本發(fā)明涉及交通安全
技術(shù)領(lǐng)域：
，尤其是涉及一種基于風險評估模型的交通事故發(fā)生概率獲取方法。
背景技術(shù)：
：隨著我國經(jīng)濟的高速增長，高速公路、快速道路等公共交通基礎(chǔ)設(shè)施也得到了快速發(fā)展，在帶來高效、快捷、方便的同時，也帶來了諸如交通事故增加等負面影響，并且隨著經(jīng)濟社會發(fā)展、汽車保有量和道路通車里程的增加，這一情況會變得越來越嚴峻。傳統(tǒng)的道路交通安全研究主要集中在兩個方面，一方面從道路安全審計的角度出發(fā)基于運營統(tǒng)計數(shù)據(jù)從道路線形指標、道路環(huán)境、運行車速等方面獲取高速公路、快速道路等的交通事故發(fā)生概率，對其交通安全進行評估并提出改善對策；另一方面利用微觀仿真對高速公路、快速道路等的行車狀況進行模擬，研究車輛跟馳、變道等行為與交通事故發(fā)生概率之間的關(guān)系。雖然上述兩個方面的道路交通安全研究均有助于提高高速公路、快速道路等的交通安全性能，降低交通事故發(fā)生概率，但卻不能實時獲取高速公路、快速道路等的交通事故發(fā)生概率，對其交通安全進行實時評估和預警。技術(shù)實現(xiàn)要素：本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種實時準確、普遍適用、計算快速的基于風險評估模型的交通事故發(fā)生概率獲取方法及系統(tǒng)。本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：一種基于風險評估模型的交通事故發(fā)生概率獲取方法，用以實時獲取監(jiān)測路段的交通事故發(fā)生概率，該方法包括以下步驟：1)根據(jù)預先設(shè)定的多個事故預測指標變量與交通事故發(fā)生概率的關(guān)系構(gòu)建交通事故風險評估模型；2)根據(jù)監(jiān)測路段在發(fā)生交通事故前后的交通流數(shù)據(jù)對交通事故風險評估模型的參數(shù)進行標定，獲取標定后的交通事故風險評估模型；3)實時獲取或者每隔設(shè)定時間獲取監(jiān)測路段的交通流數(shù)據(jù)確定各個事故預測指標變量的具體數(shù)值；4)根據(jù)各個事故預測指標變量的具體數(shù)值和標定后的交通事故風險評估模型獲取監(jiān)測路段的實時交通事故發(fā)生概率。所述的步驟1)中，交通事故風險評估模型為：P=er0+Σi=1nriRi1+er0+Σi=1nriRi]]>其中，P為交通事故發(fā)生概率，r0為待標定的常量，ri為待標定的一個事故預測指標變量的參數(shù)，Ri為ri所對應的事故預測指標變量，且事故預測指標變量Ri與交通事故發(fā)生概率P正相關(guān)時，ri為正值，事故預測指標變量Ri與交通事故發(fā)生概率P負相關(guān)時，ri為負值，n為預先確定的事故預測指標變量的個數(shù)。所述的步驟2)具體包括以下步驟：21)從發(fā)生在監(jiān)測路段的交通事故中選取至少一個交通事故作為樣本交通事故，以每個樣本交通事故的事故發(fā)生當日為基準日，分別在基準日前后選取間隔相同天數(shù)的至少一個日期作為對比日；22)設(shè)定每個樣本交通事故在基準日事故發(fā)生時刻前的多個連續(xù)時間段為測試時間段；23)獲取每個樣本交通事故在基準日測試時間段內(nèi)的交通流數(shù)據(jù)作為事故樣本交通流數(shù)據(jù)，并將每個事故樣本交通流數(shù)據(jù)的具體數(shù)值作為事故樣本具體值24)獲取每個樣本交通事故在所有對比日測試時間段內(nèi)的交通流數(shù)據(jù)作為事故對照組樣本交通流數(shù)據(jù)，并將每個對照組樣本交通流數(shù)據(jù)的具體數(shù)值作為事故對照組樣本具體值；25)根據(jù)每個樣本交通事故的事故樣本具體值和事故對照組樣本具體值采用向后步進似然比方法迭代并篩選出交通事故風險評估模型的參數(shù)的標定值，并根據(jù)標定值獲取標定后的交通事故風險評估模型。事故樣本交通流數(shù)據(jù)和事故對照組樣本交通流數(shù)據(jù)的選擇比例為1:4。所述的預測指標變量包括監(jiān)測路段各個車道的交通流量矩陣、車輛速度矩陣和車頭間距矩陣對應的矩陣特征值、平均值和均方差。所述的交通流量矩陣T流量為：其中，Qtmn為tm時間段內(nèi)監(jiān)測路段的第n條車道的交通流量；所述的車輛速度矩陣T速度為：其中，Vtmn為tm時間段內(nèi)監(jiān)測路段的第n條車道的車輛速度；所述的車頭間距矩陣T間距為：其中，Stmn為tm時間段內(nèi)監(jiān)測路段的第n條車道的車頭間距。