[发明专利]一种基于贝叶斯联合模型量化径路安全水平的方法

说明书

技术领域

本发明涉及一种量化径路安全水平的方法，特别涉及一种基于贝叶斯联合模型量化径路安全水平的方法。

背景技术

径路是指交通网络上任意一OD点对之间，从发生点到吸引点一串连通的路口、路段的有序排列。在现实生活中，当驾车从一个地方出发到另一地方去，通常存在许多不同的出行路径。在选择路径时，主要考虑路径的出行距离、旅行时间等因素。然而，随着我国城市化、机动化水平的不断提升，道路上的事故发生几率也在随之提升，道路交通安全成为了一项十分重要的社会、经济问题。同时，在出行过程中，对于所选路径的安全水平，也受到了人们越来越多的重视，尤其是在偏远山区等道路条件非常复杂的地区更是如此。

对于道路实体的事故预测研究已经开展了数十年，最基本的模型是泊松模型，其假定各个观测是相互独立的且事故数均值等于方差。为了处理观测中通常存在的过度离散、时空关联和异质性等问题，先后提出了负二项、泊松-对数正态、零膨胀模型、马尔科夫转换模型、随机效应、随机参数和多层模型等。另外，一些人工智能模型如神经网络、贝叶斯神经网络和支持向量机等具有更好的非线性拟合的特点。

对于路网中各路段、交叉口的事故频率预测，已有研究表明，解释相邻道路实体事故数据间的空间相关性可以获得更好的安全评价结果。但现有模 型则以总事故数为预测对象，忽略了对事故严重性的考虑。除事故频率外，事故严重性是评价道路交通安全水平的另一重要指标。在对事故严重性和事故频率联合建模时，解释各严重性事故频率间的相关性同样可显著地提高模型的拟合、预测性能。

发明内容

为了解决目前道路事故预测不准确的技术问题，本发明根据道路交通安全分析的基本思想，针对出行道路交通网络中各道路实体的事故数据特点，构建了路口-路段分严重性事故频率联合预测模型，并以此计算评价出行路径安全性的量化指标。

为了实现上述技术目的，本发明的技术方案是，

一种基于贝叶斯联合模型量化径路安全水平的方法，包括以下步骤：

步骤一：搜集路网上各路段、交叉口的历史事故数据，以及路网上各路段、交叉口交通、道路特征属性；

步骤二：将步骤一中得到的数据代入至路口-路段不同严重性事故频率贝叶斯联合预测模型中，

P(Yikt=yikt)=λiktyikte-λiktyikt!,i=1,2,···,M,t=1,2,···,T,k=1,2,···,K,yikt=0,1,2,3,···,]]>