[发明专利]城市道路交通安全关键风险识别方法、装置及电子设备

权利要求书

1.一种城市道路交通安全关键风险识别方法，其特征在于，包括：

获取城市道路交通安全的风险因素数据，根据所述风险因素数据建立邻接矩阵；

根据所述邻接矩阵构建复杂网络模型，获取所述复杂网络模型中各节点的网络统计特征,其中,所述各节点与所述风险因素一一对应；

根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据。

2.根据权利要求1所述的城市道路交通安全关键风险识别方法，其特征在于，根据所述风险因素数据建立邻接矩阵，具体包括：

获取所述风险因素数据间的方差显著性水平和Pearson相关系数，根据所述风险因素数据间的方差显著性水平和Pearson相关系数判断所述风险因素数据间的相关性，根据风险因素数据间的相关性建立邻接矩阵。

3.根据权利要求2所述的城市道路交通安全关键风险识别方法，其特征在于，根据所述风险因素数据间的方差显著性水平和Pearson相关系数判断所述风险因素数据间的相关性，具体包括：

若所述风险因素数据间的方差显著性水平的值小于或者等于设定预值且Pearson相关系数为正值时,则所述风险因素数据间具有相关性。

4.根据权利要求1所述的城市道路交通安全关键风险识别方法，其特征在于，所述复杂网络模型中各节点的网络统计特征包括各节点的度值、接近度中心性值及介数中心性值。

5.根据权利要求4所述的城市道路交通安全关键风险识别方法，其特征在于，根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据，具体包括：

当获取所述复杂网络模型中各节点的任意一个网络统计特征时，根据获取的所述网络统计特征，获取城市道路交通安全的关键风险因素数据；

当获取所述复杂网络模型中各节点的两个或者三个网络统计特征时，利用所述各节点的网络统计特征形成攻击策略，对所述复杂网络模型进行攻击，根据攻击结果获取城市道路交通安全的关键风险因素数据。

6.根据权利要求5所述的城市道路交通安全关键风险识别方法，其特征在于，当获取所述复杂网络模型中各节点的任意一个网络统计特征时，根据获取的所述网络统计特征，获取城市道路交通安全的关键风险因素数据，具体包括：

根据所述获取的网络统计特征值的大小获取城市道路交通安全的关键风险因素数据。

7.根据权利要求5所述的城市道路交通安全关键风险识别方法，其特征在于，当获取所述复杂网络模型中各节点的两个或者三个网络统计特征时，利用所述各节点的网络统计特征形成攻击策略，对所述复杂网络模型进行攻击，根据攻击结果获取城市道路交通安全的关键风险因素数据，具体包括：

当获取所述复杂网络模型中各节点的两个或者三个网络统计特征时，利用所述各节点的度值、接近度中心性值及介数中心性值形成度值攻击、接近度中心性值攻击及介数中心性值攻击的攻击策略；

采用所述攻击策略中任意两个或者三个对所述复杂网络模型分别进行攻击，得到两个或者三个网络全局效率的变化量；

比较所述两个或者三个网络全局效率的变化量的大小，以变化量最大时对应的网络统计特征作为关键风险特征，根据各节点的关键风险特征值的大小获取城市道路交通安全的关键风险因素数据。

8.一种城市道路交通安全关键风险识别装置，其特征在于，包括数据获取模块、网络构建模块及风险识别模块；

所述数据获取模块，用于获取城市道路交通安全的风险因素数据，根据所述风险因素数据建立邻接矩阵；

所述网络构建模块，用于根据所述邻接矩阵构建复杂网络模型，获取所述复杂网络模型中各节点的网络统计特征,其中,所述各节点与所述风险因素一一对应；

所述风险识别模块，用于根据所述各节点的网络统计特征，获取城市道路交通安全的关键风险因素数据。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一所述的城市道路交通安全关键风险识别方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现如权利要求1-7任一所述的城市道路交通安全关键风险识别方法。