該方法還包括以下步驟：5)判斷交通事故發(fā)生概率是否超出設(shè)定的概率閾值，若是，則發(fā)出報警信號，若否，則返回步驟4)。一種交通事故發(fā)生概率獲取系統(tǒng)，該裝置包括：流量采集裝置：設(shè)有多個，分別設(shè)置在各個監(jiān)測路段上，用以采集各個監(jiān)測路段的交通流數(shù)據(jù)；處理裝置：用以實時獲取或每隔預設(shè)時間獲取流量采集裝置采集到的交通流數(shù)據(jù)，并且進行標定和計算，獲取實時交通事故發(fā)生概率并進行判斷是否需要報警；報警裝置：獲取處理裝置生成的報警信號并進行報警。所述的處理裝置包括：評估模型建立單元：用以構(gòu)建監(jiān)測路段交通事故風險評估模型；標定單元：用以根據(jù)監(jiān)測路段在發(fā)生交通事故前后的交通流數(shù)據(jù)對交通事故風險評估模型的參數(shù)進行標定，獲取標定后的交通事故風險評估模型；當前值確定單元：用以根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)確定各個事故預測指標變量的當前的具體數(shù)值；概率獲取單元：用于根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型獲取監(jiān)測路段當前的交通事故發(fā)生概率。提示單元：用于在當前的交通事故發(fā)生概率超出預設(shè)交通事故發(fā)生概率時發(fā)出報警信號。所述的標定單元包括：日期選取子單元：用以根據(jù)樣本交通事故的基準日選取多個對比日期；事故樣本交通流數(shù)據(jù)獲取子單元：用以獲取事故發(fā)生當日每個樣本交通事故在測試時間段內(nèi)的交通流數(shù)據(jù)作為事故樣本交通流數(shù)據(jù)；事故對照組樣本交通流數(shù)據(jù)獲取子單元：用以獲取每個對比日期下在測試時間段內(nèi)的交通流數(shù)據(jù)作為事故對照組樣本交通流數(shù)據(jù)；事故樣本具體值獲取子單元：用以根據(jù)每個樣本交通事故的事故樣本交通流數(shù)據(jù)獲取事故發(fā)生日該樣本交通事故在測試時間段內(nèi)所對應的各個事故預測指標變量的具體數(shù)值作為事故樣本具體值；事故對照組樣本具體值獲取子單元：用以根據(jù)每個樣本交通事故的事故樣本交通流數(shù)據(jù)所對應的事故對照組樣本交通流數(shù)據(jù)獲取每個對比日期下測試時間段內(nèi)所對應的各個事故預測指標變量的具體數(shù)值作為事故對照組樣本具體值；標定值獲取子單元：用以根據(jù)每個樣本交通事故的事故樣本具體值和事故對照組樣本具體值獲取交通事故風險評估模型的參數(shù)的標定值，并根據(jù)標定值獲取標定后的交通事故風險評估模型。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：一、實時準確：本發(fā)明根據(jù)預先設(shè)定的多個事故預測指標變量與交通事故發(fā)生概率的相關(guān)關(guān)系建立用于獲取監(jiān)測路段交通事故發(fā)生概率的交通事故風險評估模型，并根據(jù)監(jiān)測路段在發(fā)生交通事故前后的交通流數(shù)據(jù)對交通事故風險評估模型的參數(shù)進行標定，獲取標定后的交通事故風險評估模型；之后根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)確定各個事故預測指標變量的當前的具體數(shù)值；根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型獲取監(jiān)測路段當前的交通事故發(fā)生概率。因為各個事故預測指標變量的當前的具體數(shù)據(jù)是根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)來確定的，因此根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型就可以獲取監(jiān)測路段當前的交通事故發(fā)生概率，對監(jiān)測路段的交通安全進行實時準確的評估了。二、普遍適用：本發(fā)明中所獲取的交通流數(shù)據(jù)源于單個檢測器，通過獲取監(jiān)測路段中單個檢測器的交通流數(shù)據(jù)便可對交通事故風險評估模型的參數(shù)進行標定，繼而獲取監(jiān)測路段當前實時的交通事故發(fā)生概率，因此本發(fā)明更具有普遍性和實際應用價值。