CN113887872A - 一种基于态势评估技术的交通风险分级方法 - Google Patents
一种基于态势评估技术的交通风险分级方法 Download PDFInfo
- Publication number
- CN113887872A CN113887872A CN202111028748.9A CN202111028748A CN113887872A CN 113887872 A CN113887872 A CN 113887872A CN 202111028748 A CN202111028748 A CN 202111028748A CN 113887872 A CN113887872 A CN 113887872A
- Authority
- CN
- China
- Prior art keywords
- traffic
- road
- matrix
- fuzzy
- situation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005516 engineering process Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 238000012502 risk assessment Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 53
- 206010039203 Road traffic accident Diseases 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims 1
- 230000010354 integration Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 2
- 230000002265 prevention Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于态势评估技术的交通风险分级方法,包括:建立交通风险评估指标体系,构建模糊评语集,构建层次结构模型,构建各层次中所有判断矩阵,对层次结构模型进行层次单排序及一致性检验,通过计算模糊评价结果,利用最大隶属度原则,综合确定公路交通安全态势评价等级,即交通风险等级。本发明综合考虑了影响公路交通安全的各种因素,构建了一个相对完善的交通风险评估指标体系;同时指标可以动态变化,能够针对交管部门在处理突发事件的时效性、科学性和客观性等方面存在的问题提供有效的解决手段。风险评估结果能够给各交通管理单位在处置应急事件方面,提供辅助决策,能够有效进行交通突发事件的防治及快速处理工作。
Description
技术领域
本发明属于智能交通技术领域,特别涉及一种基于态势评估技术的交通风险分级方法。
背景技术
高速公路交通突发事件引发的重大交通事故和大面积交通拥堵,究其原因是对交通突发事件监测不到位,无法准确把握交通突发事件态势的发展变化规律,对各种道路环境和交通条件下的突发事件风险分级尚不能进行科学的评估,而重大交通事故后应急救援速度慢增加了交通事故死亡人数,事件应急响应速度慢、资源配置不合理、交通事件态势信息发布不及时等因素,加剧了突发事件对交通安全的影响程度。因此,实施有效的交通风险分级可以帮助交管部门及时进行突发救援方案的确定。
交通风险分级态势评估技术是信息融合中最活跃的研究领域之一。如今交通事件的感知及预警还停留在人为的凭借经验对断面交通流信息的利用,交管部门尽管可以通过有效的手段采集断面交通流信息,但是这些手段无法提供综合性的基于外部环境因素下的交通风险定量分级的方法。
自二十世纪七十年代开始至今,许多国家在军事领域对态势评估从理论体系和系统实现方法等方面进行了研究和开发,取得了很大的进展。交通事故导致大量的人员伤亡和财产损失不得不让人们觉得其残酷性如同战争,将交通环境比作战场的残酷性和紧迫性的观念也慢慢深入人心,该技术也因此在交通领域得到运用。该技术可以充分感知外部环境,对交通管理提供有效可靠的依据,系统地研究交通突发事件态势评估技术具有重要的意义。
发明内容
本发明的目的在于提供一种基于态势评估技术的交通风险分级方法,充分利用交通流数据及环境信息,利用不同评估对象下不同评价指标和综合评估模型,划分路网或路段交通安全态势等级,从而为交管部门在不同条件下制定最合理的应急预案提供科学有力的技术支持。
技术方案如下:
一种一种基于态势评估技术的交通风险分级方法,包括以下步骤:
S1:将交通安全态势影响因素进行列表说明,获取评价指标体系;
S2:根据评价指标体系获取待评价路段或路网基本数据;
S3:将交通风险等级评价从高到低划分为4个等级,确定模糊评语集V={v1,v2,v3,v4};
S4:计算公路交通突发事件威胁程度指标,确定模糊隶属度矩阵R;
S5:通过层次结构模型计算各类路段的交通风险指标权重集合W;
S6:依据各项指标的评价值,通过各项指标对各等级的隶属度评价矩阵R和权向量W计算模糊评价结果D,确定交通风险等级;
进一步地,步骤S1中所述交通安全态势评价指标体系包括:气象条件B1、交通流状态B2、交通事件B3、交通违法行为B4、历史交通事故B5、公路条件B6;其中:
