CN111898878A - 基于预警大数据的车辆风险时空分布分析方法 - Google Patents

基于预警大数据的车辆风险时空分布分析方法 Download PDF

Info

Publication number
CN111898878A
CN111898878A CN202010671995.XA CN202010671995A CN111898878A CN 111898878 A CN111898878 A CN 111898878A CN 202010671995 A CN202010671995 A CN 202010671995A CN 111898878 A CN111898878 A CN 111898878A
Authority
CN
China
Prior art keywords
early warning
vehicle
data
risk
determining
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.)
Pending
Application number
CN202010671995.XA
Other languages
English (en)
Inventor
孙敏
宇泓儒
邓社军
于世军
陆曹烨
钟煜一
朱俊豪
管恩丞
窦玥
赵思琦
李丹
陆晟慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou University
Original Assignee
Yangzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangzhou University filed Critical Yangzhou University
Priority to CN202010671995.XA priority Critical patent/CN111898878A/zh
Publication of CN111898878A publication Critical patent/CN111898878A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Emergency Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提出了一种基于预警大数据的车辆风险时空分布分析方法，包括：采集车辆运行预警数据，并根据车辆运行预警数据确定预警时间和预警点的经纬度坐标；对采集的预警数据按时间进行分箱并进行统计；根据预警数据确定车辆预警点空间位置文件；利用GIS核密度分析方法确定车辆预警空间分布模型；根据车辆预警空间分布模型确定风险等级并得出车辆风险的空间分布图。本发明基于车辆风险的空间分布图，找出高风险区域所包含的路段，为该类路段增加风险等级字段，从而从时空分布上提出面向公交车辆安全运行的状态评估以及风险量化模型。

