CN103366551A - 一种道路交通安全评价方法 - Google Patents

Abstract

本发明公开了一种道路交通安全评价方法，以道路交通事故统计数据为基础，选取十个特征指标，从多维的角度评价道路交通安全等级，并提出一种基于模糊C均值聚类确定道路交通安全等级的方法，构建了适用于区域级的道路交通安全等级划分模型，并设计地区差异系数入调整地域的差异性，提出的方法能够对一个地区的道路交通安全等级进行划分，评价该地区的道路交通安全水平。

Description

一种道路交通安全评价方法

技术领域

本发明涉及道路交通领域，特别是涉及一种道路交通安全的评价方法。

背景技术

道路交通安全问题已逐渐引起人们的高度重视，加强道路交通安全管理、改善道路交通安全状况是国家道路交通运营管理部门的一项重要工作。管理部门需要一种客观评价各地区道路交通安全等级的方法，确定各地区的道路交通安全水平，并将有限的资源进行合理分配，以支持需要改善道路交通安全状况的地区，从而做出恰当的资源分配方案。

然而，评价不同地区的道路交通安全水平极其复杂，以不同的指标为依据，可能得出完全不同的评价结果。以交通管理局编制的《中华人民共和国道路交通事故统计资料汇编》(1999～2008)中的数据为例，1999年广东省的万车事故率为55.49，万车死亡率为11.76；甘肃省的万车事故率为27.95，万车死亡率为19.27。如果以万车事故率为评价指标，广东的交通安全状况不如甘肃，需要为广东分配资源，加强道路交通安全管理；而如果以万车死亡率为依据，则甘肃需要加强管理及改善。同理，对同一地区而言，管理者欲评价其管辖的各条道路的交通安全水平也是不容易的。因此，不同部门的管理者均需要一种方法，对其管辖的区域道路或某条道路的交通安全水平进行评价分析。

目前已有研究者对如何划分不同地区道路交通安全等级的方法进行了研究，并提出了一些评价方法。由于不同地区的社会变革、经济和技术的发展以及出行习惯等存在差异，每个地区均有不同的交通设施、管理方式及特点。因此，评价一个地区的道路交通安全水平，不能仅从交通安全数据本身考虑，以某一个指标进行衡量，应该综合多个指标，从多个角度进行分析。

发明内容

本发明从实际的道路交通安全数据入手，尝试对各省的道路交通安全水平进行评价分析。与已有文献采用的指标不同，本发明将考虑不同地区间的差异性，既选取能体现道路交通安全状况的指标，又选取能反映交通条件、经济条件的指标，并采用模糊C均值聚类算法对各地区道路交通安全等级进行划分，从而设计多维道路交通安全评价方法。

为了解决上述技术问题，本发明采用的技术方案是：

一种道路交通安全评价方法，主要包括以下步骤：

(1)以道路交通事故统计数据为基础，基于模糊C均值聚类确定道路交通安全等级；

(2)构建适用于区域级的道路交通安全等级划分模型；

(3)设计地区差异系数λ调整地域的差异性。

所述的模糊C均值聚类步骤：

(1)设定聚类数目c和参数b；

(2)初始化各个聚类中心m_j；

(3)用当前的聚类中心计算隶属度函数；

(4)用当前的隶属度函数更新计算各类聚类中心；

(5)重复(3)、(4)运算，直到各个样本的隶属度值稳定。

其中，模糊C均值聚类算法中需要确定的两个主要参数是聚类数目c和模糊指数b，其中，取c＝3，确定模糊指数b的步骤：

(1)根据历年交通事故统计数据样本X，计算λ_max[C_X]；

(2)如果λ_max[C_X]＜0.5，则

(3)如果λ_max[CX]≥0.5，则1.5≤b≤2.5；

(4)采用启发式方法，以步长为0.1对步骤(2)或(3)中b所在的区间进行渐进寻优，计算不同b值对应的各类类心间距离，寻找使分类的各类类心间距离最大的b值。

进一步，多维道路交通安全度等级按照则近原则进行划分。

由以上本发明提供的技术方案可见，本发明以道路交通事故统计数据和中国统计年鉴数据为基础，选取了事故次数、死亡人数、受伤人数、万车死亡率、万车伤人率、万车事故率、人均GDP、公路里程、货运量和客运量等十个特征指标，从多维的角度评价道路交通安全等级，提出的方法能够科学地对一个地区的道路交通安全等级进行划分，评价该地区的道路交通安全水平。

具体实施方式

为了使本技术领域的人员更好的理解本发明方案，下面对技术方案的具体实施方法作进一步的详细说明。

1)道路交通安全评价算法

道路交通安全评价，即通过对大量的历史数据分析对不同区域的道路交通安全状况等级进行量化。这是一种典型的模糊分类问题，因此，本发明采用模糊聚类算法对获得的数据进行分析，并对相关问题进行研究。

其中，本发明选取特征指标时主要考虑以下因素：

(1)考虑该指标对应数据获取的难易性；

(2)考虑该指标在决策中能够反映出人、车、路和环境四方面对交通安全的影响；

(3)考虑各指标在各地区之间能够进行横向比较。

本发明选取了十个具有代表性的特征指标：事故次数、死亡人数、受伤人数、万车死亡率、万车伤人率、万车事故率、人均GDP、公路里程、货运量和客运量。其中前六个指标直接反映一个地区的道路交通安全状况；后四个指标反映的是一个地区的经济活跃度，对改善交通安全状况方面具有积极的影响。

模糊C均值聚类算法是一种基于划分的聚类算法，其思想就是使得被划分到同一类的对象之间的相似度最大，而不同类之间的相似度最小。

令{x_i，i＝1，2，...，n}是n个样本组成的样本集合，c为预定的类别数目，m_j，j＝1，2，...c为每个聚类的中心，μ_j(x_i)是第i个样本对于第j类的隶属度函数。用隶属度函数定义的聚类损失函数可以写为：

其中，b＞1是一个可以控制聚类结果的模糊程度的常数。

在不同的隶属度定义方法下最小化式(1)的损失函数，就得到不同的模糊聚类方法。其中最有代表性的是模糊C均值方法，它要求一个样本对于各个类聚类的隶属度之和为1，即

i＝1，2，...，n。

令J对m_j和μ_j(x_i)的偏导数为0，可得必要条件：

$m_j=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left[{\mathrm{\μ}}_j\left(x_i\right)\right]}^b{x}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left[{\mathrm{\μ}}_j\left(x_i\right)\right]}^b},$ j＝1，2，...，c

${\mathrm{\μ}}_j\left(x_i\right)=\frac{{(1/{\left|\right|x_i-m_j\left|\right|}^2)}^{1/b-1}}{\underset{k=1}{\overset{c}{\mathrm{\Σ}}}{(1/{\left|\right|x_i-m_k\left|\right|}^2)}^{1/b-1}},$ i＝1，2，...，n，j＝1，2，...，c

模糊c均值算法步骤如下：

步骤1：设定聚类数目c和参数b；

步骤2：初始化各个聚类中心m_j；

步骤3：重复下面的运算，直到各个样本的隶属度值稳定：

①用当前的聚类中心计算隶属度函数；

②用当前的隶属度函数更新计算各类聚类中心。

当算法收敛时，就得到了各类的聚类中心和各个样本对于各类的隶属度值，从而完成了模糊聚类的划分。

确定模糊C均值聚类参数：

模糊C均值聚类算法中需要确定的两个主要参数是聚类数目c和模糊指数b。本发明将道路交通安全分为一级、二级和三级，等级越高交通安全状况相对越好，设定聚类数目c＝3。下面对b值的确定进行分析。

模糊指数b的取值对聚类结果有较大影响，选择合理的b值非常重要。通过实验数据分析，给出b值的最佳选择区间为[1.5，2.5]。通过理论证明指出，模糊指数b的选择依赖于数据样本X的一个统计量λ_max[C_X]，

