[发明专利]交通高危人员重点监测对象识别方法和智能决策系统

摘要

本发明提供一种交通高危人员重点监测对象识别方法和智能决策系统，进行交通参与者的危险度预测；确定样本积累阶段起止时间与观测期时间窗口长度；对获得的该间隔内的危险度预测结果进行全样本分类，生成观测样本；收集观测样本在其对应的观测期内的交通事故发生时间；生成最终的分析样本，进行生存分析，识别累计生存率下降值超过阈值的最小分析样本值，将对应的样本选取方式作为该持续观察时效内交通高危人员重点观察目标确定方式或结束本流程。本发明通过数据分析手段从交通高危人员群体识别重点关注目标对象，为具有针对性的交通参与者行为跟踪、交通安全源头管理等交通安全预控措施的实施提供数据支撑和决策支持。

主权项

1.一种交通高危人员重点监测对象识别方法，其特征在于：包括以下步骤，S1、获取交通参与者的交通行为数据，根据预测时间间隔τ，由交通参与者危险度预测模型得到人员的危险度预测结果；S2、确定样本积累阶段起止时间[ts,te]，其中ts、te分别为样本积累起止时间，观测期时间窗口长度TM；S3、在样本积累阶段，按指定间隔从所有危险度预测结果中抽取观测样本；对于第i个时间间隔，i初始值为1，对步骤S1获得的该间隔内的危险度预测结果进行全样本分类，类别能够表征人员危险程度；S4、根据各时间间隔内的人员类别划分情况，生成观测样本，观测样本空间其中为第i个时间间隔内的第u类样本空间；为第i个时间间隔内的第j个观测样本空间，j的最大数值m自行拟定，不超过最大分类数；S5、收集观测样本在其对应的观测期[t,t+TM]内的交通事故发生时间间隔其中t＝t_s+i·τ，中的数据样本rt的值为观测期内首次事故的发生时间间隔，即观测期内该样本的首次事故发生日与观测期开始时间t之间的时长；S6、若i＜n，则i＝i+1，返回步骤S3循环；否则，进入步骤S7；其中，n为样本积累时段内的时间间隔数；S7、根据各时间间隔内的样本事故发生时间，生成最终的分析样本其中j＝1,2,…,m；对此m个样本空间逐一进行生存分析，获得生存函数s_j，并绘制累计生存曲线；S8、分析不同样本的累计生存曲线变化趋势，设定累计生存率变化阈值F，从RTj对应的生存函数sj中识别累计生存率下降值超过阈值F的样本构成RTj’，；设定观察时效OT，该参数表征未来该时间段内存在事故易发人群；检测是否存在事故时间间隔样本满足条件：rt＝min(RTj')且rt＜OT，若存在，则对应的j类样本的选取方式作为该观察时效内对应的交通高危人员重点观察目标确定方式；否则，无法获得目标对象；结束本流程。