CN115240407A - 交通事故黑点的鉴别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种交通事故黑点的鉴别方法、装置、电子设备及存储介质，本发明的鉴别标准的选取不依赖于人为主观经验判断，使得得出的鉴别标准更加科学以及有效，同时，通过截面修正法对划分的路段单元进行长度修正，可实现各个路段单元内交通事故频次的优化，从而将被遗漏的事故黑点重新计算在内，由此，提高了交通事故黑点认定的精度，为后续进行交通事故原因的分析奠定了数据基础。

Description

交通事故黑点的鉴别方法、装置、电子设备及存储介质

技术领域

本发明属于交通安全分析技术领域，具体涉及一种交通事故黑点的鉴别方法、装置、电子设备及存储介质。

背景技术

随着社会经济的发展，城市道路建设速度与机动车保有量飞速增长，其在方便人们出行的同时，也随之带来了不断增多的交通安全事故，因此，为有效降低交通安全事故的发生率，众多专家学者和道路管理者开始关注交通事故多发点(即交通事故黑点)，进而以之为基础，来分析交通事故原因，从而基于交通事故原因来制定相应的防护措施，以便降低事故的发生概率。

目前，多采用事故频率法或累计频率曲线进行交通事故黑点鉴别，其中，事故频率法是选取一临界的事故次数作为鉴别标准，如果某路段的事故次数大于临界值，则被认为是事故多发点，该方法的优点是计算与选择方便、一目了然，缺点是未给出临界事故次数的确定方法，通常是采用人为经验判断，同时，事故频率法会将本来是事故黑点的路段一分为二，从而漏选一些真正的“危险”点，进而导致鉴别准确率较低，因此，提供一种可科学提供鉴别标准，且鉴别准确率高的交通事故黑点的鉴别方法迫在眉睫。

发明内容

本发明的目的是提供一种交通事故黑点的鉴别方法、装置、电子设备及存储介质，以解决现有事故频率法采用人为选取鉴别标准，以及会漏选事故黑点所导致的鉴别准确率较低的问题。

为了实现上述目的，本发明采用以下技术方案：

第一方面，本发明提供了一种交通事故黑点的鉴别方法，包括：

获取待鉴别路段在预设历史时间段内的交通事故数据；

将所述待鉴别路段按照预设长度划分为多个路段单元，并基于所述交通事故数据，统计出多个路段单元中的每个路段单元在所述预设历史时间段内的事故总数；

基于所述交通事故数据，计算得到所述待鉴别路段在所述预设历史时间段内的临界事故数，并将事故总数大于所述临界事故数的路段单元，作为初始交通黑点路段；

利用截面修正法，对所述多个路段单元进行路段长度修正，得到至少一个修正路段；

统计所述至少一个修正路段中的每个修正路段在所述预设历史时间段内的事故总数，并将事故总数大于所述临界事故数的修正路段，作为修正黑点路段；

利用所述初始交通黑点路段和所述修正黑点路段，组成所述待鉴别路段在预设历史时间段内的交通黑点路段。

基于上述公开的内容，本发明先利用待鉴别路段在预设历史时间段内的交通事故数据，来计算出该待鉴别路段在预设历史时间段内的临界事故数，以便后续基于该临界事故数进行交通黑点的判别，相比于传统的人为选取，本发明不依赖于工作人员的主观经验，得出的鉴别标准更加科学以及有效；同时，本发明在基于临界事故数判别得到了初始交通黑点路段后，还会利用截面修正法对划分的路段单元进行长度修正，并会重新统计修正后的路段在预设历史时间段内发生的事故总数，以便基于重新统计得到的事故总数以及临界事故数，再次进行交通黑点的判断，最后，即可将初始判断得到的黑点路段，以及二次判断得到的黑点路段，作为待鉴别路段在预设历史时间段内的交通黑点路段。

通过上述设计，本发明的鉴别标准的选取不依赖于人为主观经验判断，使得得出的鉴别标准更加科学以及有效，同时，通过截面修正法对划分的路段单元进行长度修正，可实现各个路段单元内交通事故频次的优化，从而将被遗漏的事故黑点重新计算在内，由此，提高了交通事故黑点认定的精度，为后续进行交通事故原因的分析奠定了数据基础。