气象条件B1包括:雾C1、雨C2、风C3、冰冻C4、雪C5;
交通路状态B2包括:流量突变C6、路段车速差C7、路面车型构成C8;
交通事件B3包括交通事件C9;
交通违法事件B4包括交通违法事件C10;
历史交通事故B5包括历史交通事故C11;
公路条件B6包括:公路安全措施C12、公路安全点或段C13。
进一步地,步骤S3中所述模糊评语评判标准如下表所示:
进一步地,步骤S4中所述模糊隶属度矩阵R中线形方程隶属函数求解如下所示:
S4.1:确定各评价等级的界限值,如下表所示:
v<sub>1</sub> | v<sub>2</sub> | v<sub>3</sub> | v<sub>4</sub> |
a<sub>i1</sub>~a<sub>i2</sub> | a<sub>i2</sub>~a<sub>i3</sub> | a<sub>i3</sub>~a<sub>i4</sub> | a<sub>i4</sub>~a<sub>i5</sub> |
5~4 | 4~3 | 3~2 | 2~1 |
S4.2:由线性方程构造的隶属函数,计算各指标的隶属度,半梯形与梯形隶属函数的公式具体计算如下所示:
其中,ri1~ri4分别为公路交通突发事件威胁程度指标,i是相对于评语集一级至四级的隶属函数,x为被评价对象的指标值;
S4.3:将ri1~ri4计算得到的数值写入矩阵R。
进一步地,所述步骤S5中的通过层次结构模型计算各类路段的交通风险指标权重集合W,层次分析法确定权重的步骤如下:
S5.1:构造判断矩阵,采用1~9标度法构造判断矩阵;
S5.2:计算权重系数,求出判断矩阵的最大特征根对应的特征向量,经归一化得各指标的权重系数;
S5.3:一致性检验,检验步骤S5.2所述的权重系数是否合理,进一步对判断矩阵进行一致性检验,一致性检验公式如下:
CR=CI/RI
其中,CI为判断矩阵的一般性一致性指标,λmax为判断矩阵的最大特征根,n为判断矩阵的阶数;CR为判断矩阵的随机一致性比率;RI为判断矩阵平均随机一致性指标,其值见下表:
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
当判断矩阵的CR<0.1时或λmax=n,CI=0时,认为其具有满意的一致性,否则调整判断矩阵中的元素使其具有满意的一致性。
进一步地,路交通安全态势综合评估等级由模糊评价结果D确定,D=W·R=(d1,d2,d3,d4),采用最大隶属原则,若dk=max(d1,d2,d3,d4),则公路交通安全态势综合评估等级为k级
本发明提供的基于态势评估技术的交通风险分级方法,相较于现有技术具有如下有益效果:
1)本发明方法能够实现采集现场信息、预测事态发展、评估事件威胁程度、快速划分交通风险等级。
2)本发明方法基于交通传感器综合检测的态势感知技术、交通事件持续时间和影响范围的预测技术、交通事件威胁程度的模糊评价技术对交通突发事件的状态和趋势进行实时评估,然后根据突发事件态势分析结果,结合各种传感器传回的事发现场信息和模型预测信息,快速生成应急预案,并利用闭环控制评估系统对事件处理过程进行实时动态跟踪评估,为应急预案信息管理和处置对策优化提供理论依据,为先进的交通事件管理系统的建设提供技术保障。
3)本发明针对交管部门在处理突发事件的时效性、科学性和客观性等方面存在的问题提供有效的解决手段。该方法可以科学、有效地利用大量的交通检测器、交通数据的融合处理、交通信息共享与发布等设备实时检测的海量数据。该方法以交通事件态势评估的基础理论作为技术支撑,可以实现事件情况下的交通应急管理工作的信息化、智能化和实时化。
附图说明
图1为本发明实施例的基于态势评估技术的交通风险分级方法的工作流程示意图。
图2为本发明实施例的层次结构模型的建立流程图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合实施例对本发明提供的一种基于态势评估技术的交通风险分级方法进行详细描述。以下实施例仅用于说明本发明而非用于限制本发明的范围。
实施例1
一种基于态势评估技术的交通风险分级方法,包括:建立交通风险评估指标体系,构建模糊综合层次结构模型;构造各层次中所有判断矩阵;对层次结构模型进行层次单排序及一致性检验和通过层次结构模型计算各公路交通风险权重指标,根据指标大小进行排序;综合各等级的隶属度评价矩阵R和权向量W得到模糊评价结果D,采用最大隶属度原则得到公路交通安全态势综合评估等级,将其作为交通风险等级。
如图1、图2所示,本发明实现步骤如下:
步骤1、构建交通风险评价指标体系,其中,交通安全态势评价指标体系包括气象条件B1、交通流状态B2、交通事件B3、交通违法行为B4、历史交通事故B5、公路条件B6,气象条件B1包括以下因素:雾C1、雨C2、风C3、冰冻C4、雪C5;交通路状态B2包括以下因素:流量突变C6、路段车速差C7、路面车型构成C8;交通事件B3包括以下因素:交通事件C9;交通违法事件B4包括以下因素:交通违法事件C10;历史交通事故B5包括以下因素:历史交通事故C11;公路条件B6包括以下因素:公路安全措施C12、公路安全点(段)C13;
