CN102982081A - 道路交通安全隐患路段甄别方法和系统 - Google Patents
道路交通安全隐患路段甄别方法和系统 Download PDFInfo
- Publication number
- CN102982081A CN102982081A CN2012104265337A CN201210426533A CN102982081A CN 102982081 A CN102982081 A CN 102982081A CN 2012104265337 A CN2012104265337 A CN 2012104265337A CN 201210426533 A CN201210426533 A CN 201210426533A CN 102982081 A CN102982081 A CN 102982081A
- Authority
- CN
- China
- Prior art keywords
- accident
- road
- data
- highway section
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了一种道路交通安全隐患路段甄别方法和系统。本发明实施例提供的道路交通安全隐患路段甄别方法,包括:获取包含道路的地理数据的地图数据库和包括交通事故数据的道路交通事故数据库,从地图数据库中读取道路的地理数据,以及,从道路交通事故数据库中读取交通事故数据;利用所述道路的地理数据生成道路路径网在并将该道路路径网展示在交互界面上;利用所述交通事故数据将事故点位标定在所述道路路径网中;根据道路路径网中标定的事故点位确定事故多发路段;确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段。本发明提出了一套有效、客观的管理道路交通安全与运行的方案,提高了危险路段排查结果的准确性和排查效率。
Description
技术领域
本发明涉及计算机应用技术领域,特别涉及一种道路交通安全隐患路段甄别方法和系统。
背景技术
为了降低道路事故率,改善道路安全状况,目前的研究工作主要集中在实施道路安全评价、发展可持续的安全交通、改善强制性政策等方面。研究认为,鉴别危险或潜在危险的道路位置、特征,并提出建议采取的措施,在道路建设和运营的全过程中考虑安全因素,是减少事故方面最有效的方法。
然而,现有技术只能通过查阅道路交通事故卷宗或主观臆断经验式等方式来研究事故易发位置和道路交通安全隐患的现状。现有方案无法快速、准确地进行危险路段的排查,排查危险路段的工作量过大,排查结果也过于主观,无法利用排查结果预防和减少道路交通事故,不能保障人民的生命和财产安全。
发明内容
本发明提供了一种道路交通安全隐患路段甄别方法和系统,以解决现有方案依赖于查阅卷宗或主观臆断排查危险路段造成的排查工作量过大、排查速度过慢及排查结果不准确的问题。
为达到上述目的,本发明实施例采用了如下技术方案:
本发明实施例提供了一种道路交通安全隐患路段甄别方法,获取包含道路的地理数据的地图数据库和包括交通事故数据的道路交通事故数据库,该方法包括:
从地图数据库中读取道路的地理数据,以及,从道路交通事故数据库中读取交通事故数据;
利用所述道路的地理数据生成道路路径网在并将该道路路径网展示在交互界面上;
利用所述交通事故数据将事故点位标定在所述道路路径网中,其中,每一组交通事故数据对应一个事故点位;
根据道路路径网中标定的事故点位确定事故多发路段;
确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段。
本发明实施例还提供了一种道路交通安全隐患路段甄别系统,该系统包括:地图数据库、道路交通事故数据库和道路交通安全隐患路段甄别装置,
所述地图数据库,用于存储道路的地理数据;
所述道路交通事故数据库,用于存储交通事故数据;
所述道路交通安全隐患路段甄别装置包括:
数据库访问模块,用于从地图数据库中读取道路的地理数据,以及,从道路交通事故数据库中读取交通事故数据;
可视化巡查模块,用于利用所述道路的地理数据生成道路路径网在并将该道路路径网展示在交互界面上;
事故点位自动标定模块,用于利用所述交通事故数据将事故点位标定在所述道路路径网中,其中,每一组交通事故数据对应一个事故点位;
事故多发位置自动筛选模块,用于根据道路路径网中标定的事故点位确定事故多发路段;
隐患路段自动甄别模块,用于确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段。
本发明实施例的有益效果是:
本发明实施例通过读取地图数据库和道路交通事故数据库两个数据库中的数据,以及,利用交通事故数据将事故点位标定在道路路径网中的技术手段,建立道路的地理数据和交通事故数据之间的关联,利用这种关联确定事故多发路段以及事故多发路段的安全隐患类型,从而排查出交通安全隐患路段。
由上,本发明实施例提出了一套有效、客观的管理道路交通安全与运行的方案,基于客观的交通事故数据和地理数据进行预测,避免了主观排查结果的影响,提高了排查结果的准确性,并且,本发明实施例基于数据库中电子化数据以及交互界面提供了一套自动化的隐患路段甄别平台,显著降低了路段排查的工作量,提高了排查速度。
附图说明
图1为本发明一个实施例提供的一种道路交通安全隐患路段甄别方法流程图;
图2为本发明一个实施例提供的一种累计频率曲线的示例图;
图3为本发明一个实施例提供的一种道路交通安全隐患路段甄别系统结构示意图;
图4为本发明一个实施例提供的另一种道路交通安全隐患路段甄别系统结构示意图;
图5为本发明一个实施例提供的又一种道路交通安全隐患路段甄别系统结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
本发明提供一种道路交通安全隐患路段可视化自动甄别方案,能科学、高效地为道路交通管理部门开展公路危险路段排查整治工作提供帮助,便于科学分析研判和预防道路交通事故,寻找事故发生的原因,把握事故发生的规律,以便采取有针对性的措施,有效地预防和减少道路交通事故,保障人民的生命和财产安全。