Description

基于预警大数据的车辆风险时空分布分析方法
技术领域
本发明属于城市交通安全技术领域，具体为一种基于预警大数据的车辆风险时空分布分析方法。
背景技术
近年来，车辆安全事故特别是公交车辆风险时有发生，车辆安全问题再一次成为交通领域的热点话题，特别是如何简单高效地分析和得出公交车辆风险的时空分布规律是这一问题的痛点和难点。已有的车辆风险分布分析方法主要基于车辆事故的发生数据展开，此类数据样本量较少且具有偶然性，难以得出确切的车辆风险时空分布规律，不能为城市公交的交通规划提供有效依据。
预警大数据能够提供大量的车辆报警样本和详细的报警参数信息，基于该数据能够得出更加精确有效的公交车辆风险时空分布。然而，由于交通预警设备的广泛使用才刚刚开始，以往的公交车辆风险时空分布分析方法不能适应大数据背景下的精度和分析效率的要求，因此，提出高效、精准的公交车辆风险时空分布分析方法是十分必要的。
发明内容
本发明的目的在于提出了一种基于预警大数据的车辆风险时空分布分析方法。
实现本发明目的的技术解决方案为：一种基于预警大数据的车辆风险时空分布分析方法，具体步骤为：
步骤1：采集车辆运行预警数据，并根据车辆运行预警数据确定预警时间和预警点的经纬度坐标；
步骤2：对采集的预警数据按时间进行分箱并进行统计；
步骤3：根据预警数据确定车辆预警点空间位置文件；
步骤4：利用GIS核密度分析方法确定车辆预警空间分布模型；
步骤5：根据车辆预警空间分布模型确定风险等级并得出车辆风险的空间分布图。
优选地，所述车辆运行预警数据包括驾驶员疲劳预警和车辆前向碰撞预警数据。
优选地，对采集的预警数据按时间进行分箱并进行统计的具体方法为：
以设定时间作为时间段，统计同一时间段中驾驶员疲劳状态预警数量和车辆异常状态预警数量，确定驾驶员疲劳状态预警和车辆异常状态预警发生的分布时间段。
优选地，根据预警数据确定车辆预警点空间位置文件的具体方法为：
步骤3.1、将车辆预警的经纬度坐标数据导入到矢量地图中，并导出为车辆预警点矢量文件；
步骤3.2、将车辆预警点文件位置全部映射到包含城市道路的矢量地图上。
优选地，利用GIS核密度分析方法确定车辆预警空间分布模型的具体方法为：
利用核密度分析工具，将预警点空间位置文件作为输入要素，设置搜索半径为矢量地图内城市道路的最小宽度，得到栅格数据输出结果。
本发明与现有技术相比，其显著优点为：本发明通过车辆安全预警设备获取海量历史预警数据，对获取到的预警大数据按时间进行分箱并汇总统计；将车辆预警的经纬度坐标位置导入到城市道路矢量地图中，并进行数字处理、导出为矢量数据；应用Arcgis的核密度分析方法计算并建立车辆预警的空间分布模型；划分空间密度分布等级并得出车辆风险的空间分布图；最后将城市道路按车辆风险等级进行空间划分，基于车辆风险的空间分布图，找出高风险区域所包含的路段，为该类路段增加风险等级字段，从而从时空分布上提出面向公交车辆安全运行的状态评估以及风险量化模型，为对风险进行量化评估提供理论依据。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例的公交车辆每小时预警数量走势图。
图3为本发明实施例的驾驶员疲劳预警空间分布情况。
图4为本发明实施例的驾驶员疲劳预警密度分布图。
图5为本发明实施例的驾驶员疲劳预警核心区域。
具体实施方式
如图1所示，一种基于预警大数据的车辆风险时空分布分析方法，通过公交车辆安全预警设备获取海量历史预警数据，以设定时间为时间区间，对获取到的预警大数据按时间进行分箱并汇总统计，分析同一时间段中驾驶员疲劳状态预警数量和车辆异常状态预警数量的差异，应用Arcgis的核密度分析方法计算并建立车辆预警的空间分布模型；划分空间密度分布等级并得出车辆风险的空间分布图；最后将城市道路按车辆风险等级进行空间划分，基于车辆风险的空间分布图，找出高风险区域所包含的路段，为该类路段增加风险等级字段。具体包括以下步骤：
步骤1、数据的获取
数据来源于公交车辆运行预警数据采集设备。原始预警数据主要由公交车辆驾驶员疲劳预警和车辆前向碰撞预警数据两部分组成，主要包括预警时间和预警点的经纬度坐标信息。
步骤2、将获取到的预警大数据按时间进行分箱并汇总统计，具体为：
以设定时间作为时间段，统计同一时间段中驾驶员疲劳状态预警数量和车辆异常状态预警数量，确定驾驶员疲劳状态预警和车辆异常状态预警发生的分布时间段。
步骤3：根据预警数据确定车辆预警点空间位置文件，具体为：
步骤3.1、将车辆预警的经纬度坐标数据导入到矢量地图中，并导出为车辆预警点矢量文件；
步骤3.2、将车辆预警点文件位置全部映射到包含城市道路的矢量地图上。
步骤4、利用GIS核密度分析方法建立车辆预警的空间分布模型：
利用核密度分析工具，将步骤3导出的预警点文件作为输入要素，设置搜索半径设置为矢量地图内城市道路的最小宽度，输出结果栅格数据。
步骤5、确定风险等级并得出车辆风险的空间分布图；
对步骤4所述栅格数据进行设置，进入符号系统将分类数设置为至少3但不超过12，设置色带使得显示区域按车辆行驶风险从大到小而由深至浅，将其导出即可得到车辆风险的空间分布图。
对预警大数据按时间进行分箱并汇总统计可以有效的得出公交风险的时间分布情况以及利用核密度分析法可以将城市道路划分为不同风险等级，既提供了风险区域的可视化方法，又对道路等级有效划分并能够为该类路段数据增加风险等级信息以便存储。
如图2～5所示，结合公交风险时间分布情况以及城市道路的空间分布情况，可以得出车辆风险的时空分布情况。采用本发明针对某市的公交车辆历史预警数据进行分析，得出某市公交风险时空分布图，从图中可以看出驾驶员疲劳预警密度中心集中于中山路路段。中山路(九华山路-解放路)为驾驶员疲劳预警密度最高的区域，以此路段为核心区域，逐渐向外递减。

Claims (5)

1.一种基于预警大数据的车辆风险时空分布分析方法，其特征在于，具体步骤为：
步骤1：采集车辆运行预警数据，并根据车辆运行预警数据确定预警时间和预警点的经纬度坐标；
步骤2：对采集的预警数据按时间进行分箱并进行统计；
步骤3：根据预警数据确定车辆预警点空间位置文件；
步骤4：利用GIS核密度分析方法确定车辆预警空间分布模型；
步骤5：根据车辆预警空间分布模型确定风险等级并得出车辆风险的空间分布图。
2.根据权利要求1所述的基于预警大数据的车辆风险时空分布分析方法，其特征在于，所述车辆运行预警数据包括驾驶员疲劳预警和车辆前向碰撞预警数据。
3.根据权利要求1所述的基于预警大数据的车辆风险时空分布分析方法，其特征在于，对采集的预警数据按时间进行分箱并进行统计的具体方法为：
以设定时间作为时间段，统计同一时间段中驾驶员疲劳状态预警数量和车辆异常状态预警数量，确定驾驶员疲劳状态预警和车辆异常状态预警发生的分布时间段。
4.根据权利要求1所述的基于预警大数据的车辆风险时空分布分析方法，其特征在于，根据预警数据确定车辆预警点空间位置文件的具体方法为：
步骤3.1、将车辆预警的经纬度坐标数据导入到矢量地图中，并导出为车辆预警点矢量文件；
步骤3.2、将车辆预警点文件位置全部映射到包含城市道路的矢量地图上。
5.根据权利要求1所述的基于预警大数据的车辆风险时空分布分析方法，其特征在于，利用GIS核密度分析方法确定车辆预警空间分布模型的具体方法为：
利用核密度分析工具，将预警点空间位置文件作为输入要素，设置搜索半径为矢量地图内城市道路的最小宽度，得到栅格数据输出结果。
CN202010671995.XA 2020-07-14 2020-07-14 基于预警大数据的车辆风险时空分布分析方法 Pending CN111898878A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010671995.XA CN111898878A (zh) 2020-07-14 2020-07-14 基于预警大数据的车辆风险时空分布分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010671995.XA CN111898878A (zh) 2020-07-14 2020-07-14 基于预警大数据的车辆风险时空分布分析方法