步骤2、利用路网中安装的事件传感器(交通流量检测器、视频事件检测器等)实现事件的自动检测与报警,同时依靠路面巡逻、电话报警、视频监控等手段辅助实现人工或半自动的事件检测与报警,对路网的交通安全态势进行实时的监控,完成路网突发事件态势感知功能,从而获取各种数据;
步骤3、针对步骤1中所述的各种评价指标,对这个指标给出适当评语,将评价等级从高到低划分为四级,第一级表示影响严重程度等级最高,第二级表示影响严重程度高于平均水平,第三级表示影响严重程度低于平均水平,第四级表示影响严重程度最低,其中,界限值根据前述指标的分析,参考相关规范、研究成果以及专家评估来划定,最终确定其模糊评语集;
步骤4、结合评价指标体系各项内容,计算公路交通突发事件威胁程度指标ri1~ri4,半梯形与梯形隶属函数的公式如下式所示,各指标的隶属度可根据下列线性方程构造的隶属函数求解,由隶属函数确定模糊综合评判矩阵R1,R2,R3,R4;
步骤5、进一步地,权重集合可通过层次分析法得到,采用1~9标度法构造判断矩阵进行计算,对于不能确定的判断,保留空缺,通过一定的数学手段,依据已有项进行填补。然后,求解判断矩阵的特征根,计算最大特征根λmax,找出它所对应的特征向量w,即为同一层各指标相对于上一层指标的相对重要性的排序权重,然后进行一致性检验;
重要性语言量化标度见下表:
步骤5.1、根据评估指标层次结构构造判断矩阵。构造判断矩阵的方法是:每一个具有向下隶属关系的元素(被称作准则)作为判断矩阵的第一个元素(位于左上角),隶属于它的各个元素依次排列在其后的第一行和第一列。然后,填写判断矩阵,向填写人(专家)反复询问:针对判断矩阵的准则,其中两个元素两两比较哪个重要,重要多少,对重要性程度按1~9赋值;
填写后的判断矩阵为A=(aij)n×n,判断矩阵具有对称性,其形式如下表所示:
A | B1 | B2 | B3 | B4 | B5 | B6 |
B1 | ||||||
B2 | ||||||
B3 | ||||||
B4 | ||||||
B5 | ||||||
B6 |
步骤5.2、对于填写后的判断矩阵,利用一定数学方法进行计算权向量。计算权向量是指每一个判断矩阵各因素针对其准则的相对权重,利用和法进行计算,见下式:
步骤5.3、实际中要求判断矩阵满足大体上的一致性,需进行一致性检验。只有通过检验,才能说明判断矩阵在逻辑上是合理的,才能继续对结果进行分析;
其中,公路交通安全态势评估多因素组合条件下的指标权重推荐值见下表:
进一步地,一致性检验的步骤包括:
计算一致性指标CI:
式中,λmax为判断矩阵的最大特征值,n为判断矩阵的阶数;
通过查表确定相应的平均随机一致性指标RI:
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 |
矩阵阶数 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | |
RI | 1.46 | 1.49 | 1.52 | 1.54 | 1.56 | 1.58 | 1.59 |
计算一致性比例CR:
CR=CT/RI
当CR<0.1时,为判断矩阵的一致性是可以接受的;当CR>0.1时,认为判断矩阵不符合一致性要求,需要对该判断矩阵进行重新修正;
层次总排序与检验:
总排序是指每一个判断矩阵各因素针对目标层(最上层)的相对权重。这一权重的计算采用从上而下的方法,逐层合成。
第二层的单排序结果就是总排序结果。
假定已经算出第k-1层m个元素相对于总目标的权重:第k层n个元素对于上一层(第k层)第j个元素的单排序权重是其中不受j支配的元素的权重为零。令表示第k层元素对第k一1层个元素的排序,第k层元素对于总目标的总排序为:
i=1,2,…,n
同时,也需要对总排序结果进行一致性检验;
步骤6、经过现场调查、测定和专家评估,获得公路交通安全态势各项指标的评价值,通过得到各项指标对各等级的隶属度评价矩阵R和权向量W,则模糊评价结果D可写成:D=W·R,
采用最大隶属度原则,dk=(d1 d2 d3 d4),则公路交通安全态势综合评估等级为k级,若给各等级赋予一定的数值,则该公路交通安全态势评分值为F=D·S。
本实施例提供的基于态势评估技术的交通风险分级方法后续可以搭配交通调度管理系统,信息公布系统等,对运营路段内的车辆进行提醒预警。比如当系统检测到重点违法行为时,系统管理员调出事件存储视频及观察视频矩阵确认事件类型,并决定是否发布此事件信息及预警信息。当决定发布此预警信息时,则通过网络远程无线发布预警信息到监控区域的可变情报板上。远程可变信息板显示事件类型和管控措施等信息,给违法车辆和后续车辆提供管控和预警信息。并且,事件一旦确认发布,监控中心的管理人员可以通过无线喇叭对现场违法车辆实施远程喊话执法管控,降低交通事件风险,维持正常的交通运行秩序,能够有效地预防交通事故的发生和提高处理突发事件的能力。
本实施例提供的基于态势评估技术的交通风险分级方法,既充分考虑了现有预案或规范中的事件分类分级的规定,又考虑了事件时空态势的综合信息,同时合理分配各指标间的权重,帮助识别公路运营期间不同事件风险等级的划分,并对交通风险进行实时预测,在此基础上,可以有诸如可视化运营、预警提醒等的方式提醒交管部门人员,以方便运营单位及时发现路网或者路段范围内的安全隐患,提升道路的运营安全水平。