三、計算快速：本發(fā)明充分利用監(jiān)測路段的交通流數(shù)據(jù)構(gòu)建時空矩陣，簡化了事故發(fā)生概率預測指標，采用二元邏輯回歸方法構(gòu)建廣義線性模型，縮短了系統(tǒng)計算時間，也便于系統(tǒng)的實際實施處理。附圖說明圖1為本發(fā)明實施例1中獲取交通事故發(fā)生概率的方法的一個具體實例的流程圖；圖2為本發(fā)明實施例1中獲取交通事故發(fā)生概率的方法的另一個具體實例的流程圖；圖3為本發(fā)明實施例2中獲取交通事故發(fā)生概率的系統(tǒng)中處理裝置的一個具體實例的原理框圖；圖4為本發(fā)明實施例4中獲取交通事故發(fā)生概率的系統(tǒng)的一個具體實例的原理框圖。其中，11、評估模型建立單元，12、標定單元，13、當前值確定單元，14、概率獲取單元，15、報警單元，121、日期選取子單元，122、事故樣本交通流數(shù)據(jù)獲取子單元，123、事故對照組樣本交通流數(shù)據(jù)獲取子單元，124、事故樣本具體值獲取子單元，125、事故對照組樣本具體值獲取子單元，126、標定值獲取子單元，21、流量采集裝置，22、處理裝置，23、報警裝置。具體實施方式下面將結(jié)合附圖對本發(fā)明實施例的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。在本發(fā)明實施例的描述中，需要說明的是，術(shù)語“中心”、“上”、“下”、“左”、“右”、“豎直”、“水平”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明實施例和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對本發(fā)明的限制。此外，術(shù)語“第一”、“第二”、“第三”僅用于描述目的，而不能理解為指示或暗示相對重要性。在本發(fā)明實施例的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術(shù)語“安裝”、“相連”、“連接”應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，還可以是兩個元件內(nèi)部的連通，可以是無線連接，也可以是有線連接。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。此外，下面所描述的本發(fā)明不同實施方式中所涉及的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互結(jié)合。實施例1：本實施例提供了一種獲取交通事故發(fā)生概率的方法，如圖1所示，包括：S11.根據(jù)預先設(shè)定的多個事故預測指標變量與交通事故發(fā)生概率的相關(guān)關(guān)系建立用于獲取監(jiān)測路段交通事故發(fā)生概率的交通事故風險評估模型，且事故預測指標變量隨監(jiān)測路段交通流數(shù)據(jù)的變化而變化。具體地，可以通過設(shè)置于各個監(jiān)測路段(一個入口匝道至下一個出口匝道對應為一個路段)的流量檢測器來采集該監(jiān)測路段的交通流數(shù)據(jù)，交通流數(shù)據(jù)包括監(jiān)測路段各個車道的交通流量、車輛平均速度和車頭平均間距等數(shù)據(jù)。同時因為事故預測指標變量隨監(jiān)測路段交通流數(shù)據(jù)的變化而變化，因此根據(jù)事故預測指標變量與交通事故發(fā)生概率的相關(guān)關(guān)系建立起來的交通事故風險評估模型也會隨著監(jiān)測道路交通流數(shù)據(jù)的變化而解算出不同的交通事故發(fā)生概率，對監(jiān)測路段的安全性進行實時評估。S12.根據(jù)監(jiān)測路段在發(fā)生交通事故前后的交通流數(shù)據(jù)對交通事故風險評估模型的參數(shù)進行標定，獲取標定后的交通事故風險評估模型。具體地，通過比對監(jiān)測路段在交通事故臨近發(fā)生前的一段時間(即將發(fā)生交通事故時)以及未發(fā)生交通事故的正常情況下的交通流數(shù)據(jù)，可以獲取各個事故預測指標變量與交通事故發(fā)生概率之間的相關(guān)度，據(jù)此確定的交通事故風險評估模型中的參數(shù)的標定值，符合該監(jiān)測路段的實際交通安全狀況，確保了根據(jù)該標定后的交通事故風險評估模型計算出來的監(jiān)測路段的交通事故發(fā)生概率的準確性。