行随机重复；集中重取样是对少数类样本进行选择性重复，只选择那些处于少数类与多数类边界之间的值进行重复。

(2)对于特殊地形区域，生成新的SVM回归模型，进行单独的回归，从而提高这一区域的拟合效果。

根据本申请的一个实施例，提供一种基于时空气象网格的交通事故发生率预测方法，如图1-3所示，包括如下步骤：

S1：收集汇总交通历史数据；

S2：分析交通运行特征分布；

S3：以道路基础数据为基础，进行道路基础设施特征分类分析，并采取空间网格化方式，进行特征空间分布分析，形成道路基础设施特征空间分布数据库和分布图；

S4：以全时段交通历史数据为基础，进行道路运行特征分类分析；

S5：分别从网格化空间和时间两个维度，开展特征分布分析，综合形成道路运行特征的时空分布数据库和分布图；

S6：对道路基础设施特征空间分布数据库和分布图、运行特征的时空分布数据库和分布图进行融合关联分析，形成道路综合运行特征时空分布数据库、分布图和关联数据库、关联图；

S7：通过对交通气象数据的全面分析，找出道路气象环境关键特征、各类特征的空间和时间分布情况；

S8：融合道路综合运行特征时空分布数据库、分布图和关联数据库、关联图和气象环境特征时空分布数据库、分布图进行关联性分析。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法中步骤S1：收集汇总交通历史数据，具体包括针对各道路收集汇总道路基础数据和全时段交通历史数据。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法中的所述道路基础数据和全时段交通历史数据包括全路桥、隧、路面、海拔高度、附属设施等基础数据，全时段的全车型流量数据、道路阻断数据，交通事故数据，地质灾害数据交通历史数据。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法中步骤S2：分析交通运行特征分布，具体包括针对研究样本道路，以道路基础数据和历史数据为基础，进行道路交通运行特征分布分析。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法还包括如下步骤：

S9：形成道路加气象运行特征时空分布数据库、分布图和关联数据库、关联图。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法还包括如下步骤：利用气象站实时观测数据，结合气象监测站网观测数据，运用i-score主成分分析方法，在高原公路气象预测中，加入了扩展区域成分因素作为附加的主元素，主元素的选择以i-score自动分析结果为判据，从而综合应用了气象数据为高原公路气象预测提供支撑。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法还包括如下步骤：利用高原公路交通气象灾害类型、主要致灾气象因子、影响程度和灾害阈值，制定高原公路交通气象服务标准和流程。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法还包括如下步骤：将不同气象条件下，不同区域的高原公路发生交通事故的风险由高到低分成不同的级别，并根据天气预报，做出行车安全预警。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法具体描述如下：

1.构建时空特征数据库

基于通过对交通历史数据的全面分析，找出道路运行关键特征、各类特征的空间和时间分布情况以及期间的时空关联情况。

(1)收集汇总交通历史数据。分别针对雅西高速、雅康高速、国道318和国道317等研究样本道路，收集汇总道路基础数据和全时段交通历史数据。包括：全路桥、隧、路面、海拔高度、附属设施等基础数据，全时段的全车型流量数据、道路阻断数据，交通事故数据，地质灾害数据等交通历史数据。

(2)分析交通运行特征分布。分别针对雅西高速、雅康高速、国道318和国道317等研究样本道路，以道路基础数据和历史数据为基础，进行道路交通运行特征分布分析。以道路基础数据为基础，进行道路基础设施特征分类分析，并采取空间网格化方式，开展特征空间分布分析，形成道路基础设施特征空间分布数据库和分布图。以全时段交通历史数据为基础，进行道路运行特征分类分析。分别从网格化空间和时间两个维度，开展特征分布分析，综合形成道路运行特征的时空分布数据库和分布图。对道路基础设施特征空间分布数据库和分布图、运行特征的时空分布数据库和分布图进行融合关联分析，形成道路综合运行特征时空分布数据库、分布图和关联数据库、关联图。

(3)通过对交通气象数据的全面分析，找出道路气象环境关键特征、各类特征的空间和时间分布情况。融合道路综合运行特征时空分布数据库、分布图和关联数据库、关联图和气象环境特征时空分布数据库、分布图进行关联性分析。形成道路+气象运行特征时空分布数据库、分布图和关联数据库、关联图。

2.研究基于智能网格预报的高原地区交通气象精细化预警预报技术方法

充分利用四川省气象服务中心已经掌握的全省自动气象站实时观测数据，结合川西高原公路气象监测站网观测数据，运用i-score主成分分析方法，在整个川西高原公路气象预测中，加入了扩展区域成分因素作为附加的主元素，主元素的选择以i-score自动分析结果为判据，从而综合应用了全省气象数据为川西高原公路气象预测提供支撑，提高了预测分析的客观性、准确性。

对川西高原公路的交通事故的影响要素，有地形地貌、气象要素、道路情况、时间因素等，这些要素对交通事故的作用机理如下分析所示：

下表为交通事故的影响要素与公路交通的作用机理分析

3.制定川西高原公路交通气象服务标准和服务流程

利用前面研究出的川西高原公路交通气象灾害类型、主要致灾气象因子、影响程度和灾害阈值，从交通部门管理实际工作出发，制定川西高原公路交通气象服务标准和服务流程。

将不同气象条件下，不同区域的川西高原公路发生交通事故的风险由高到低分成不同的级别，各个级别的风险指数对应的交通事故发生的可能性的不同。风险指数确定以后，再根据天气预报，做出行车安全预警。系统的工作模型如下如图3所示。

本方法高原公路安全行车气象风险指数研究了气象灾害对交通事故的影响，并将气象要素对安全行车的影响划分等级，并根据天气预报，进行行车安全预警，不仅对公众的出行提供参考，降低交通事故发生的风险，减少生命财产损失，也对交通管理部门提供决策依据，提高川西高原公路管理的水平。此外，本项目的研究基于大数据分析与时间、空间、气象要素网格化时空模型，充分使用了时空模型的数据拟合与回归模型，对每一条公路的气象灾害风险分析提供了数据分析。本项目的应用，就一条公路而言，可以定期分析确定交通气象风险规律；就区域而言，可复制推广到各条公路，定期形成区域(川西高原)全面的风险库(风险时空图)；就全省路网看，可复制推广到各区域所有路，定期形成全省风险库(风险时空图)。本项目的研究方法也可以推广至全国路网。

根据本申请的一个实施例，该基于时空气象网格的交通事故发生率预测方法

以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。