参见图1,为本发明一个实施例提供的一种道路交通安全隐患路段甄别方法,包括:
S101:获取包含道路的地理数据的地图数据库和包括交通事故数据的道路交通事故数据库;
S102:从地图数据库中读取道路的地理数据,以及,从道路交通事故数据库中读取交通事故数据;
S103:利用所述道路的地理数据生成道路路径网在并将该道路路径网展示在交互界面上;
S104:利用所述交通事故数据将事故点位标定在所述道路路径网中,其中,每一组交通事故数据对应一个事故点位;
S105:根据道路路径网中标定的事故点位确定事故多发路段;
S106:确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段。
本发明实施例通过读取地图数据库和道路交通事故数据库两个数据库中的数据,以及,利用交通事故数据将事故点位标定在道路路径网中的技术手段,建立道路的地理数据和交通事故数据之间的关联,利用这种关联确定事故多发路段以及事故多发路段的安全隐患类型,从而排查出交通安全隐患路段。
由上,本发明实施例提出了一套有效、客观的管理道路交通安全与运行的方案,基于客观的交通事故数据和地理数据进行预测,避免了主观排查结果的影响,提高了排查结果的准确性,并且,本发明实施例基于数据库中电子化数据以及交互界面提供了一套自动化的隐患路段甄别平台,显著降低了路段排查的工作量,提高了排查速度。
在图1所示实施例的基础上,步骤S101中可以将获取到的地图数据库和道路交通事故数据库设置在同一数据库系统中,如设置在关联式数据库管理系统中,则步骤S102中通过对同一数据库系统的读取即可获取到两种类型的数据,以保证便利、快速地读取到相应数据。示例的,可以利用地理信息系统(ArcGIS)平台中的类型ArcCatalog功能将地图数据库和道路交通事故数据库关联起来,保存在关联式数据库管理系统(如微软的Access数据库)中。可以利用ArcGIS平台中的创建路径(Create Routes)工具,根据对道路的各种描述信息,生成路径数据,并且,还可以根据到道路的起止桩号对路径数据进行校准。进一步的,步骤S103中道路的地理数据包括但不局限于路径桩号、路径名称、路径ID字段和路径度量值等多种对实际道路的描述信息,利用地理数据能够在交互界面中生成并展示出与实际道路相对应的电子道路路径。示例性的,可以利用ArcGIS平台中的创建路径(Create Routes)工具,根据对道路的各种描述信息,生成路径数据,并且,还可以根据到道路的起止桩号对路径数据进行校准。
进一步的,交通事故数据中至少包括事故发生的道路名称和道路桩号,所述道路的地理数据中至少包括道路名称和道路桩号,步骤S104中,利用所述交通事故数据将事故点位标定在所述道路路径网中包括:
将事故点位标定在道路路径网中道路名称和道路桩号与相应交通事故数据中事故发生的道路名称和道路桩号相一致的位置;以及
为标定的事故点位建立描述数据并存储,所述描述数据包括下述数据中的一种或其组合:
事故编号、行政区划、事故发生时间、道路编号、道路名称、公里数、米数、桩号、事故地点、事故类型、事故形态、死亡人数、受伤人数、天气、路面状况、道路类型、公路行政等级、道路线型、路面结构、路侧防护设施类型、路表情况;
所述方法还包括:当接收到描述数据读取指令时,根据该描述数据读取指令读取对应的事故点位的描述数据并显示在交互界面上。如请求方可以通过点击交互界面上显示的事故点位来发送描述数据读取指令,当接收到该指令后,根据点击位置获知该指令对应的事故点位的描述数据并显示在交互界面上。还可以对事故现场的现场图片进行存储,并根据读取指令,将现场图片展示在交互界面上。
示例的,可以利用ArcGIS平台中的添加路径事件(Add Route Events)工具,读取交通事故数据并按照设置的度量值,将道路上发生的道路交通事故(每起道路交通事故对应一组交通事故数据,每一组交通事故数据对应一个事故点位)标定到ArcGIS平台生成的道路路径网上,并可以通过存储的描述数据查询每个事故点位的详细信息。
进一步的,步骤S105具体包括:
S1051:将道路路径网中的每条道路路径划分为多个路段。
对每一条道路,将道路划分为多个路段,各路段的长度可以相同,也可以不相同。本实施例中按照预定制的分段长度将整条道路划分成等长的路段单元,该分段长度可以为0.5公里、1公里或2公里。
S1052:根据路段中出现的事故点位计算每一路段的事故率。
每一路段上的事故率可以为该路段中出现的事故点位的数量,也即该路段中发生的事故的次数。
S1053:查找路段中事故点位的数量为n的路段,并计算查找出的路段的累计频率,其中n表示次数。
示例性的,本实施例采用了一种基于累计频率曲线法筛选事故多发位置的方式。统计计算发生n起事故的路段单元数量,并计算发生n起事故的路段单元在全部路段单元中的频率及相应的累计频率。
S1054:根据路段的所述事故率和累计频率,采用曲线拟合的方式,确定事故多发路段。
基于如下公式,根据路段的所述事故率和累计频率,建立累计频率曲线,并进行曲线拟合:f(x)=aebx+cedx
其中,x表示路段事故率与该路段所在道路路径中路段的最大事故率的比值,f(x)表示路段累计频率,a、b、c和d表示拟合参数。
即以某一路段事故率除以该道路最大的事故率为横坐标,以发生大于该事故率的路段单元的累计频率为纵坐标,生成累计频率曲线。
计算累计频率曲线上各点的曲率半径,选取曲率半径最小的点作为突变点;将累计频率曲线上累积频率大于所述突变点的点对应的路段确定为事故多发路段。参见图2,示出了一种累计频率曲线的示例,拟合出的曲线中的拟合参数分别为a=1.075,b=-0.073,c=-0.835,d=-4.428。图2中示出了突变点的位置,曲线上累计频率大于突变点的点对应的路段为事故多发路段。