S13.根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)確定各個事故預測指標變量的當前的具體數(shù)值。具體地，如果監(jiān)測路段車流量大，安全風險高，可以實時采集監(jiān)測路段的交通流數(shù)據(jù)；如果監(jiān)測路段車流量處于正常水平，也可以每隔預設(shè)時間(比如1分鐘)再采集一次交通流數(shù)據(jù)。S14.根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型獲取監(jiān)測路段當前的交通事故發(fā)生概率。本實施例中的獲取交通事故發(fā)生概率的方法，根據(jù)預先設(shè)定的多個事故預測指標變量與交通事故發(fā)生概率的相關(guān)關(guān)系建立用于獲取監(jiān)測路段交通事故發(fā)生概率的交通事故風險評估模型，并根據(jù)監(jiān)測路段在發(fā)生交通事故前后的交通流數(shù)據(jù)對交通事故風險評估模型的參數(shù)進行標定，獲取標定后的交通事故風險評估模型；之后根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)確定各個事故預測指標變量的當前的具體數(shù)值；根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型獲取監(jiān)測路段當前的交通事故發(fā)生概率。因為各個事故預測指標變量的當前的具體數(shù)據(jù)是根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)來確定的，因此根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型就可以獲取監(jiān)測路段當前的交通事故發(fā)生概率，對監(jiān)測路段的交通安全進行實時準確的評估了。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的方法，其交通事故風險評估模型用如下公式表述：P=er0+Σi=1nriRi1+er0+Σi=1nriRi]]>其中r0為一個待標定的常量，ri為待標定的一個事故預測指標變量的參數(shù)，Ri為ri所對應的事故預測指標變量，n為預先確定的事故預測指標變量的個數(shù)，且事故預測指標變量Ri與交通事故發(fā)生概率正相關(guān)時，ri為正值，事故預測指標變量Ri與交通事故發(fā)生概率負相關(guān)時，ri為負值。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的方法，其步驟S12進一步包括：S121.從發(fā)生在監(jiān)測路段的交通事故中選取至少一個交通事故作為樣本交通事故，以每個樣本交通事故的事故發(fā)生當日為基準，分別選取間隔天數(shù)相同的事故發(fā)生前和事故發(fā)生后的至少一個日期作為對比日期。S122.獲取事故發(fā)生當日每個樣本交通事故在事故發(fā)生前的預設(shè)的多個連續(xù)時間段內(nèi)的交通流數(shù)據(jù)作為事故樣本交通流數(shù)據(jù)。S123.獲取每個對比日期下在預設(shè)的多個連續(xù)時間段內(nèi)的交通流數(shù)據(jù)作為事故對照組樣本交通流數(shù)據(jù)。S124.根據(jù)每個樣本交通事故的事故樣本交通流數(shù)據(jù)獲取事故發(fā)生當日該樣本交通事故在事故發(fā)生前的預設(shè)的多個連續(xù)時間段內(nèi)所對應的各個事故預測指標變量的具體數(shù)值作為事故樣本具體值。S125.根據(jù)每個樣本交通事故的事故樣本交通流數(shù)據(jù)所對應的事故對照組樣本交通流數(shù)據(jù)獲取每個對比日期下在預設(shè)的多個連續(xù)時間段內(nèi)所對應的各個事故預測指標變量的具體數(shù)值作為事故對照組樣本具體值。S126.根據(jù)每個樣本交通事故的事故樣本具體值和事故對照組樣本具體值獲取交通事故風險評估模型的參數(shù)的標定值，并根據(jù)標定值獲取標定后的交通事故風險評估模型。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的方法，每個樣本交通事故的事故樣本交通流數(shù)據(jù)和事故對照組樣本交通流數(shù)據(jù)的比例選擇為1:4。