Publications (1)

Publication Number Publication Date
CN111898878A true CN111898878A (zh) 2020-11-06

Family

ID=73192578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010671995.XA Pending CN111898878A (zh) 2020-07-14 2020-07-14 基于预警大数据的车辆风险时空分布分析方法

Country Status (1)

Country Link
CN (1) CN111898878A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095713A (zh) * 2021-04-28 2021-07-09 扬州大学 一种基于公交历史报警数据的驾驶员空间风险预警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102982081A (zh) * 2012-10-31 2013-03-20 公安部道路交通安全研究中心 道路交通安全隐患路段甄别方法和系统
CN109726942A (zh) * 2019-03-01 2019-05-07 北京汽车研究总院有限公司 一种驾驶环境风险评估方法及系统
CN110930701A (zh) * 2019-11-22 2020-03-27 长安大学 一种基于道路事故数据的车辆分级预警系统及方法
CN111009127A (zh) * 2019-12-24 2020-04-14 安徽虹湾信息技术有限公司 一种基于事故风险的城市动态预警系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102982081A (zh) * 2012-10-31 2013-03-20 公安部道路交通安全研究中心 道路交通安全隐患路段甄别方法和系统
CN109726942A (zh) * 2019-03-01 2019-05-07 北京汽车研究总院有限公司 一种驾驶环境风险评估方法及系统
CN110930701A (zh) * 2019-11-22 2020-03-27 长安大学 一种基于道路事故数据的车辆分级预警系统及方法
CN111009127A (zh) * 2019-12-24 2020-04-14 安徽虹湾信息技术有限公司 一种基于事故风险的城市动态预警系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095713A (zh) * 2021-04-28 2021-07-09 扬州大学 一种基于公交历史报警数据的驾驶员空间风险预警方法
CN113095713B (zh) * 2021-04-28 2023-10-20 扬州大学 一种基于公交历史报警数据的驾驶员空间风险预警方法

Similar Documents

Publication Publication Date Title
CN106529754B (zh) 基于大数据分析的出租车运营情况评估方法
CN111311918B (zh) 一种基于视觉分析的交通管理方法及装置
CN112734242B (zh) 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端
CN103632540B (zh) 基于浮动车数据的城市主干道交通运行信息处理方法
Kim et al. Exploring the association of rear-end crash propensity and micro-scale driver behavior
CN110304068B (zh) 汽车行驶环境信息的采集方法、装置、设备和存储介质
Rankavat et al. Pedestrian accident analysis in Delhi using GIS
CN112805762B (zh) 提高交通状况可视化的系统和方法
US10773727B1 (en) Driver performance measurement and monitoring with path analysis
CN111489555A (zh) 一种交通运行状态预测方法、装置和系统
CN107784832A (zh) 一种用于识别交通道路中的事故黑点的方法与设备
CN114912689B (zh) 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统
CN116307699A (zh) 基于多源数据的道路隐患点段分级方法、装置及存储介质
US10163339B2 (en) Monitoring traffic congestion
Yu et al. Using 3D mobile mapping to evaluate intersection design through drivers’ visual perception
CN111898878A (zh) 基于预警大数据的车辆风险时空分布分析方法
CN113990105A (zh) 一种车辆轨迹的处理方法、装置、计算机设备和存储介质
CN113393011B (zh) 预测限速信息的方法、装置、计算机设备和介质
EP3922947A2 (en) Traffic analytics system for defining road networks
CN114169247A (zh) 仿真交通流的生成方法、装置、设备和计算机可读存储介质
CN113808388A (zh) 综合考虑小汽车和公共交通运行的交通拥堵分析方法
EP3913551B1 (en) Method for defining road networks
CN111474566B (zh) 一种道路运输车辆卫星定位系统终端安装情况的判断方法
CN113140107B (zh) 交通信息处理方法、装置、电子设备及计算机存储介质
EP3919860A1 (en) Intelligent telematics system for defining road networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination