[发明专利]公路安全风险感知模型训练方法、系统及应用方法、系统

权利要求书

1.一种公路安全风险感知模型训练方法，其特征在于，所述训练方法包括：

基于卷积神经网络构建公路安全风险感知模型；

获取高速数据，所述高速数据包括高速公路路网数据、高速公路ETC收费门架数据，高速公路历史事故数据；

根据所述高速数据，将两个ETC收费门架之间的路段按照车辆不同的行驶方向划分为上行路段单元和下行路段单元，并确定每一所述上行路段单元和每一所述下行路段单元的道路特征风险指标和交通流特征风险指标；所述道路特征风险指标包括车道数、路段单元的长度、路段单元的线性曲率和路段单元的类型；所述交通流特征风险指标包括到达交通量、离去交通量、所处路段单元的平均速度、所处路段单元的速度标准差、所处路段单元的交通密度和所处路段单元的大车比；

确定每一组路段单元的安全等级评价指标；所述每一组路段单元包括由所述上行路段单元、所述上行路段单元的上游路段单元和所述上行路段单元的下游路段单元组成的单元，和由所述下行路段单元、所述下行路段单元的上游路段单元和所述下行路段单元的下游路段单元组成的单元；所述安全等级评价指标为预警状态和安全状态；

将所述每一组路段单元中各路段单元的道路特征风险指标和交通流特征风险指标输入所述公路安全风险感知模型；

根据所述公路安全风险感知模型的输出和所述每一组路段单元对应的安全等级评价指标，确定损失函数；

根据所述损失函数优化所述公路安全风险感知模型中的参数，以对所述公路安全风险感知模型进行训练，得到训练好的公路安全风险感知模型。

2.根据权利要求1所述的一种公路安全风险感知模型训练方法，其特征在于，所述训练方法还包括：

对所述高速数据进行预处理；所述预处理包括对所述高速公路ETC收费门架数据进行异常筛选和去重，对所述高速公路历史事故数据仅保留碰撞、追尾和刮擦事故形态的记录数据，剔除车辆故障类、货物洒落类或记录信息不全类的事故数据。

3.根据权利要求1所述的一种公路安全风险感知模型训练方法，其特征在于，所述高速公路路网数据包括：高速公路路段详细线型、经纬度信息、车道数、车道宽度和道路曲率；

所述高速公路ETC收费门架数据包括：ETC收费门架经度、ETC收费门架纬度、车牌识别流水号、车牌类型、ETC收费门架编号、车辆计费时间、车辆计费金额、入口车道类型、入口路段名称、路段编码、ETC收费门架方向和通行标识ID；

所述高速公路历史事故数据包括：高速公路的历史事故类型、事故编号、历史事故严重程度、历史事故发生时间、历史事故发生位置和历史事故持续时间。

4.根据权利要求1所述的一种公路安全风险感知模型训练方法，其特征在于，所述损失函数的计算方式如下：

式中，i为路段单元，N为总路段单元，p_i为预测的可能性，y_i为相应数据的标签。

5.一种公路安全风险感知模型应用方法，其特征在于，所述应用方法包括：

获取目标路段单元、目标路段单元的上游路段单元和目标路段单元的下游路段单元的道路特征风险指标和交通流特征风险指标；所述道路特征风险指标包括车道数、路段单元的长度、路段单元的线性曲率和路段单元的类型；所述交通流特征风险指标包括到达交通量、离去交通量、所处路段单元的平均速度、所处路段单元的速度标准差、所处路段单元的交通密度和所处路段单元的大车比；

将所述目标路段单元、目标路段单元的上游路段单元和目标路段单元的下游路段单元的道路特征风险指标和交通流特征风险指标输入公路安全风险感知模型，得到所述目标路段单元对应的安全等级评价指标；所述公路安全风险感知模型为根据权利要求1所述的公路安全风险感知模型训练方法训练好的模型。