进一步的,本实施例中事故隐患路段自动甄别是在自动筛选事故多发路段之后,采用事故致因分析技术,挖掘分析事故数据表中与事故原因相关的人为因素、车辆因素、道路因素、环境因素等,自动归类分析统计事故数据。例如与道路相关的因素有路面状况、道路类型、公路行政等级、道路线型、路面结构、路侧防护设施类型、路表情况等,甄别出不同的道路隐患类型。在步骤S106中,首先对所述交通事故数据中指示事故原因的致因数据进行分类,如首先将道路交通事故数据库中指示事故原因的字段归类,分为人的因素、车辆因素、道路因素和/或环境因素。然后,筛选事故多发路段的每起事故中人、车、路、环境因素中的致因因素,将各种因素合并归类,计算出各类因素的比例,按照各类致因因素的比例大小自动排序,将比例最大的致因类别判定为此路段的安全隐患类型。即对事故多发路段中所有事故点位的交通事故数据中的致因数据进行统计,将出现次数最多的致因数据对应的类型,作为该事故多发路段的安全隐患类型,得到交通安全隐患路段。
进一步的,本实施例对事故多发路段中所有事故点位的交通事故数据中的致因数据进行统计,将出现次数最多的致因数据对应的类型,作为该事故多发路段的主导安全隐患类型,将除出现次数最多的致因数据之外的致因数据对应的类型,作为该事故多发路段的参考安全隐患类型。如按照各类致因因素的出现次数的从多至少自动排序时,除了对出现次数最多(排序后的第一个因素)的致因因素进行记录之外,还记录出现次数次多的一项或多项(排序后的第二个因素、第三个因素)等,从而全面掌握该路段的安全隐患情况。
进一步的,本实施例还可以接收第三方的安全隐患诊断信息,根据安全隐患诊断信息对事故多发路段的安全隐患类型进行调整。例如,若根据对事故多发路段中所有事故点位的交通事故数据中的致因数据进行的统计,得到该路段的安全隐患类型为人为因素,而接收到的安全隐患诊断信息指示本路段的安全隐患为道路因素,则将该路段的安全隐患类型调整为道路因素。
进一步的,本实施例将事故点位、事故多发位置和隐患路段信息制作成不同的图层,其中事故点位属于点图层,事故多发位置和隐患路段属于线图层;然后,将事故点图层、路段线图层与路网图层相关联,采用可视化方式,对矢量数据地图进行符号化处理,展示出地图数据、地理信息、事故点位、隐患路段、空间分析等方面的可视化效果。矢量数据符号化主要有分类符号(不同行政等级的道路、不同类型的隐患路段等)、分级色彩和分级符号(不同伤亡程度的事故、不同累计事故数的路段等)、比率符号(路段或区域事故率等)、点值符号(事故点位标定)、统计符号(饼状图、柱状图等)。把分类符号、分级色彩、分级符号、比率符号、点值符号和统计符号在交互界面上进行展示,用以实现可视化巡视和排查道路交通安全隐患路段。
进一步的,本实施例还提供了一种对隐患路段的空间统计分析方案,包括:
提取事故点位、交通安全隐患路段和道路路径网之间的空间位置数据;采用下述至少一种方式对所述空间位置数据进行空间分析,得到所述事故点位、交通安全隐患路段和道路路径网的空间分布模式数据:
空间位置分析、空间分布分析、空间形态分析、空间关系分析和空间相关分析;
利用数学模型得到对所述空间分布模式数据的分析结果,所述数学模型包括判别分析模型、回归分析模型、相关分析模型和聚类分析模型;以及
当接收到空间分析请求指令时,根据该空间分析请求指令将所述空间分布模式数据和/或所述分析结果展示在交互界面上。
本实施例首先从事故点位、交通安全隐患路段和道路路径网等目标之间的空间关系中获取派生的信息和新的知识,空间分析方法包括空间位置分析、空间分布分析、空间形态分析、空间关系分析和空间相关分析,定量分析事故黑点、隐患路段、整治区域的点线面的空间分布模式,以对隐患路段以及整体道路进行进一步统计分析;然后,利用相关数学建模为研判分析和辅助决策提供支持,数学模型包括判别分析、回归分析、相关分析和聚类分析,用以分析研究道路交通安全态势的时空演化过程。
隐患路段空间统计分析主要是关联点、线、面不同图层进行统计分析,根据多图层空间数据的特征和内在联系,进行分类综合评价和探索性数据分析,主要方法有:判别分析(如距离判别、贝叶斯判别、费歇判别、逐步判别、序贯判别)、回归分析(如逐步回归、双重筛选逐步回归)、相关分析(如主成分分析、主因子分析、关键变量分析)、聚类分析(如系统聚类、模糊聚类)等。利用空间统计分析,挖掘分析隐患路段主要影响因素及其之间的关系、隐患类型的判定与分析、项目级和路网级的道路交通事故预测、事故“点、线、面”三维一体的分布统计等功能。
本发明一个实施例还提供了一种道路交通安全隐患路段甄别系统,参见图3,所述系统包括:
地图数据库31、道路交通事故数据库32和道路交通安全隐患路段甄别装置33,
所述地图数据库31,用于存储道路的地理数据;
所述道路交通事故数据库32,用于存储交通事故数据;
所述道路交通安全隐患路段甄别装置33包括:
数据库访问模块331,用于从地图数据库中读取道路的地理数据,以及,从道路交通事故数据库中读取交通事故数据;
可视化巡查模块332,用于利用所述道路的地理数据生成道路路径网在并将该道路路径网展示在交互界面上;
事故点位自动标定模块333,用于利用所述交通事故数据将事故点位标定在所述道路路径网中,其中,每一组交通事故数据对应一个事故点位;
事故多发位置自动筛选模块334,用于根据道路路径网中标定的事故点位确定事故多发路段;
隐患路段自动甄别模块335,用于确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段。
其中,所述事故多发位置自动筛选模块334,具体用于将道路路径网中的每条道路路径划分为多个路段;根据路段中出现的事故点位计算每一路段的事故率;查找路段中事故点位的数量为n的路段,并计算查找出的路段的累计频率,其中n表示次数;基于如下公式,根据路段的所述事故率和累计频率,建立累计频率曲线,并进行曲线拟合:f(x)=aebx+cedx
其中,x表示路段事故率与该路段所在道路路径中路段的最大事故率的比值,f(x)表示路段累计频率,a、b、c和d表示拟合参数;以及