上面结合实施例对本发明的实例作了详细说明,但是本发明并不限于上述实例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出的各种变化,也应视为本发明的保护范围。
Claims (6)
1.一种基于态势评估技术的交通风险分级方法,其特征在于,包括以下步骤:
建立交通风险评估指标体系,构建层次结构模型;
依据划分的等级标准,构造模糊评语集,确定模糊隶属度矩阵;
构造各层次中所有判断矩阵;
对层次结构模型进行层次单排序及一致性检验;
通过层次结构模型计算各路段区域交通风险权重指标,根据指标大小进行排序;
根据隶属度评价矩阵和权向量计算公路安全态势模糊评价结果,确定交通风险等级。
2.根据权利要求1所述的基于态势评估技术的交通风险分级方法,其特征在于,建立路段交通风险评估指标体系,构建层次结构模型步骤包括:
设立高速公路交通安全态势评估等级目标A,交通安全态势评价指标体系包括气象条件B1、交通流状态B2、交通事件B3、交通违法行为B4、历史交通事故B5、公路条件B6;其中,气象条件B1包括以下因素:雾C1、雨C2、风C3、冰冻C4、雪C5;交通路状态B2包括以下因素:流量突变C6、路段车速差C7、路面车型构成C8;交通事件B3包括以下因素:交通事件C9;交通违法事件B4包括以下因素:交通违法事件C10;历史交通事故B5包括以下因素:历史交通事故C11;公路条件B6包括以下因素:公路安全措施C12、公路安全点(段)C13;
基于各路段要求收集整理相应的指标数据;
深入分析诱导交通事件风险的各类因素,确定模糊评语集,构建层次结构模型,计算公路安全态势评价结果,确定交通风险等级。
3.根据权利要求1所述的基于态势评估技术的交通风险分级方法,其特征在于,根据模糊隶属度矩阵计算公路交通突发事件威胁程度指标具体为:确定各评价等级的界限值,由隶属函数确定模糊综合评判矩阵,各指标的隶属度根据线性方程构造的隶属函数求解。
4.根据权利要求1所述的基于态势评估技术的交通风险分级方法,其特征在于,构造各层次中所有判断矩阵包括获取各层次中的风险易发性判断矩阵。
6.根据权利要求1所述的一种基于态势评估技术的交通风险分级方法,其特征在于,通过模糊综合层次分析法进行态势评估求得模糊评价结果具体为:根据各层级的权值求取交通风险的总权重,利用模糊评语集求得的模糊隶属度矩阵,计算模糊评价结果,采用最大隶属原则,求得交通风险等级,赋予具体数值得到公路交通安全态势评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111028748.9A CN113887872A (zh) | 2021-09-02 | 2021-09-02 | 一种基于态势评估技术的交通风险分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111028748.9A CN113887872A (zh) | 2021-09-02 | 2021-09-02 | 一种基于态势评估技术的交通风险分级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113887872A true CN113887872A (zh) | 2022-01-04 |
Family
ID=79012190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111028748.9A Pending CN113887872A (zh) | 2021-09-02 | 2021-09-02 | 一种基于态势评估技术的交通风险分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113887872A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115907484A (zh) * | 2023-03-09 | 2023-04-04 | 泰安市特种设备检验研究院 | 一种承压特种设备安全状态在线评估方法 |
CN116050915A (zh) * | 2023-01-16 | 2023-05-02 | 研佳科技咨询(苏州)有限公司 | 一种城市交通影响评价方法及电子设备、存储介质 |
CN117313520A (zh) * | 2023-09-07 | 2023-12-29 | 西南交通大学 | 一种公路风吹雪预警方法、装置、设备及可读存储介质 |
CN117765437A (zh) * | 2023-12-21 | 2024-03-26 | 深圳中维安科技有限公司 | 一种执法记录仪的紧急状态沟通方法及系统 |
CN118350681A (zh) * | 2024-06-18 | 2024-07-16 | 山东数创智能科技有限公司 | 一种基于多源数据的道路安全评价方法和系统 |
-
2021
- 2021-09-02 CN CN202111028748.9A patent/CN113887872A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116050915A (zh) * | 2023-01-16 | 2023-05-02 | 研佳科技咨询(苏州)有限公司 | 一种城市交通影响评价方法及电子设备、存储介质 |