在一个可能的设计中，得到所述待鉴别路段在所述预设历史时间段内的临界事故数，包括：

基于所述交通事故数据，计算得到所述待鉴别路段在预设历史时间段内的平均事故数；

获取所述预设历史时间段内，目标车辆在所述待鉴别路段上行驶的总里程，其中，所述目标车辆为所述预设历史时间段内，在所述待鉴别路段上行驶的所有车辆；

基于所述平均事故数以及所述总里程，得到所述临界事故数。

基于上述公开的内容，本发明公开了临界事故数的具体计算过程，即先利用交通事故数据来计算得到待鉴别路段在预设历史时间段内的平均事故数，然后，再获取预设历史时间段内，待鉴别路段上所有车辆，在该时间段内行驶的总里程，最后，基于平均事故数以及总里程，即可得到待鉴别路段的临界事故数；通过上述设计，本发明采用数学推理来计算得到临界事故数，使得交通黑点鉴别标准的选取不在依赖于人为主观经验的判断，从而提高了鉴别的科学性以及有效性。

在一个可能的设计中，基于所述交通事故数据，计算得到所述待鉴别路段在预设历史时间段内的平均事故数，包括：

基于所述交通事故数据，得到所述待鉴别路段在预设历史时间段内发生的总事故数；

使用所述总事故数除以路段单元的总个数，得到所述平均事故数。

在一个可能的设计中，按照如下公式，得到所述临界事故数：

上述式中，R表示临界事故数，A表示平均事故数，k表示统计常数，M表示所述总里程。

在一个可能的设计中，利用截面修正法，对所述多个路段单元进行路段长度修正，得到至少一个修正路段，包括：

a.对于第i个路段单元，判断所述第i个路段单元相邻的路段单元中是否存在有任一路段单元为所述初始交通黑点路段，其中，i从1开始；

b.若否，则判断所述第i个路段单元起点前的预设距离内的事故数和/或终点后的预设距离内的事故数是否大于预设阈值；

c.若所述第i个路段单元起点前的预设距离内的事故数大于所述预设阈值，则将起点前的预设距离划分到所述第i个路段单元中，若所述第i个路段单元终点后的预设距离内的事故数大于所述预设阈值，则将终点后的预设距离划分到所述第i个路段单元中，若所述第 i个路段单元起点前的预设距离内的事故数和终点后的预设距离内的事故数均大于所述预设阈值，则将起点前的预设距离和终点后的预设距离划分至所述第i个路段单元中；

d.将i变为i+2，并重复前述步骤a～c，直至i的值大于n时为止，以得到所述至少一个修正路段，其中，n为路段单元的总个数。

基于上述公开的内容，本发明公开了截面修正法对路段单元进行长度修正的具体过程，即从第一个路段单元开始，判断与第一个路段单元相邻的路段单元中是否存在有任一路段单元为初始交通黑点路段，若不存在，则进行下一条件的判断，也就是判断该路段单元的起点前预设距离内的事故数和/或终点后的预设距离内的事故数是否大于预设阈值，经过前述判断后，若起点前预设距离内的事故数大于预设阈值，即可将起点前的预设距离划分到该路段单元中(相当于是该路段单元的起点向前推移预设距离)，若终点后的预设距离内的事故数大于预设阈值，则将终点后的预设距离划分到该路段单元中(相当于是该路段单元的终点向后推移预设距离)，而若起点前的预设距离内的事故数和终点后的预设距离内的事故数均大于预设阈值，则将起点前的预设距离和终点后的预设距离划分至该路段单元中(相当于同时将起点向前推移预设距离，以及将终点向后推移预设距离)；而若该路段单元进行了修正，那么该路段单元的下一路段单元则无需进行修正，此时，则将i变为i+2，并重复执行前述步骤，直至i的值大于n时结束循环，结束循环后，即可得到至少一个修正路段。

在一个可能的设计中，若所述第i个路段单元相邻的路段单元中存在有任一路段单元为所述初始交通黑点路段，所述方法还包括：

将i变为i+2，并重复前述步骤a～d，直至i的值大于n时为止，以得到所述至少一个修正路段。

在一个可能的设计中，若所述第i个路段单元起点前的预设距离内的事故数和终点后的预设距离内的事故数小于或等于预设阈值，所述方法还包括：

将i变为i+1，并重复前述步骤a～d，直至i的值大于n时为止，以得到所述至少一个修正路段。

第二方面，本发明提供了一种交通事故黑点的鉴别装置，包括：

获取单元，用于获取待鉴别路段在预设历史时间段内的交通事故数据；

划分单元，用于将所述待鉴别路段按照预设长度划分为多个路段单元，并基于所述交通事故数据，统计出多个路段单元中的每个路段单元在所述预设历史时间段内的事故总数；

筛选单元，用于基于所述交通事故数据，计算得到所述待鉴别路段在所述预设历史时间段内的临界事故数，并将事故总数大于所述临界事故数的路段单元，作为初始交通黑点路段；

修正单元，用于利用截面修正法，对所述多个路段单元进行路段长度修正，得到至少一个修正路段；

筛选单元，还用于统计所述至少一个修正路段中的每个修正路段在所述预设历史时间段内的事故总数，并将事故总数大于所述临界事故数的修正路段，作为修正黑点路段；

筛选单元，还用于利用所述初始交通黑点路段和所述修正黑点路段，组成所述待鉴别路段在预设历史时间段内的交通黑点路段。

第三方面，本发明提供了另一种交通事故黑点的鉴别装置，以装置为电子设备为例，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计的所述交通事故黑点的鉴别方法。

第四方面，本发明提供了一种存储介质，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一种可能设计的所述交通事故黑点的鉴别方法。

第五方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面或第一方面中任意一种可能设计的所述交通事故黑点的鉴别方法。

附图说明

图1为本发明提供的交通事故黑点的鉴别方法的步骤流程示意图；

图2为本发明提供的交通事故黑点的鉴别装置的结构示意图；

图3为本发明提供的电子设备的结构示意图。

具体实施方式

下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。

应当理解，尽管本文可能使用术语第一、第二等等来描述各种单元，但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。

应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。

实施例

参见图1所示，本实施例第一方面所提供的交通事故黑点的鉴别方法，利用待鉴别路段的交通事故数据来计算得到临界事故数，并在基于临界事故数完成交通黑点的初次鉴别后，通过截面修正法对划分的路段单元进行长度修正，并进行事故的重新统计，以便进行交通黑点的二次鉴别，由此，本发明的鉴别标准的确定不依赖于人为主观经验的判断，且能够将被遗漏的事故黑点重新计算在内，从而提高了交通事故黑点认定的精度，其中，本实施例所提供的方法可以但不限在鉴别终端侧或鉴别服务器侧运行，而鉴别终端可以但不限于是个人电脑(personal computer，PC)、平板电脑、智能手机和/或个人数字助理(personaldigital assistant，PDA)等，可以理解的，前述执行主体并不构成对本申请实施例的限定，相应的，本方法的运行步骤如下述步骤S1～S6所示。

S1.获取待鉴别路段在预设历史时间段内的交通事故数据；具体应用时，举例交通事故数据可以但不限于包括：每个交通事故发生的位置以及每个交通事故的种类，其中，位置可以但不限于为：距离待鉴别路段起点的xxkm处，而交通事故的种类则可以但不限于包括：轻微事故、一般事故、重大事故和特大事故。

更进一步的，交通事故种类的划分规则为：轻微事故，是指一次造成轻伤1至2人、财产损失机动车事故不足1000元或非机动车事故不足200元的事故；一般事故，是指一次造成重伤1至2人、轻伤3人以上或财产损失不足3万元的事故；重大事故，是指一次造成死亡1至2人、重伤3人以上10人以下或财产损失3万元以上且不足6万元的事故；特大事故，是指一次造成死亡3人以上、重伤11人以上、死亡1人且同时重伤8人以上、死亡2 人且同时重伤5人以上或者财产损失6万元以上的事故；在本实施例中，将事故种类统计在交通事故数据内，可便于后续进行交通事故原因的分析，当然，前述交通事故数据可预设至鉴别终端的数据库中。

在本实施例中，举例预设历史时间段可以但不限于为：1年，当然，可根据实际使用而具体设定，在此不作具体限定。

在得到待鉴别路段在预设历史时间段内的交通事故数据后，即可进行路段的划分，以及对划分后的每个路段所发生的事故数进行统计，如下述步骤S2所示。

S2.将所述待鉴别路段按照预设长度划分为多个路段单元，并基于所述交通事故数据，统计出多个路段单元中的每个路段单元在所述预设历史时间段内的事故总数；具体应用时，预设长度可在实际鉴别时而具体设定，其可以但不限于为1km、2km等等，同时，由于前述就已阐述，交通事故数据中包含有每个交通事故的发生位置，因此，即可基于发生位置来定位对应交通事故所处的路段单元，最后，定位完成后，即可得到每个路段单元在预设历史时间段内发生的事故总数。

更进一步的，举例每个路段单元对应有一事故表达式，其可以但不限于依次为：序号、起点桩号、结束桩号和事故总数；例如，假设待鉴别路段的长度为5km，预设长度为1km，也就是将待鉴别路段划分为5个路段单元，那么5个路段单元的事故表达式则为：

第一个路段单元：1，K0+000,K1+000，10；第二个路段单元：2，K+000,K2+000，70；第三个路段单元：3，K2+000,K3+000，5；第四个路段单元：4，K3+000,K4+000，8；第五个路段单元：5，K4+000,K5+000，12；当然，当路段单元的个数为其余数值时，各个路段单元的表达式与前述举例相同，于此不再赘述。

在完成待鉴别路段的划分，以及划分后各个路段的事故数的统计后，即可基于交通事故数据来计算待鉴别路段在预设历史时间段内的临界事故数，以便后续基于临界事故数进行交通黑点的判别，其中，计算过程以及判别过程如下述步骤S3所示。

S3.基于所述交通事故数据，计算得到所述待鉴别路段在所述预设历史时间段内的临界事故数，并将事故总数大于所述临界事故数的路段单元，作为初始交通黑点路段；在具体应用时，临界事故数是基于待鉴别路段在预设历史时间段内的平均事故数，以及预设历史时间段内，待鉴别路段上行驶的所有车辆在该时间段内的总里程计算得到的，其中，具体计算过程如下述步骤S31～S33所示。

S31.基于所述交通事故数据，计算得到所述待鉴别路段在预设历史时间段内的平均事故数；具体应用时，是先基于所述交通事故数据，得到所述待鉴别路段在所述预设历史时间段内发生的总事故数；然后使用所述总事故数除以路段单元的总个数，计算完毕后，即可得到所述平均事故数；例如，在前述举例的基础上，待鉴别路段的总事故数为： 10+70+5+8+12＝105，那么待鉴别路段的平均事故数为：105/5＝21，当然，其余不同总事故数时，对应的平均事故数的计算方法与前述举例原理一致，于此不再赘述。

在得到平均事故数后，即可获取预设历史时间段内，待鉴别路段上行驶的所有车辆在该时间段内的总里程，以便后续基于二者计算得到临界事故数，如下述步骤S32和步骤S33所示。

S32.获取所述预设历史时间段内，目标车辆在所述待鉴别路段上行驶的总里程，其中，所述目标车辆为所述预设历史时间段内，在所述待鉴别路段上行驶的所有车辆；具体应用时，该总里程可以但不限于预设至鉴别终端内，更进一步的，总里程的统计方法可以但不限于为：通过待鉴别路段上的各个摄像头拍摄各个车辆驶入待鉴别路段和驶离待鉴别路段的时间，然后利用待鉴别路段上的最高限速乘以时间差(各个车辆驶入待鉴别路段和驶离待鉴别路段的时间的时间差)来得出各个车辆的行驶里程，最后，将所有车辆的行驶里程相加，即可得出总里程。

在得到待鉴别路上目标车辆行驶的总里程后，即可联合平均事故数来计算临界事故数，如下述步骤S33所示。

S33.基于所述平均事故数以及所述总里程，得到所述临界事故数；具体应用时，可以但不限于使用如下公式计算得到临界事故数：

上述式中，R表示临界事故数，A表示平均事故数，k表示统计常数，可以但不限于取1.96，M表示所述总里程。

在基于上述公式计算得到待鉴别路段的临界事故数后，即可进行交通黑点的判别，也就是将事故总数大于临界事故数的路段单元，作为初始交通黑点路段；例如，假设计算得到的临界事故数为11，那么在前述5个路段单元中，即可将第2个路段单元(即2，K+000,K2+000， 70)以及第5个路段单元(即5，K4+000,K5+000，12)作为初始交通黑点路段。

同时，在本实施例中，为避免传统的鉴别方法所存在的可能漏掉交通黑点的问题，本发明还设置有路段修正步骤，以便基于修正后的路段中的事故总数，来实现各个路段单元内交通事故频次的优化，从而将被遗漏的事故黑点重新计算在内，以提高鉴别精度，可选的，修正过程如下述步骤S4所示。

S4.利用截面修正法，对所述多个路段单元进行路段长度修正，得到至少一个修正路段；具体应用时，对截面修正法的具体实现过程如下述步骤a～d所示。

a.对于第i个路段单元，判断所述第i个路段单元相邻的路段单元中是否存在有任一路段单元为所述初始交通黑点路段，其中，i从1开始；具体应用时，对于第一个路段单元，其只有一个相邻的路段单元，因此，只需判断下一个路段单元是否为初始交通黑点路段即可，而对于第一个和最后一个路段单元之间的各个路段单元，各个路段单元相邻的路段单元有两个(即该路段单元的前一个和后一个路段单元)，因此，需要二者均不为初始交通黑点路段，才能进行后续修正步骤。

b.若否，则判断所述第i个路段单元起点前的预设距离内的事故数和/或终点后的预设距离内的事故数是否大于预设阈值；具体应用时，对于第一个路段单元，则判断第一个路段单元终点后的预设距离内的事故数是否大于预设阈值，对于最后一个路段单元，则判断最后一个路段单元起点前的预设距离内的事故数是否大于预设阈值，而对于第一个与最后一个总之间的路段单元，则需要判断该路段单元起点前的预设距离内的事故数和终点后的预设距离内的事故数是否大于预设阈值；更进一步的，举例预设距离可以但不限于500m，而预设阈值则可以但不限于4，当然，可根据实际使用而具体设定，在此不限定于前述举例。

在完成第i个路段单元起点前的预设距离内的事故数和/或终点后的预设距离内的事故数与预设阈值的比较后，即可基于比较结果，来实现相应的长度修正，如下述步骤c所示：

c.若所述第i个路段单元起点前的预设距离内的事故数大于所述预设阈值，则将起点前的预设距离划分到所述第i个路段单元中，若所述第i个路段单元终点后的预设距离内的事故数大于所述预设阈值，则将终点后的预设距离划分到所述第i个路段单元中，若所述第 i个路段单元起点前的预设距离内的事故数和终点后的预设距离内的事故数均大于所述预设阈值，则将起点前的预设距离和终点后的预设距离划分至所述第i个路段单元中。

具体应用时，修正的规则是：若第i个路段单元起点前预设距离内的事故数大于预设阈值，即可将第i个路段单元的起点向前推移预设距离；若第一个路段单元终点后的预设距离内的事故数大于预设阈值，则将第i个路段单元的终点向后推移预设距离，而若第i个路段单元起点前的预设距离内的事故数和终点后的预设距离内的事故数均大于预设阈值，则将第 i个路段单元起点向前推移预设距离，以及将终点向后推移预设距离。

在完成第i个路段单元的修正后，即可进行下一个路段单元的修正，在本实施例中，若第i个路段进行修正后，那么第i+1个路段单元则无需修正，会进行第i+2个路段单元的修正，且每个路段单元的修正过程都是相同的，因此，只需重复前述步骤即可，其中，循环过程如下述步骤d所示。

d.将i变为i+2，并重复前述步骤a～c，直至i的值大于n时为止，以得到所述至少一个修正路段，其中，n为路段单元的总个数。

在本实施例中，若所述第i个路段单元相邻的路段单元中存在有任一路段单元为所述初始交通黑点路段，那么则将i变为i+2，并重复前述步骤a～d，直至i的值大于n时为止，以得到所述至少一个修正路段；如，假设第一个路段单元的下一路段单元为初始交通黑点路段，那么则从第三个路段单元开始修正，修正过程与前述一致，于此不再赘述。

同理，若所述第i个路段单元起点前的预设距离内的事故数和终点后的预设距离内的事故数小于或等于预设阈值，那么则将i变为i+1，并重复前述步骤a～d，直至i的值大于n 时为止，以得到所述至少一个修正路段；例如，第一个路段单元的下一个路段单元不是初始交通黑点路段，此时，则需要进行步骤b，而若第一个路段单元终点后的预设距离内的事故数小于或等于预设阈值，那么则从第二个路段单元开始重新开始修正，即重新执行步骤a～d，当然，其过程可参见前述阐述，于此不再赘述。

在本实施例中，当i循环至n-1时，再次进行一次循环，那么则会结束循环，此时最后一个路段单元则无法进行判断，因此，在本实施例中，若第n-1个路段单元进行了修正，那么最后一个路段单元则无需修正，而若第n-1个路段单元未进行修正，那么对于最后一个路段单元则按照前述步骤a～d进行修正，当然，修正过程于此不再赘述。

另外，在本实施例中，若第i个路段单元本身就为初始交通黑点路段，那么，则需要将 i变为i+1，然后再执行前述步骤a～d，当然，修正过程与前述阐述一致，于此不再赘述。

下述以一个实例来阐述前述步骤a～d：

首先，假设待鉴别路段划分为6个路段单元(即n＝6)，其中，第二个和第三个路段单元为初始交通黑点路段，且预设阈值为4，预设距离为500m，那么修正过程为：

首先判断第一个路段单元的下一个路段单元(也就是第二个路段单元)是否为初始交通黑点路段，判断结果为是，那么，则将i变为i+2，即判断第三个路段单元是否为初始交通黑点路段，此时，第三个交通黑点路段本身就为初始交通黑点路段，那么此时则将i变为i+1，也就是从第四个路段单元进行判断，第四个路段单元的相邻路段(即第三个和第五个路段单元)中存在有一路段单元是初始交通黑点路段，那么则将i变为i+2，也就是判断第六个路段单元相邻的路段单元(即第五个路段单元)中是否存在有任一路段单元为初始交通黑点路段，若不存在，那么则判断第六个路段单元起点前500m内的事故数(若为5)是否大于4个，在本次举例中，判断结果为大于，那么，则将第六个路段单元的起点向前推移500m，得到修正后的第六个路段单元，此时，将i变为i+2，即i为8，大于n，循环结束，那么修正结果为：修正后的第六个路段单元为所述修正路段。

又如，假设待鉴别路段划分为9个路段单元(即n＝9)，其中，第三个和第四个路段单元为初始交通黑点路段，且预设阈值为4，预设距离为500m，那么修正过程为：

首先判断第一个路段单元的下一个路段单元(也就是第二个路段单元)是否为初始交通黑点路段，判断结果为否，那么则判断第一个路段单元终点后的500m内的事故数(假设为6) 是否大于4，此时，判断结果为是，那么则需要将第一个路段单元的终点向后推移500m，然后将i变为i+2，也就是从第三个路段单元开始进行修正，在本次举例中，第三个路段单元本身为初始交通黑点，因此，需要将i变为i+1，也就是从第四个路段单元开始进行修正，同理，第四个路段单元本身为初始交通黑点，也需要将i变为i+1，也就是从第五个路段单元开始修正，即判断第五个路段单元的相邻路段(即第四个和第六个路段单元)中是否存在有任一路段单元为初始交通黑点路段，在本次举例中，判断结果是存在的，因此，将i变为i+2，即从第七个路段单元开始判断，第七个路段单元相邻的路段单元中不存在有任一路段单元为初始交通黑点路段，此时，需要判断第七个路段起点前的500m内的事故数(举例为3)是否大于4以及判断第七个路段终点后的500m内的事故数(举例为2)是否大于4，判断结果为均不大于，所以，需将i变为i+1，然后再进行判断，也就是判断第八个路段单元，同样的判断过程，若第八个路段单元起点前的500m内的事故数为3，且第八个路段单元终点后的500m内事故数为8，那么，则需要将第8个路段单元的终点向后推移500m，接着，将i 变为i+2，即i为10，大于n，应该结束循环；结束后，由于第八个路段单元进行了修正，所以最后一个路段单元无需修正，因此，最终得到的修正结果则为：修正后的第一个路段单元和修正后的第八个路段单元。

当然，在本实施例中，其余不同个数的路段单元的修正过程与前述举例原理相同，于此不再赘述。

在本实施例中，路段单元的起点向前推移预设距离和/或终点向后推移预设距离，可以但不限于表示为：起点桩号-预设距离以及终点桩号-预设距离。

在完成多个路段单元的修正后，即可重新统计修正后的路段单元在预设历史时间段内的事故总数，以便进行交通黑点的二次判断，如下述步骤S5所示。

S5.统计所述至少一个修正路段中的每个修正路段在所述预设历史时间段内的事故总数，并将事故总数大于所述临界事故数的修正路段，作为修正黑点路段；在具体应用时，只需将路段单元原本的事故总数与划分的预设距离内的事故总数相加，即可得到修正后的路段单元的事故总数。

例如，在前述举例的6个路段单元的基础上进行举例，假设第六个路段单元修正前的事故总数为8，假设临界事故数为11，那么修正后的第六个路段单元的事故总数则为：8+5＝13，此时，修正后的第六个路段单元的事故总数大于临界事故数，因此，即可将其作为修正黑点路段，当然，其余各个修正路段的事故总数的统计过程与前述举例原理相同，于此不再赘述。

在得到修正后的路段后，即可与初次鉴别得到的交通黑点路段相结合，一起组成待鉴别路段在预设历史时间段内的交通黑点路段，如下述步骤S6所示。

S6.利用所述初始交通黑点路段和所述修正黑点路段，组成所述待鉴别路段在预设历史时间段内的交通黑点路段。

下述还是以前述6个路段单元为基础，来进行阐述：

假设第二个路段和第三个路段单元为初始交通黑点路段，其中，第二个路段单元的事故表达式为：2，K1+000,K2+000，15；第三个路段单元的事故表达式为：3，K2+000,K3+000， 18，而第六个路段单元的事故表达式为：6，K5+000,K6+000，8，因此，经过修正后，修正后的第六个路段单元(即修正黑点路段)的事故表达式为：6，K5-500,K6+000，13；由此，待鉴别路段在预设历史时间段内的交通黑点路段为：

第二个路段单元：2，K1+000,K2+000；第三个路段单元：3，K2+000,K3+000，18以及第六个路段单元：6，K5-500,K6+000，13。

由此通过前述对交通事故黑点的鉴别方法的详细阐述，本发明的鉴别标准的选取不依赖于人为主观经验的判断，使得得出的鉴别标准更加科学以及有效，同时，通过截面修正法对划分的路段单元进行长度修正，可实现各个路段单元内交通事故频次的优化，从而将被遗漏的事故黑点重新计算在内，由此，提高了交通事故黑点认定的精度，为后续进行交通事故原因的分析奠定了数据基础。

如图2所示，本实施例第二方面提供了一种实现实施例第一方面中所述的交通事故黑点的鉴别方法的硬件装置，包括：

获取单元，用于获取待鉴别路段在预设历史时间段内的交通事故数据。

划分单元，用于将所述待鉴别路段按照预设长度划分为多个路段单元，并基于所述交通事故数据，统计出多个路段单元中的每个路段单元在所述预设历史时间段内的事故总数。

筛选单元，用于基于所述交通事故数据，计算得到所述待鉴别路段在所述预设历史时间段内的临界事故数，并将事故总数大于所述临界事故数的路段单元，作为初始交通黑点路段。

修正单元，用于利用截面修正法，对所述多个路段单元进行路段长度修正，得到至少一个修正路段。

筛选单元，还用于统计所述至少一个修正路段中的每个修正路段在所述预设历史时间段内的事故总数，并将事故总数大于所述临界事故数的修正路段，作为修正黑点路段。

筛选单元，还用于利用所述初始交通黑点路段和所述修正黑点路段，组成所述待鉴别路段在预设历史时间段内的交通黑点路段。

本实施例提供的装置的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。

如图3所示，本实施例第三方面提供了另一种交通事故黑点的鉴别装置，以装置为电子设备为例，包括：依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如实施例第一方面所述的交通事故黑点的鉴别方法。

具体举例的，所述存储器可以但不限于包括随机存取存储器(random accessmemory， RAM)、只读存储器(Read Only Memory，ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output，FIFO)和/或先进后出存储器(First In Last Out，FILO)等等；具体地，处理器可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现，同时，处理器也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。

在一些实施例中，处理器可以在集成有GPU(Graphics Processing Unit，图像处理器)， GPU用于负责显示屏所需要显示的内容的渲染和绘制，例如，所述处理器可以不限于采用型号为STM32F105系列的微处理器、精简指令集计算机(reduced instruction setcomputer,RISC)微处理器、X86等架构处理器或集成嵌入式神经网络处理器(neural-network processing units，NPU)的处理器；所述收发器可以但不限于为无线保真(WIFI)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service，GPRS) 无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议，ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外，所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。

本实施例提供的电子设备的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。

本实施例第四方面提供了一种存储包含有实施例第一方面所述的交通事故黑点的鉴别方法的指令的存储介质，即所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面所述的交通事故黑点的鉴别方法。

其中，所述存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。

本实施例提供的存储介质的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。

本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如实施例第一方面所述的交通事故黑点的鉴别方法，其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种交通事故黑点的鉴别方法，其特征在于，包括：

获取待鉴别路段在预设历史时间段内的交通事故数据；

将所述待鉴别路段按照预设长度划分为多个路段单元，并基于所述交通事故数据，统计出多个路段单元中的每个路段单元在所述预设历史时间段内的事故总数；

基于所述交通事故数据，计算得到所述待鉴别路段在所述预设历史时间段内的临界事故数，并将事故总数大于所述临界事故数的路段单元，作为初始交通黑点路段；

利用截面修正法，对所述多个路段单元进行路段长度修正，得到至少一个修正路段；

统计所述至少一个修正路段中的每个修正路段在所述预设历史时间段内的事故总数，并将事故总数大于所述临界事故数的修正路段，作为修正黑点路段；

利用所述初始交通黑点路段和所述修正黑点路段，组成所述待鉴别路段在预设历史时间段内的交通黑点路段。

2.如权利要求1所述的方法，其特征在于，基于所述交通事故数据，得到所述待鉴别路段在所述预设历史时间段内的临界事故数，包括：

基于所述交通事故数据，计算得到所述待鉴别路段在预设历史时间段内的平均事故数；

获取所述预设历史时间段内，目标车辆在所述待鉴别路段上行驶的总里程，其中，所述目标车辆为所述预设历史时间段内，在所述待鉴别路段上行驶的所有车辆；

基于所述平均事故数以及所述总里程，得到所述临界事故数。

3.如权利要求2所述的方法，其特征在于，基于所述交通事故数据，计算得到所述待鉴别路段在预设历史时间段内的平均事故数，包括：

基于所述交通事故数据，得到所述待鉴别路段在预设历史时间段内发生的总事故数；

使用所述总事故数除以路段单元的总个数，得到所述平均事故数。

4.如权利要求2所述的方法，其特征在于，按照如下公式，得到所述临界事故数：

上述式中，R表示临界事故数，A表示平均事故数，k表示统计常数，M表示所述总里程。

5.如权利要求1所述的方法，其特征在于，利用截面修正法，对所述多个路段单元进行路段长度修正，得到至少一个修正路段，包括：

a.对于第i个路段单元，判断所述第i个路段单元相邻的路段单元中是否存在有任一路段单元为所述初始交通黑点路段，其中，i从1开始；

b.若否，则判断所述第i个路段单元起点前的预设距离内的事故数和/或终点后的预设距离内的事故数是否大于预设阈值；

c.若所述第i个路段单元起点前的预设距离内的事故数大于所述预设阈值，则将起点前的预设距离划分到所述第i个路段单元中，若所述第i个路段单元终点后的预设距离内的事故数大于所述预设阈值，则将终点后的预设距离划分到所述第i个路段单元中，若所述第i个路段单元起点前的预设距离内的事故数和终点后的预设距离内的事故数均大于所述预设阈值，则将起点前的预设距离和终点后的预设距离划分至所述第i个路段单元中；

d.将i变为i+2，并重复前述步骤a～c，直至i的值大于n时为止，以得到所述至少一个修正路段，其中，n为路段单元的总个数。

6.如权利要求5所述的方法，其特征在于，若所述第i个路段单元相邻的路段单元中存在有任一路段单元为所述初始交通黑点路段，所述方法还包括：

将i变为i+2，并重复前述步骤a～d，直至i的值大于n时为止，以得到所述至少一个修正路段。

7.如权利要求5所述的方法，其特征在于，若所述第i个路段单元起点前的预设距离内的事故数和终点后的预设距离内的事故数小于或等于预设阈值，所述方法还包括：

将i变为i+1，并重复前述步骤a～d，直至i的值大于n时为止，以得到所述至少一个修正路段。

8.一种交通事故黑点的鉴别装置，其特征在于，包括：

获取单元，用于获取待鉴别路段在预设历史时间段内的交通事故数据；

划分单元，用于将所述待鉴别路段按照预设长度划分为多个路段单元，并基于所述交通事故数据，统计出多个路段单元中的每个路段单元在所述预设历史时间段内的事故总数；

筛选单元，用于基于所述交通事故数据，计算得到所述待鉴别路段在所述预设历史时间段内的临界事故数，并将事故总数大于所述临界事故数的路段单元，作为初始交通黑点路段；

修正单元，用于利用截面修正法，对所述多个路段单元进行路段长度修正，得到至少一个修正路段；

筛选单元，还用于统计所述至少一个修正路段中的每个修正路段在所述预设历史时间段内的事故总数，并将事故总数大于所述临界事故数的修正路段，作为修正黑点路段；

筛选单元，还用于利用所述初始交通黑点路段和所述修正黑点路段，组成所述待鉴别路段在预设历史时间段内的交通黑点路段。

9.一种电子设备，其特征在于，包括：依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1～7任意一项所述的交通事故黑点的鉴别方法。

10.一种存储介质，其特征在于，所述存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～7任意一项所述的交通事故黑点的鉴别方法。

Images