[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

说明书

本发明涉及一种城市道路交通安全关键风险识别方法、装置、电子设备及计算机可读存储介质，所述方法包括：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。本发明提供的城市道路交通安全关键风险识别方法，提高了城市道路交通安全关键风险因素的识别效率和准确率。

技术领域

本发明涉及安全风险技术领域，尤其涉及一种城市道路交通安全关键风险识别方法、装置、电子设备及计算机可读存储介质。

背景技术

城市道路交通是指供城市内车辆与行人交通使用，提供人们工作、生活、文化娱乐活动出行，担负着市内各区域通达并与城市对市外交通相连的道路的总称。城市道路交通安全因素涉及方方面面,如驾驶员安全意识薄弱就有可能导致酒后驾驶、超速行驶、违章超载等危险行为的发生,造成人员伤亡或者财产损失如果不能对关键风险进行及时有效的识别，并对识别到的风险采取防范措施，将造成严重后果。

现有技术中对城市道路交通安全关键风险因素的识别即对城市道路交通安全风险因素中的关键风险因素的识别主要依靠专家主观分析，具有主观性并会耗费大量时间，因此,仅凭专家的主观分析,识别城市道路交通安全关键风险因素是不准确且耗时的。

发明内容

有鉴于此，有必要提供一种城市道路交通安全关键风险识别方法、装置、电子设备及计算机可读存储介质，用以解决现有技术中识别城市道路交通安全关键风险因素效率低及准确率低的技术问题。

为了解决上述问题，本发明提供一种城市道路交通安全关键风险识别方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。