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的方法，以隨交通流數(shù)據(jù)的變化而變化的監(jiān)測路段的各個車道的交通流量、車輛平均速度和車頭平均間距為元素分別構(gòu)建流量矩陣、速度矩陣以及車頭間距矩陣，并將流量矩陣所對應的流量矩陣特征值、流量平均值、流量均方差，速度矩陣所對應的速度矩陣特征值、速度平均值、速度均方差，以及車頭間距矩陣所對應的車頭間距矩陣特征值、車頭間距平均值和車頭間距均方差設(shè)定為預測指標變量；各個預測指標變量的具體數(shù)值即為根據(jù)監(jiān)測路段的交通流數(shù)據(jù)的具體數(shù)值，分別求解流量矩陣、速度矩陣和車頭間距矩陣所獲取的流量矩陣特征值、流量平均值、流量均方差、速度矩陣特征值、速度平均值、速度均方差、車頭間距矩陣特征值、車頭間距平均值和車頭間距均方差的具體數(shù)值。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的方法，流量矩陣用如下公式表述：其中Qtmn指tm時間段內(nèi)監(jiān)測路段的第n條車道的交通流量。速度矩陣用如下公式表述：其中Vtmn指tm時間段內(nèi)監(jiān)測路段的第n條車道的車輛平均速度。車頭間距矩陣用如下公式表述：其中Stmn指tm時間段內(nèi)監(jiān)測路段的第n條車道的車頭平均間距。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的方法，通過如下解算公式對流量矩陣、速度矩陣和車頭間距矩陣分別求解，該解算公式如下所示：Ax＝λx|A-λE|＝0其中A指待求解的流量矩陣、速度矩陣或者車頭間距矩陣，E為單位矩陣，λ為矩陣A的特征值，x為矩陣A的特征向量。下面以監(jiān)測路段包括三個車道，該監(jiān)測路段的每個樣本交通事故的事故樣本交通流數(shù)據(jù)和事故對照組樣本交通流數(shù)據(jù)的比例選擇為1:4，預設(shè)的多個連續(xù)時間段為事故發(fā)生前5-20分鐘，共三個5分鐘時間段為例，對步驟S121-步驟S126的方案進行詳細說明，應當理解的是，上述舉例并非意在限定本發(fā)明。1)以發(fā)生于2015-03-01日15:30分的樣本交通事故為例，則以事故發(fā)生日2015-03-01日為基準，選取2015-02-15日、2015-02-22日、2015-03-08日和2015-03-15日這四個日期作為對比日期。2)獲取該監(jiān)測路段在2015-03-01日15:10分-15:15分、15:15分-15:20分、15:20分-15:25分這三個時間段內(nèi)的交通流數(shù)據(jù)作為事故樣本交通流數(shù)據(jù)。3)分別獲取同一監(jiān)測路段在2015-02-15日、2015-02-22日、2015-03-08日和2015-03-15日的15:10分-15:15分、15:15分-15:20分、15:20分-15:25分這三個時間段內(nèi)的交通流數(shù)據(jù)作為事故對照組樣本交通流數(shù)據(jù)。4)根據(jù)上述事故樣本交流流數(shù)據(jù)分別獲取該監(jiān)測路段的每個車道在2015-03-01日15:10分-15:15分、15:15分-15:20分、15:20分-15:25分這三個時間段的交通流量、車輛平均速度和車頭平均間距，并將上述時間段內(nèi)各個車道的交通流量、車輛平均速度和車頭平均間距分別代入流量矩陣T流量、速度矩陣T速度和車頭間距矩陣T間距，就可以求解出事故發(fā)生當日(2015-03-01日)流量矩陣特征值、流量平均值、流量均方差、速度矩陣特征值、速度平均值、速度均方差、車頭間距矩陣特征值、車頭間距平均值和車頭間距均方差的具體數(shù)值作為該樣本交通事故的事故樣本具體值了，因為選取的時間段有三個，車道也有三條，因此該情況下流量矩陣特征值、速度矩陣特征值和車頭間距矩陣特征值均為3個，我們用第一特征值、第二特征值和第三特征值予以區(qū)分。5)根據(jù)上述事故對照組樣本交通流數(shù)據(jù)分別獲取該監(jiān)測路段的每個車道在2015-02-15日、2015-02-22日、2015-03-08日和2015-03-15日的15:10分-15:15分、15:15分-15:20分、15:20分-15:25分這三個時間段的交通流量、車輛平均速度和車頭平均間距，并將上述時間段內(nèi)各個車道的交通流量、車輛平均速度和車頭平均間距分別代入流量矩陣T流量、速度矩陣T速度和車頭間距矩陣T間距，就可以求解出每個對比日期(2015-02-15日、2015-02-22日、2015-03-08日和2015-03-15日)流量矩陣特征值、流量平均值、流量均方差、速度矩陣特征值、速度平均值、速度均方差、車頭間距矩陣特征值、車頭間距平均值和車頭間距均方差的具體數(shù)值作為該樣本交通事故的事故對照組樣本具體值了。