CN115907484A (zh) * | 2023-03-09 | 2023-04-04 | 泰安市特种设备检验研究院 | 一种承压特种设备安全状态在线评估方法 |
CN115907484B (zh) * | 2023-03-09 | 2023-06-02 | 泰安市特种设备检验研究院 | 一种承压特种设备安全状态在线评估方法 |
CN117313520A (zh) * | 2023-09-07 | 2023-12-29 | 西南交通大学 | 一种公路风吹雪预警方法、装置、设备及可读存储介质 |
CN117765437A (zh) * | 2023-12-21 | 2024-03-26 | 深圳中维安科技有限公司 | 一种执法记录仪的紧急状态沟通方法及系统 |
CN118350681A (zh) * | 2024-06-18 | 2024-07-16 | 山东数创智能科技有限公司 | 一种基于多源数据的道路安全评价方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113887872A (zh) | 一种基于态势评估技术的交通风险分级方法 | |
US11335179B1 (en) | Water environment risk prediction and early warning method | |
CN113380033B (zh) | 基于人机混合增强智能的城市交通安全预警方法及系统 | |
CN110929923A (zh) | 基于数字孪生技术的城市安全风险管控系统 | |
CN113379267B (zh) | 一种基于风险分级预测的城市火灾事件处理方法、系统及存储介质 | |
Xie et al. | Spatial analysis of highway incident durations in the context of Hurricane Sandy | |
CN112382086A (zh) | 自动驾驶汽车开放道路测试评价系统的使用方法 | |
KR102379472B1 (ko) | 시공간 피해특성을 고려한 다종 데이터 융합 분석방법 | |
CN113905215B (zh) | 一种公交安全驾驶监控系统 | |
CN114881396A (zh) | 一种基于ahp和topsis的隧道坍塌风险评估方法 | |
CN111445369A (zh) | 基于lbs大数据的城市大型聚集活动情报预警方法和装置 | |
Penkova et al. | On-line modelling and assessment of the state of technosphere and environment objects based on monitoring data | |
CN117057601B (zh) | 基于物联网的非煤矿山安全监测预警系统 | |
CN116645008B (zh) | 一种远程消防安全智能监管方法、系统及装置 | |
CN115830873B (zh) | 城市道路交通事件分类方法、装置、设备及可读存储介质 | |
CN117114501A (zh) | 基于模糊理论的桥隧健康状态监测方法 | |
CN116957204A (zh) | 场所的消防安全隐患评估方法、装置、大数据平台及介质 | |
CN112990599B (zh) | 一种基于突发火灾事件相似度计算的城市应急消防优化方法 | |
Penkova et al. | On-line control of the state of technosphere and environment objects in Krasnoyarsk region based on monitoring data | |
Gong et al. | Classification of Emergency Responses to Fatal Traffic Accidents in Chinese Urban Areas. | |
Mahat et al. | Analysing road accident triggers in Malaysia by using analytical hierarchy process | |
CN115345465B (zh) | 一种基于基层治理事件的多色层级管理方法及系统 | |
Ryguła et al. | A Model for Identifying Road Risk Class | |
CN113570846B (zh) | 一种交通警情态势分析研判方法、设备及可读存储介质 | |
Yao et al. | Risk assessment research of urban road traffic safety based on Extension Matter Element Model |
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 |