计算累计频率曲线上各点的曲率半径,选取曲率半径最小的点作为突变点;将累计频率曲线上累积频率大于所述突变点的点对应的路段确定为事故多发路段。
参见图4,所述道路交通安全隐患路段甄别装置还包括隐患路段空间统计分析模块336,用于提取事故点位、交通安全隐患路段和道路路径网之间的空间位置数据;采用下述至少一种方式对所述空间位置数据进行空间分析,得到所述事故点位、交通安全隐患路段和道路路径网的空间分布模式数据:空间位置分析、空间分布分析、空间形态分析、空间关系分析和空间相关分析;利用数学模型得到对所述空间分布模式数据的分析结果,所述数学模型包括判别分析模型、回归分析模型、相关分析模型和聚类分析模型。
所述可视化巡查模块332,还用于将事故点位设置在点图层,将事故多发路段设置在线图层,将道路路径网设置在面图层,建立所述点图层、线图层和面图层之间的关联,并分别在所述点图层、线图层和面图层上将所述事故点位、事故多发路段和道路路径网展示在交互界面上;以及,
所述可视化巡查模块332,还用于当接收到描述数据读取指令时,根据该描述数据读取指令读取对应的事故点位的描述数据并显示在交互界面上;
所述可视化巡查模块332,还用于当接收到空间分析请求指令时,根据该空间分析请求指令将所述空间分布模式数据和/或所述分析结果展示在交互界面上。
参见图4,示出了本实施例提供的另一种道路交通安全隐患路段甄别系统结构示意图,其中,略去了数据库访问模块331。地图数据库31、道路交通事故数据库32设置在一个关联数据库中(如Access数据库)。可视化巡查模块332主要的功能包括:图层数据管理、符号色彩设置、图表数据查询与编辑、显示和查询事故信息以及显示和查询隐患路段信息,事故点位自动标定模块333的主要功能包括:事故数据维护、生成和校准路径、显示和查询路径与事故点位、生成事故点位和编辑路径和事故点位。事故多发位置自动筛选模块334的主要功能包括:预定制分段长度、计算累计频率、拟合累计频率曲线、计算最小曲率半径点以及事故多发位置自动筛选。隐患路段自动甄别模块335的主要功能包括:事故原因归类统计、事故致因分析、隐患路段类型自动甄别、综合第三方诊断意见以及输出隐患路段甄别结果。隐患路段空间统计分析模块336的主要功能包括:空间查询与量算、空间位置分析、空间形态分析、空间分布分析、空间关系分析、空间建模分析以及态势预测分析。图4中各模块的具体工作方式可以参见本实施例中的相关内容。
参见图5,示出了本实施例提供的又一种道路交通安全隐患路段甄别系统结构示意图,其中,略去了数据库访问模块。采用本系统后,当路网上发生道路交通事故后,事故点位标定模块将事故数据表中的路名和桩号与路网图层相关联,生成事故路径和度量值,实现历史事故和新增事故的地图自动标定功能,并在交互界面上以点事件的方式展示出来;然后,事故多发位置自动筛选模块根据用户需求,可选择500米、1公里、2公里三种预分段模式,采用预分段累计频率法,自动筛选出每条道路的事故多发位置,在交互界面上以线事件的方式展示出来;接下来,隐患路段自动甄别模块采用事故致因分析方式,汇总分析每一处事故多发位置在统计时间内所有道路交通事故的致因,挖掘出导致事故发生的人、车、路、环境等因素,判别道路安全隐患类型,同时综合专家诊断意见,综合甄别路网中的道路交通安全隐患路段;之后,可视化巡查模块将综合甄别出的道路交通安全隐患,并以线事件的形式在交互界面中展示出来,为用户提供了路网范围电子化巡视和排查道路隐患路段的功能,可以查看事故点位、多发位置、隐患路段的详细信息和现场图片,全面掌握辖区内的道路隐患分布情况;最后,隐患路段空间统计分析,为用户提供了矢量数据空间分析功能,将事故点位、多发位置、隐患路段等多个图层关联分析,展示点、线、面的空间分布模式,统计分析隐患路段时空分布特性,从而科学分析和研判道路交通事故,深入挖掘事故发生的原因,掌握事故发生的规律,采取针对性措施,实现有效预防和减少道路交通事故,保障人民的生命和财产安全的目标。
本发明实施例通过读取地图数据库和道路交通事故数据库两个数据库中的数据,以及,利用交通事故数据将事故点位标定在道路路径网中的技术手段,建立道路的地理数据和交通事故数据之间的关联,利用这种关联确定事故多发路段以及事故多发路段的安全隐患类型,从而排查出交通安全隐患路段。
由上,本发明实施例提出了一套有效、客观的管理道路交通安全与运行的方案,基于客观的交通事故数据和地理数据进行预测,避免了主观排查结果的影响,提高了排查结果的准确性,并且,本发明实施例基于数据库中电子化数据以及交互界面提供了一套自动化的隐患路段甄别平台,显著降低了路段排查的工作量,提高了排查速度。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种道路交通安全隐患路段甄别方法,其特征在于,获取包含道路的地理数据的地图数据库和包括交通事故数据的道路交通事故数据库,
所述方法包括:
从地图数据库中读取道路的地理数据,以及,从道路交通事故数据库中读取交通事故数据;
利用所述道路的地理数据生成道路路径网在并将该道路路径网展示在交互界面上;
利用所述交通事故数据将事故点位标定在所述道路路径网中,其中,每一组交通事故数据对应一个事故点位;
根据道路路径网中标定的事故点位确定事故多发路段;
确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段。
2.根据权利要求1所述的方法,其特征在于,所述交通事故数据中至少包括事故发生的道路名称和道路桩号,所述道路的地理数据中至少包括道路名称和道路桩号,所述利用所述交通事故数据将事故点位标定在所述道路路径网中包括:
将事故点位标定在道路路径网中道路名称和道路桩号与相应交通事故数据中事故发生的道路名称和道路桩号相一致的位置;以及
为标定的事故点位建立描述数据并存储,所述描述数据包括下述数据中的一种或其组合:
事故编号、行政区划、事故发生时间、道路编号、道路名称、公里数、米数、桩号、事故地点、事故类型、事故形态、死亡人数、受伤人数、天气、路面状况、道路类型、公路行政等级、道路线型、路面结构、路侧防护设施类型、路表情况;
