[发明专利]一种基于数据挖掘的道路运输安全风险实时评估方法

权利要求书

1.一种基于数据挖掘的道路运输安全风险实时评估方法，其特征在于，安全风险评估值是基于如下模型计算的：

R＝P·M (1)

R为安全风险评估值，P为风险源或事故发生的概率评价指数，M为风险源或事故可能造成的损害后果严重性评价指数，“·”表示乘积关系；

其中，对于P和M值的获取采取如下方法：

步骤1：构建基础道路运输安全风险源清单和/或事故状态清单；

步骤2：数据获取；

步骤3：数据预处理：首先对步骤2获取的数据清理、去停用词；然后添加步骤1构建的风险源清单和/或事故状态清单；然后进行文本分词；

步骤4：近义词替换：对步骤3得到的文本词条进行近义词识别，并按风险源清单中词条和/或事故状态清单中词条表述进行替换；

步骤5：风险源或事故的动态辨识：利用TF-IDF算法对步骤4得到的文本数据进行风险源和/或事故状态挖掘，计算文本中的TF值、IDF值以及TF-IDF值，提取TF-IDF值明显偏大，且TF值偏高、IDF值偏低的风险源和/或事故状态，加入到风险源清单和/或事故状态清单中予以更新；

其中，TF值即公式(1)中的M值；

步骤6：构建因果提示词清单和因果句子结构清单；

步骤7：“事故链”提取：将步骤4得到的文本进行句子切分，删除不含在步骤6因果提示词清单的句子，再输入步骤5得到的风险源清单和/或事故状态清单，迭代抽取句子中存在因果关系的风险源和/或事故状态；再根据步骤6的因果句子结构清单挖掘出道路运输安全风险“事故链”集I＝{I₁,…,I_r,…,I_s}(r＝1,2,…,s)，I_r表示第r条事故链，s表示事故链总数；

步骤8：风险源和/或事故状态相关性挖掘：通过Apriori算法对步骤7得到的事故链进行关联性挖掘，其中事故链中风险源F_i与事故状态S_j关联成立的置信度即为公式(1)中的P值，所述置信度值指在满足关联规则下，事故链中F_i发生的条件下，S_j出现的概率。

2.根据权利要求1的基于数据挖掘的道路运输安全风险实时评估方法，其特征在于，步骤3中，数据清理包括对获取的文本数据中部分缺失值进行去除处理，对重复文本进行单份保存处理；去停用词指的是去除不包含或包含极少语义的词。

3.根据权利要求1的基于数据挖掘的道路运输安全风险实时评估方法，其特征在于，步骤4中，近义词识别方法是：用改进的汉明距离计算步骤3得到的词条和风险源清单中风险源词条的相似度，设置相似度阈值，若两个词条相似度大于等于阈值，则认为两词为近义词；改进的汉明距离定义为：不同长度的字符串中相同字符的个数。

4.根据权利要求1的基于数据挖掘的道路运输安全风险实时评估方法，其特征在于，步骤5中，将某个数据文本d的总词数记为c(d)，某个风险源F_i在该文本中出现的次数记为c(i)，则风险源F_i在该段文本中的TF值为：

设采集全部文本总数为D，出现风险源F_i的文本总数为n，则风险源F_i的IDF值为：

TF-IDF值为：

(TF-IDF)_i＝TF_i×IDF_i (4)。