6)采用“統(tǒng)計產(chǎn)品與服務解決方案”軟件，也即SPSS(StatisticalProductandServiceSolutions)軟件，利用向后步進似然比方法，根據(jù)輸入的該樣本交通事故的上述事故樣本具體值和事故對照組樣本具體值對交通事故風險評估模型中的參數(shù)進行優(yōu)化選擇及標定，具體過程如表1和表2所示：表1事故預測指標變量符號與說明符號說明EigenQ1流量矩陣第一特征值EigenQ2流量矩陣第二特征值EigenQ3流量矩陣第三特征值MeanQ流量平均值StdQ流量均方差EigenV1速度矩陣第一特征值EigenV2速度矩陣第二特征值EigenV3速度矩陣第三特征值MeanV速度平均值StdV速度均方差EigenS1車頭間距矩陣第一特征值EigenS2車頭間距矩陣第二特征值EigenS3車頭間距矩陣第三特征值MeanS車頭間距平均值StdS車頭間距均方差表2模型分類結(jié)果表從表2可以看到，交通事故風險評估模型建模后采用向后步進似然比方法對事故預測指標變量進行篩選，由原始第一步至最后一步的第七步迭代終止，由于篇幅限制，中間的迭代過程予以省略?？梢钥吹?，在最終模型穩(wěn)定后，原始樣本中366起非事故有359起成功被預測為非事故，僅有7起被錯誤判斷為事故，誤報率僅為1.9％；原始樣本中87起事故有29起成功被預測為事故，事故預測精度為33.3％，總體預測精度為85.7％。采用向后步進似然比方法進行迭代，迭代過程通過對各事故預測指標變量的顯著性進行評價從而決定是否保留該事故預測指標變量，在本次迭代過程中，保留p值低于0.05的事故預測指標變量，剔除p值大于0.1的事故預測指標變量，經(jīng)過迭代計算以后，在第七步中交通事故風險評估模型中的參數(shù)趨于穩(wěn)定，均有著較高的顯著性。表3方程中的變量描述從表3可以看到，從各個分類下的事故預測指標變量中通過p值的評價篩選出與交通事故發(fā)生概率顯著相關(guān)的前幾位事故預測指標變量并對其具體值進行優(yōu)化，篩除的事故預測指標變量的參數(shù)均設(shè)置為0，篩選出的事故預測指標變量分別為流量矩陣第一特征值(EigenQ1)、流量平均值(MeanQ)、速度矩陣第一特征值(EigenV1)、速度平均值(MeanV)、速度均方差(StdV)和車頭間距平均值(MeanS)，對應的優(yōu)化后的具體值分別為-0.037、0.16、0.06、-0.208、-0.043、0.005，將上述優(yōu)化后的具體值作為篩選出的上述各個事故預測指標變量對應參數(shù)的標定值，將常量的優(yōu)化后的具體值(表3中為0.108)作為其標定值，就可以得到標定后的交通事故風險評估模型，如下所示：P=e0.108+0.16MeanQ+0.06EigenV1+0.005MeanS-0.037EigenQ1-0.208MeanV-0.43StdV1+e0.108+0.16MeanQ+0.06EigenV1+0.005MeanS-0.037EigenQ1-0.208MeanV-0.43StdV]]>之后根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)獲取該監(jiān)測路段各個車道當前的交通流量、車輛平均速度和車頭平均間距，分別代入流量矩陣T流量、速度矩陣T速度和車頭間距矩陣T間距，就可以求解出流量矩陣第一特征值(EigenQ1)、流量平均值(MeanQ)、速度矩陣第一特征值(EigenV1)、速度平均值(MeanV)、速度均方差(StdV)和車頭間距平均值(MeanS)的當前的具體數(shù)值了，將上述當前的具體數(shù)值代入標定后的交通事故風險評估模型就可以求得該監(jiān)測路段當前的交通事故發(fā)生概率了。優(yōu)選地，如圖2所示，本實施例還提供了另一種獲取交通事故發(fā)生概率的方法，除了包括上述步驟S11-S14之外，還包括：S15.若當前的交通事故發(fā)生概率超出預設(shè)交通事故發(fā)生概率，發(fā)出報警信號。具體地，預設(shè)交通事故發(fā)生概率可以通過多次測試來確定，若計算出來的當前的交通事故發(fā)生概率超出預設(shè)交通事故發(fā)生概率，發(fā)出報警提示，可以在存在交通安全隱患時及時提醒采取防護措施，有助于降低交通事故發(fā)生的風險。實施例2：獲取交通事故發(fā)生概率系統(tǒng)中處理裝置，如圖3所示，包括：評估模型建立單元11，用于根據(jù)預先設(shè)定的多個事故預測指標變量與交通事故發(fā)生概率的相關(guān)關(guān)系建立用于獲取監(jiān)測路段交通事故發(fā)生概率的交通事故風險評估模型，且事故預測指標變量隨監(jiān)測路段交通流數(shù)據(jù)的變化而變化。標定單元12，用于根據(jù)監(jiān)測路段在發(fā)生交通事故前后的交通流數(shù)據(jù)對交通事故風險評估模型的參數(shù)進行標定，獲取標定后的交通事故風險評估模型。當前值確定單元13，用于根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)確定各個事故預測指標變量的當前的具體數(shù)值。概率獲取單元14，用于根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型獲取監(jiān)測路段當前的交通事故發(fā)生概率。具體地，本實施例中的獲取交通事故發(fā)生概率的系統(tǒng)，根據(jù)預先設(shè)定的多個事故預測指標變量與交通事故發(fā)生概率的相關(guān)關(guān)系建立用于獲取監(jiān)測路段交通事故發(fā)生概率的交通事故風險評估模型，并根據(jù)監(jiān)測路段在發(fā)生交通事故前后的交通流數(shù)據(jù)對交通事故風險評估模型的參數(shù)進行標定，獲取標定后的交通事故風險評估模型；之后根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)確定各個事故預測指標變量的當前的具體數(shù)值；根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型獲取監(jiān)測路段當前的交通事故發(fā)生概率。因為各個事故預測指標變量的當前的具體數(shù)據(jù)是根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)來確定的，因此根據(jù)當前的具體數(shù)值和標定后的交通事故風險評估模型就可以獲取監(jiān)測路段當前的交通事故發(fā)生概率，對監(jiān)測路段的交通安全進行實時準確的評估了。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的系統(tǒng)，其交通事故風險評估模型用如下公式表述：P=er0+Σi=1nriRi1+er0+Σi=1nriRi]]>其中r0為一個待標定的常量，ri為待標定的一個事故預測指標變量的參數(shù)，Ri為ri所對應的事故預測指標變量，n為預先確定的事故預測指標變量的個數(shù)，且事故預測指標變量Ri與交通事故發(fā)生概率正相關(guān)時，ri為正值，事故預測指標變量Ri與交通事故發(fā)生概率負相關(guān)時，ri為負值。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的系統(tǒng)，其標定單元12進一步包括：日期選取子單元121，用于從發(fā)生在監(jiān)測路段的交通事故中選取至少一個交通事故作為樣本交通事故，以每個樣本交通事故的事故發(fā)生當日為基準，分別選取間隔天數(shù)相同的事故發(fā)生前和事故發(fā)生后的至少一個日期作為對比日期。事故樣本交通流數(shù)據(jù)獲取子單元122，用于獲取事故發(fā)生當日每個樣本交通事故在事故發(fā)生前的預設(shè)的多個連續(xù)時間段內(nèi)的交通流數(shù)據(jù)作為事故樣本交通流數(shù)據(jù)。事故對照組樣本交通流數(shù)據(jù)獲取子單元123，用于獲取每個對比日期下在預設(shè)的多個連續(xù)時間段內(nèi)的交通流數(shù)據(jù)作為事故對照組樣本交通流數(shù)據(jù)。事故樣本具體值獲取子單元124，用于根據(jù)每個樣本交通事故的事故樣本交通流數(shù)據(jù)獲取事故發(fā)生當日該樣本交通事故在事故發(fā)生前的預設(shè)的多個連續(xù)時間段內(nèi)所對應的各個事故預測指標變量的具體數(shù)值作為事故樣本具體值。事故對照組樣本具體值獲取子單元125，用于根據(jù)每個樣本交通事故的事故樣本交通流數(shù)據(jù)所對應的事故對照組樣本交通流數(shù)據(jù)獲取每個對比日期下在預設(shè)的多個連續(xù)時間段內(nèi)所對應的各個事故預測指標變量的具體數(shù)值作為事故對照組樣本具體值。標定值獲取子單元126，用于根據(jù)每個樣本交通事故的事故樣本具體值和事故對照組樣本具體值獲取交通事故風險評估模型的參數(shù)的標定值，并根據(jù)標定值獲取標定后的交通事故風險評估模型。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的系統(tǒng)，其每個樣本交通事故的事故樣本交通流數(shù)據(jù)和事故對照組樣本交通流數(shù)據(jù)的比例選擇為1:4。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的系統(tǒng)，以隨交通流數(shù)據(jù)的變化而變化的監(jiān)測路段的各個車道的交通流量、車輛平均速度和車頭平均間距為元素分別構(gòu)建流量矩陣、速度矩陣以及車頭間距矩陣，并將流量矩陣所對應的流量矩陣特征值、流量平均值、流量均方差，速度矩陣所對應的速度矩陣特征值、速度平均值、速度均方差，以及車頭間距矩陣所對應的車頭間距矩陣特征值、車頭間距平均值和車頭間距均方差設(shè)定為預測指標變量。各個預測指標變量的具體數(shù)值即為根據(jù)監(jiān)測路段的交通流數(shù)據(jù)的具體數(shù)值，分別求解流量矩陣、速度矩陣和車頭間距矩陣所獲取的流量矩陣特征值、流量平均值、流量均方差、速度矩陣特征值、速度平均值、速度均方差、車頭間距矩陣特征值、車頭間距平均值和車頭間距均方差的具體數(shù)值。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的系統(tǒng)，流量矩陣用如下公式表述：其中Qtmn指tm時間段內(nèi)監(jiān)測路段的第n條車道的交通流量。速度矩陣用如下公式表述：其中Vtmn指tm時間段內(nèi)監(jiān)測路段的第n條車道的車輛平均速度。車頭間距矩陣用如下公式表述：其中Stmn指tm時間段內(nèi)監(jiān)測路段的第n條車道的車頭平均間距。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的方法，通過如下解算公式對流量矩陣、速度矩陣和車頭間距矩陣分別求解，該解算公式如下所示：Ax＝λx|A-λE|＝0其中A指待求解的流量矩陣、速度矩陣或者車頭間距矩陣，E為單位矩陣，λ為矩陣A的特征值，x為矩陣A的特征向量。優(yōu)選地，本實施例中的獲取交通事故發(fā)生概率的系統(tǒng)，還包括：提示單元15，用于在當前的交通事故發(fā)生概率超出預設(shè)交通事故發(fā)生概率時發(fā)出報警信號。具體地，預設(shè)交通事故發(fā)生概率可以通過多次測試來確定，若計算出來的當前的交通事故發(fā)生概率超出預設(shè)交通事故發(fā)生概率，發(fā)出報警提示，可以在存在交通安全隱患時及時提醒采取防護措施，有助于降低交通事故發(fā)生的風險。實施例3：本實施例提供了一種獲取交通事故發(fā)生概率的系統(tǒng)，如圖4所示，包括：多個流量采集裝置21，分布于各個監(jiān)測路段，用于采集每個監(jiān)測路段的交通流數(shù)據(jù)。優(yōu)選地，流量采集裝置21可以為流量檢測器。處理裝置22，用于執(zhí)行權(quán)利要求1-8任一項的獲取交通事故發(fā)生概率的方法，根據(jù)實時獲取或者每隔預設(shè)時間獲取的監(jiān)測路段的交通流數(shù)據(jù)獲取監(jiān)測路段當前的交通事故發(fā)生概率。優(yōu)選地，處理裝置22可以為處理器。報警裝置23，用于在當前的交通事故發(fā)生概率超出預設(shè)交通事故發(fā)生概率，發(fā)出報警提示。本實施例中的獲取交通事故發(fā)生概率的系統(tǒng)，其處理裝置能夠根據(jù)流量采集裝置21實時采集的或者每隔預設(shè)時間采集的監(jiān)測路段的交通流數(shù)據(jù)獲取監(jiān)測路段當前的交通事故發(fā)生概率，實現(xiàn)了對監(jiān)測路段的交通安全實時準確的評估。其報警裝置在在當前的交通事故發(fā)生概率超出預設(shè)交通事故發(fā)生概率時發(fā)出報警提示，可以在存在交通安全隱患時及時提醒采取防護措施，有助于降低交通事故發(fā)生的風險。本領(lǐng)域內(nèi)的技術(shù)人員應明白，本發(fā)明的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。當前第1頁1 2 3