所述方法还包括:当接收到描述数据读取指令时,根据该描述数据读取指令读取对应的事故点位的描述数据并显示在交互界面上。
3.根据权利要求1所述的方法,其特征在于,所述根据道路路径网中标定的事故点位确定事故多发位置包括:
将道路路径网中的每条道路路径划分为多个路段;
根据路段中出现的事故点位计算每一路段的事故率;
查找路段中事故点位的数量为n的路段,并计算查找出的路段的累计频率,其中n表示次数;
根据路段的所述事故率和累计频率,采用曲线拟合的方式,确定事故多发路段。
4.根据权利要求3所述的方法,其特征在于,所述根据路段的所述事故率和累计频率,采用曲线拟合的方式,确定事故多发路段包括:
基于如下公式,根据路段的所述事故率和累计频率,建立累计频率曲线,并进行曲线拟合:f(x)=aebx+cedx
其中,x表示路段事故率与该路段所在道路路径中路段的最大事故率的比值,f(x)表示路段累计频率,a、b、c和d表示拟合参数;
计算累计频率曲线上各点的曲率半径,选取曲率半径最小的点作为突变点;
将累计频率曲线上累积频率大于所述突变点的点对应的路段确定为事故多发路段。
5.根据权利要求2所述的方法,其特征在于,对所述交通事故数据中指示事故原因的致因数据进行分类,所述类型包括人为因素、车辆因素、道路因素和/或环境因素;
所述确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段包括:
对事故多发路段中所有事故点位的交通事故数据中的致因数据进行统计,将出现次数最多的致因数据对应的类型,作为该事故多发路段的安全隐患类型,得到交通安全隐患路段。
6.根据权利要求2所述的方法,其特征在于,所述确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段包括:
对事故多发路段中所有事故点位的交通事故数据中的致因数据进行统计,将出现次数最多的致因数据对应的类型,作为该事故多发路段的主导安全隐患类型,将除出现次数最多的致因数据之外的致因数据对应的类型,作为该事故多发路段的参考安全隐患类型;
在所述确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段之后,所述方法还包括:
接收第三方的安全隐患诊断信息;
根据所述安全隐患诊断信息对事故多发路段的安全隐患类型进行调整。
7.根据权利要求2所述的方法,其特征在于,所述方法还包括:
提取事故点位、交通安全隐患路段和道路路径网之间的空间位置数据;
采用下述至少一种方式对所述空间位置数据进行空间分析,得到所述事故点位、交通安全隐患路段和道路路径网的空间分布模式数据:
空间位置分析、空间分布分析、空间形态分析、空间关系分析和空间相关分析;
利用数学模型得到对所述空间分布模式数据的分析结果,所述数学模型包括判别分析模型、回归分析模型、相关分析模型和聚类分析模型;以及
当接收到空间分析请求指令时,根据该空间分析请求指令将所述空间分布模式数据和/或所述分析结果展示在交互界面上。
8.一种道路交通安全隐患路段甄别系统,其特征在于,所述系统包括:地图数据库、道路交通事故数据库和道路交通安全隐患路段甄别装置,
所述地图数据库,用于存储道路的地理数据;
所述道路交通事故数据库,用于存储交通事故数据;
所述道路交通安全隐患路段甄别装置包括:
数据库访问模块,用于从地图数据库中读取道路的地理数据,以及,从道路交通事故数据库中读取交通事故数据;
可视化巡查模块,用于利用所述道路的地理数据生成道路路径网在并将该道路路径网展示在交互界面上;
事故点位自动标定模块,用于利用所述交通事故数据将事故点位标定在所述道路路径网中,其中,每一组交通事故数据对应一个事故点位;
事故多发位置自动筛选模块,用于根据道路路径网中标定的事故点位确定事故多发路段;
隐患路段自动甄别模块,用于确定所述事故多发路段的安全隐患类型,得到交通安全隐患路段。
9.根据权利要求8所述的系统,其特征在于,所述道路交通安全隐患路段甄别装置还包括隐患路段空间统计分析模块,
所述隐患路段空间统计分析模块,用于提取事故点位、交通安全隐患路段和道路路径网之间的空间位置数据;
采用下述至少一种方式对所述空间位置数据进行空间分析,得到所述事故点位、交通安全隐患路段和道路路径网的空间分布模式数据:
空间位置分析、空间分布分析、空间形态分析、空间关系分析和空间相关分析;
利用数学模型得到对所述空间分布模式数据的分析结果,所述数学模型包括判别分析模型、回归分析模型、相关分析模型和聚类分析模型。
10.根据权利要求7至9任一项所述的系统,其特征在于,所述可视化巡查模块,还用于将事故点位设置在点图层,将事故多发路段设置在线图层,将道路路径网设置在面图层,建立所述点图层、线图层和面图层之间的关联,并分别在所述点图层、线图层和面图层上将所述事故点位、事故多发路段和道路路径网展示在交互界面上;以及,
所述可视化巡查模块,还用于当接收到描述数据读取指令时,根据该描述数据读取指令读取对应的事故点位的描述数据并显示在交互界面上;
所述可视化巡查模块,还用于当接收到空间分析请求指令时,根据该空间分析请求指令将所述空间分布模式数据和/或所述分析结果展示在交互界面上;
所述事故多发位置自动筛选模块,具体用于将道路路径网中的每条道路路径划分为多个路段;根据路段中出现的事故点位计算每一路段的事故率;查找路段中事故点位的数量为n的路段,并计算查找出的路段的累计频率,其中n表示次数;基于如下公式,根据路段的所述事故率和累计频率,建立累计频率曲线,并进行曲线拟合:f(x)=aebx+cedx
其中,x表示路段事故率与该路段所在道路路径中路段的最大事故率的比值,f(x)表示路段累计频率,a、b、c和d表示拟合参数;以及