其中λ_i为矩阵G_X的特征根，当λ_max[C_X]＜0.5时，则应该有

否则模糊C均值聚类算法的聚类结果不够理想；当λ_max[C_X]≥0.5时，则应该有b＞1。综上，确定b值的基本步骤为：

(1)根据历年交通事故统计数据样本X，计算λ_max[C_X]；

(2)如果λ_max[C_X]＜0.5，则

(3)如果λ_max[C_X]≥0.5，则1.5≤b≤2.5；

(4)采用启发式方法，以步长为0.1对步骤(2)或(3)中b所在的区间进行渐进寻优，计算不同b值对应的各类类心间距离，寻找使分类的各类类心间距离最大的b值。

2)多维道路交通安全度等级划分方法

为表征不同维度状态下，道路的交通安全状况，本发明采用模糊C均值聚类算法时没有将所有的特征指标构成的数据作为一个大样本进行聚类分析，而是对选取的每一个特征指标分别聚类分析，将每个特征指标的数据样本划分为三类：一级、二级、三级。每一个类代表一个模糊范围，该模糊范围描述了某特征指标值所属的安全级别。

本发明在等级划分时按照则近原则进行划分。假设某地区的n个特征指标中第i个指标为P_i，P_i到各个类中心m_j的距离为DP(i，m₁)，DP(i，m₂)，DP(i，m₃)。设λ为一个常量系数，将聚类期间得到的各类的标准差δ_j与λ的乘积λδ_j作为各个类的可接受范围。显然，λ值越小，则类的半径越小；λ值越大，则类的半径越大。将DP(i，m_j)分别与λδ_j进行比较，若

则P_i∈C_j来确定其属于哪一个类。

对于每一类C_j赋予其相应的权重，即V₁，V₂，V₃。从而，根据

计算出该地区道路交通安全状况的综合评分。其中Score为综合评分值，U_i为特征指标P_i对应的权重，V_j为特征指标P_i所属类的权重。

由以上的分析可知，在评价某一地区的道路交通安全状况时，式(6)可以通过调整阈值参数λ的大小来进行控制。λ可作为地区差异系数，根据不同地区的实际情况来设定λ值。

3)算例分析

以1999～2008年各省的道路交通事故统计数据以及中国统计年鉴中的相关数据为基础，利用本发明提出的模糊C均值聚类算法进行分析。本发明仅给出十个地区的等级划分结果。表1为按照式(6)计算得到的十个地区道路交通安全等级最终划分结果。以表1所示各地区为例，考虑各地区的实际情况，根据GDP反应的地区经济指标设定λ值，并根据公式(7)计算的各地区道路交通安全状况的综合评分将各地区道路交通安全等级进行划分。综合分值在0.85以上的为一级；0.60～0.84的为二级；小于0.60的为三级。

表1附近原则的各地区道路交通安全等级

由表1中的数据可以看出，山西、吉林、辽宁和黑龙江的道路交通安全等级为三级，区域道路交通安全状况需要改善；上海、江苏、北京、天津、内蒙古的道路交通安全状况为二级；河北的为一级，整体的区域道路交通安全状况相对较好。

需要说明的是：在不脱离本发明技术原理的前提下，可以做若干改进，这些改进也可以视为本发明的保护范围。

Claims (4)

1.一种道路交通安全评价方法，主要包括以下步骤：

(1)以道路交通事故统计数据为基础，基于模糊C均值聚类确定道路交通安全等级；

(2)构建适用于区域级的道路交通安全等级划分模型；

(3)设计地区差异系数λ调整地域的差异性。

2.根据权利要求1所述的一种道路交通安全评价方法，其特征在于，所述模糊C均值聚类的步骤：

(1)设定聚类数目c和参数b；

(2)初始化各个聚类中心m_j；

(3)用当前的聚类中心计算隶属度函数；

(4)用当前的隶属度函数更新计算各类聚类中心；

(5)重复(3)、(4)运算，直到各个样本的隶属度值稳定。

3.根据权利要求1所述的一种道路交通安全评价方法，其特征在于，模糊C均值聚类算法中需要确定的两个主要参数是聚类数目c和模糊指数b，其中，取c＝3，确定模糊指数b的步骤：

(1)根据历年交通事故统计数据样本X，计算λ_max[C_X]；

(2)如果λ_max[C_X]＜0.5，则

(3)如果λ_max[C_X]≥0.5，则1.5≤b≤2.5；

(4)采用启发式方法，以步长为0.1对步骤(2)或(3)中b所在的区间进行渐进寻优，计算不同b值对应的各类类心间距离，寻找使分类的各类类心间距离最大的b值。

4.根据权利要求1所述的一种道路交通安全评价方法，其特征在于，所述道路交通安全度等级按照则近原则进行划分。