计算累计频率曲线上各点的曲率半径,选取曲率半径最小的点作为突变点;将累计频率曲线上累积频率大于所述突变点的点对应的路段确定为事故多发路段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210426533.7A CN102982081B (zh) | 2012-10-31 | 2012-10-31 | 道路交通安全隐患路段甄别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210426533.7A CN102982081B (zh) | 2012-10-31 | 2012-10-31 | 道路交通安全隐患路段甄别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102982081A true CN102982081A (zh) | 2013-03-20 |
CN102982081B CN102982081B (zh) | 2016-08-10 |
Family
ID=47856101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210426533.7A Expired - Fee Related CN102982081B (zh) | 2012-10-31 | 2012-10-31 | 道路交通安全隐患路段甄别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102982081B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104464338A (zh) * | 2014-11-04 | 2015-03-25 | 来安县新元机电设备设计有限公司 | 一种行车安全提醒的方法和系统 |
CN104613975A (zh) * | 2014-07-30 | 2015-05-13 | 腾讯科技(深圳)有限公司 | 导航中显示和发送街景图的方法及设备、服务器和系统 |
CN105788311A (zh) * | 2014-12-26 | 2016-07-20 | 比亚迪股份有限公司 | 车辆安全预警方法、装置和车辆 |
CN106097750A (zh) * | 2016-07-06 | 2016-11-09 | 北京新能源汽车股份有限公司 | 路况的警示方法、系统、云服务器和车辆 |
CN106875687A (zh) * | 2017-04-24 | 2017-06-20 | 哈尔滨工业大学 | 一种基于滑动窗法的事故多发路段自动鉴别方法 |
CN107067781A (zh) * | 2017-04-07 | 2017-08-18 | 叶昊 | 一种用于先进驾驶辅助系统应用的gis道路黑点地图生成方法 |
CN107767023A (zh) * | 2017-09-20 | 2018-03-06 | 浙江工业大学 | 一种基于模糊knn空间特征匹配的道路交通服务水平评价方法 |
CN107993001A (zh) * | 2017-11-29 | 2018-05-04 | 华勤通讯技术有限公司 | 一种风险评估的可视化方法、装置及存储介质 |
CN108491418A (zh) * | 2018-02-06 | 2018-09-04 | 西南交通大学 | 一种交通事故数据信息化采集、管理和分析系统及方法 |
CN109145170A (zh) * | 2018-06-27 | 2019-01-04 | 公安部道路交通安全研究中心 | 一种道路交通事故数据挖掘服务器、方法和系统 |
CN109410567A (zh) * | 2018-09-03 | 2019-03-01 | 江苏大学 | 一种基于车联网的易发事故道路智慧分析系统及方法 |
CN109614752A (zh) * | 2018-12-29 | 2019-04-12 | 南京市城市与交通规划设计研究院股份有限公司 | 城市公共交通仿真决策支撑系统数据动态可视化展示的方法及装置 |
CN110119439A (zh) * | 2019-04-30 | 2019-08-13 | 北京桑德新环卫投资有限公司 | 制定区域内环卫作业道路等级的方法 |
CN111898878A (zh) * | 2020-07-14 | 2020-11-06 | 扬州大学 | 基于预警大数据的车辆风险时空分布分析方法 |
CN112396839A (zh) * | 2020-11-17 | 2021-02-23 | 珠海大横琴科技发展有限公司 | 一种数据处理的方法和装置 |
CN113628336A (zh) * | 2021-08-10 | 2021-11-09 | 长安大学 | 一种道路交通安全隐患点可视化鉴别方法 |
CN113643530A (zh) * | 2021-07-15 | 2021-11-12 | 鄂尔多斯市公安局交通管理支队 | 一种基于大数据背景下道路交通安全隐患信息管理系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470949A (zh) * | 2007-12-25 | 2009-07-01 | 上海爱国者数码科技有限公司 | 交通信息通信系统 |
CN201322991Y (zh) * | 2008-12-26 | 2009-10-07 | 天津市铁通计算机网络工程有限公司 | 交通事故现场图智能绘制系统 |
-
2012
- 2012-10-31 CN CN201210426533.7A patent/CN102982081B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470949A (zh) * | 2007-12-25 | 2009-07-01 | 上海爱国者数码科技有限公司 | 交通信息通信系统 |
CN201322991Y (zh) * | 2008-12-26 | 2009-10-07 | 天津市铁通计算机网络工程有限公司 | 交通事故现场图智能绘制系统 |
Non-Patent Citations (5)
Title |
---|
方守恩等: "公路交通事故多发位置鉴别新方法", 《交通运输工程学报》, vol. 1, no. 1, 31 March 2001 (2001-03-31) * |
李嘉等: "用GIS技术鉴别道路交通事故黑点", 《2004国际公路安全研讨会》, 25 September 2006 (2006-09-25), pages 173 - 178 * |
潘敏荣等: "基于GIS 的道路交通事故黑点分析处理系统研究", 《交通与计算机》, vol. 25, no. 2, 18 June 2007 (2007-06-18) * |
缐凯等: "基于GIS的道路交通安全管理与评价系统的设计及实现", 《交通与计算机》, vol. 23, no. 1, 7 April 2005 (2005-04-07), pages 60 - 63 * |
胡建保等: "基于计算机分析与再现的道路交通事故现场数据分析系统的开发", 《中国科协第五届青年学术年会陕西卫星会议论文集》, 23 November 2009 (2009-11-23) * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104613975B (zh) * | 2014-07-30 | 2019-03-08 | 腾讯科技(深圳)有限公司 | 导航中显示和发送街景图的方法及设备、服务器和系统 |
CN104613975A (zh) * | 2014-07-30 | 2015-05-13 | 腾讯科技(深圳)有限公司 | 导航中显示和发送街景图的方法及设备、服务器和系统 |
CN104464338A (zh) * | 2014-11-04 | 2015-03-25 | 来安县新元机电设备设计有限公司 | 一种行车安全提醒的方法和系统 |
CN105788311A (zh) * | 2014-12-26 | 2016-07-20 | 比亚迪股份有限公司 | 车辆安全预警方法、装置和车辆 |
CN106097750A (zh) * | 2016-07-06 | 2016-11-09 | 北京新能源汽车股份有限公司 | 路况的警示方法、系统、云服务器和车辆 |
CN106097750B (zh) * | 2016-07-06 | 2019-10-25 | 北京新能源汽车股份有限公司 | 路况的警示方法、系统、云服务器和车辆 |
CN107067781B (zh) * | 2017-04-07 | 2020-02-11 | 叶昊 | 一种用于先进驾驶辅助系统应用的gis道路黑点地图生成方法 |
CN107067781A (zh) * | 2017-04-07 | 2017-08-18 | 叶昊 | 一种用于先进驾驶辅助系统应用的gis道路黑点地图生成方法 |
CN106875687B (zh) * | 2017-04-24 | 2020-01-14 | 哈尔滨工业大学 | 一种基于滑动窗法的事故多发路段自动鉴别方法 |
CN106875687A (zh) * | 2017-04-24 | 2017-06-20 | 哈尔滨工业大学 | 一种基于滑动窗法的事故多发路段自动鉴别方法 |
CN107767023A (zh) * | 2017-09-20 | 2018-03-06 | 浙江工业大学 | 一种基于模糊knn空间特征匹配的道路交通服务水平评价方法 |
CN107993001B (zh) * | 2017-11-29 | 2021-10-22 | 华勤技术股份有限公司 | 一种风险评估的可视化方法、装置及存储介质 |
CN107993001A (zh) * | 2017-11-29 | 2018-05-04 | 华勤通讯技术有限公司 | 一种风险评估的可视化方法、装置及存储介质 |
CN108491418A (zh) * | 2018-02-06 | 2018-09-04 | 西南交通大学 | 一种交通事故数据信息化采集、管理和分析系统及方法 |
CN109145170A (zh) * | 2018-06-27 | 2019-01-04 | 公安部道路交通安全研究中心 | 一种道路交通事故数据挖掘服务器、方法和系统 |
CN109145170B (zh) * | 2018-06-27 | 2022-12-20 | 公安部道路交通安全研究中心 | 一种道路交通事故数据挖掘服务器、方法和系统 |
CN109410567A (zh) * | 2018-09-03 | 2019-03-01 | 江苏大学 | 一种基于车联网的易发事故道路智慧分析系统及方法 |
CN109614752A (zh) * | 2018-12-29 | 2019-04-12 | 南京市城市与交通规划设计研究院股份有限公司 | 城市公共交通仿真决策支撑系统数据动态可视化展示的方法及装置 |
CN110119439A (zh) * | 2019-04-30 | 2019-08-13 | 北京桑德新环卫投资有限公司 | 制定区域内环卫作业道路等级的方法 |
CN111898878A (zh) * | 2020-07-14 | 2020-11-06 | 扬州大学 | 基于预警大数据的车辆风险时空分布分析方法 |
CN112396839A (zh) * | 2020-11-17 | 2021-02-23 | 珠海大横琴科技发展有限公司 | 一种数据处理的方法和装置 |
CN113643530A (zh) * | 2021-07-15 | 2021-11-12 | 鄂尔多斯市公安局交通管理支队 | 一种基于大数据背景下道路交通安全隐患信息管理系统 |
CN113628336A (zh) * | 2021-08-10 | 2021-11-09 | 长安大学 | 一种道路交通安全隐患点可视化鉴别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102982081B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102982081A (zh) | 道路交通安全隐患路段甄别方法和系统 | |
Piryonesi et al. | Examining the relationship between two road performance indicators: Pavement condition index and international roughness index | |
Salem et al. | Risk-based life-cycle costing of infrastructure rehabilitation and construction alternatives | |
US9262559B2 (en) | Management tools for quantification and simulation of performance and outcome of winter transportation infrastructure maintenance activities | |
CN110516820B (zh) | 一种基于bim的钢结构桥梁信息化运维系统及处理方法 | |
Gomes | The influence of the infrastructure characteristics in urban road accidents occurrence | |
CN113538898A (zh) | 一种基于多源数据的高速公路拥堵管控系统 | |
Zhang et al. | Robust geographical detector | |
CN108647743B (zh) | 驾驶人安全画像系统 | |
Afghari et al. | Bayesian latent class safety performance function for identifying motor vehicle crash black spots | |
Morova et al. | Pavement management systems application with geographic information system method | |
Obaidat et al. | Integration of geographic information system (GIS) and PAVER system toward efficient pavement maintenance management system (PMMS) | |
KR20220096880A (ko) | 웹 어플리케이션을 활용한 하수관로 안전관리 시스템 | |
Saccomanno et al. | Geographic information system—based integrated model for analysis and prediction of road accidents | |
CN117952321B (zh) | 基于土地工程的土壤侵蚀智能监测预警方法及系统 | |
Obaidat et al. | Digital Mapping of Urban Arterial Roads Pavement Conditions | |
CN117332488B (zh) | 一种基于bim技术的道路桥梁实景模型分析方法和系统 | |
Bou-Saab et al. | Correlating Visual–Windshield Inspection Pavement Condition to Distresses from Automated Surveys Using Classification Trees | |
Tsapakis et al. | Statewide Implementation of Innovative Safety Analysis Tools in Identifying Highway Safety Improvement Projects: Technical Report | |
Adams et al. | Issues and Challenges in Using Existing Data and Tools for Performance Measurement | |
Bonera et al. | Measuring safety performance in the extra-urban road network of Lombardy Region (Italy) | |
Lee et al. | Holistic Network-level Assessment of Pavement Flood Damages | |
Savosin et al. | Estimation and Aggregation Method of Open Data Sources for Road Accident Analysis | |
Arhin et al. | Predicting pavement condition index using international roughness index in Washington DC. | |
Salem et al. | Performance prediction models of pavement highway network in Alberta |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 Termination date: 20171031 |
|
CF01 | Termination of patent right due to non-payment of annual fee |