CN115936541A - 一种安全道路推荐方法及设备 - Google Patents
一种安全道路推荐方法及设备 Download PDFInfo
- Publication number
- CN115936541A CN115936541A CN202310191263.4A CN202310191263A CN115936541A CN 115936541 A CN115936541 A CN 115936541A CN 202310191263 A CN202310191263 A CN 202310191263A CN 115936541 A CN115936541 A CN 115936541A
- Authority
- CN
- China
- Prior art keywords
- road
- evaluation
- weight
- safety
- evaluation index
- 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 118
- 238000011156 evaluation Methods 0.000 claims abstract description 185
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 239000000126 substance Substances 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 239000002131 composite material Substances 0.000 claims description 4
- 238000013077 scoring method Methods 0.000 claims description 4
- 206010039203 Road traffic accident Diseases 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 238000013210 evaluation model Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 244000061520 Angelica archangelica Species 0.000 description 1
- 235000001287 Guettarda speciosa Nutrition 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种安全道路推荐方法及设备,包括如下步骤:S1:获取道路属性数据,确定多个评价指标;S2:计算多个评价指标的综合权重;S3:根据综合权重对道路安全进行综合评估,获得道路安全等级评估结果;S4:根据道路安全等级评估结果,推荐安全的道路。本发明通过结合道路属性数据确定多个评价指标,计算评价指标的综合权重,并根据综合权重对道路安全等级进行综合评估,获得每条道路的安全等级评估结果,能够避免使用单一因素对道路安全性进行判断带来的局限性,使得计算结果更加客观可靠,从而解决了道路安全等级评估方法不够客观及可靠性较低的技术问题。
Description
技术领域
本发明涉及城市交通领域,特别是涉及一种安全道路推荐方法及设备。
背景技术
中国国民经济快速发展推动了城市化水平和机动化水平以及道路交通事业的建设,机动车、驾驶人、道路里程、道路交通流量、公路客货运量逐年攀升。据统计,截至2020年6月,中国机动车保有量已经达到3.6亿辆,机动车驾驶人4.4亿人,公路总里程已突破500万公里,公路客运量年累计29亿人,货运量年累计达143亿吨。如此庞大的交通体量对道路交通治理提出了很高的要求,与此同时,道路交通的已有的问题也日益显现,日常上下班高峰时段的拥堵,节假日出行难,重大交通安全事故频发依然是城市治理的痛点。为了解决或缓解当前制约道路交通的根本问题,有必要对区域道路交通运行状况进行综合评价,根据评价结果分析存在的问题,对引起交通问题的因素提出针对性的改善措施。
现有的道路评价模型有以下两种:
1. 多标准决策模型:
在城市道路安全等级测算中,因其影响因素复杂多样,且维度不同,未有相关的计算模型。但一部分利用如多标准决策模型,对其进行测算。该模型结合了决策问题的不同维度(经济,社会,环境和技术),并提供了接近现实的综合研究。通过选择对道路安全具有影响的因素,进行综合性评判以及测算,借助决策矩阵,用系统分析方法建立诸如风险水平和不确定性等多种标准,从而对城市道路安全进行整体评估,使得结果更加客观。该模型在选择道路安全评价指标时,未有较明确判断依据,因此得出的计算结果可靠性程度不一。
2.冲突热点模型:
通过统计某一路段的道路安全事故数量以及发生频率,对其进行道路安全等级评估判断。该模型利用历史数据去决定现有事物,在实际情况中,可能会存在较大偏差。因为某些多发事故路段,进行了道路设施优化改造,因此不再是事故多发地,而利用该模型可能会产生偏差。
发明内容
本发明的目的是在于解决道路安全等级评估方法不够客观及可靠性较低的技术问题。
本发明的技术问题通过以下的技术方案予以解决:
一种安全道路推荐方法,包括如下步骤:
S1:获取道路属性数据,确定多个评价指标;
S2:计算所述多个评价指标的综合权重;
S3:根据综合权重对道路安全进行综合评估,获得道路安全等级评估结果;
S4:根据道路安全等级评估结果,推荐安全的道路。
在一些实施例中,在步骤S1中,所述多个评价指标包括道路长度、道路宽度、平均车速、车流量、人流密度、公交站点的数量、道路布置摄像头的数量、人行道面积占比中的至少两个。
在一些实施例中,步骤S2中,分别使用至少两种不同的客观权重赋权法计算各个评价指标的权重,并根据每种客观权重赋权法计算得到的各个评价指标的权重,计算所述多个评价指标的综合权重。
在一些实施例中,所述客观权重赋权法包括熵权法和CRITIC法。
在一些实施例中,所述熵权法计算各个评价指标权重的表达式为:
;
其中,
k为评价指标数量,为第
j个评价指标的熵值。
在一些实施例中,所述CRITIC法计算各个评价指标权重的表达式为:
;
其中,是第
j个评价指标的信息量。
在一些实施例中,所述综合权重的表达式为:
;
其中,
j表示第
j个评价指标,是熵权法的权重,是CRITIC法的权重。
在一些实施例中,步骤S3中,使用优劣解距离法进行综合评估,具体包括如下步骤:
S31:对负向的评价指标进行正向化处理;
S32:对各个评价指标进行标准化处理;
S33:根据所述综合权重获得每一个评价指标的标准化决策矩阵,根据所述标准化决策矩阵得到最优、最劣评价方案:
S34:分别计算各个评价指标与最优方案、最劣方案的欧几里得距离:
S35:构建道路安全综合评分方法,得到道路安全综合评分。
在一些实施例中,步骤S35中,所述道路安全综合评分的计算公式为:
;
其中,为各个评价指标与最劣方案间的欧几里得距离,为各个评价指标与最佳方案间的欧几里得距离。
在一些实施例中,所述道路安全等级评估结果包括非常安全、安全、正常和不太安全四个等级,各安全等级与所述道路安全综合评分值的对应关系如下:
。
本发明还提出了一种安全道路推荐设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述的安全道路推荐方法。
本发明还提出了一种存储介质,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行上述的安全道路推荐方法。
本发明与现有技术对比的有益效果包括:
本发明提出的安全道路推荐方法,通过结合道路属性数据确定多个评价指标,计算评价指标的综合权重,并根据综合权重对道路安全等级进行综合评估,获得每条道路的安全等级评估结果,能够避免使用单一因素对道路安全性进行判断带来的局限性,使得计算结果更加客观可靠,从而解决了道路安全等级评估方法不够客观及可靠性较低的技术问题。
此外,在一些实施例中,还具有如下有益效果:
本发明通过结合熵权法和CRITIC法计算各个评价指标的综合权重,能够充分利用熵值法考虑各个评价指标所有信息量的期望值,衡量各个评价指标自身的复杂程度或变异能力,也能够充分利用CRITIC法对已有数据本身性质进行分析,考虑各个评价指标内数据的离散性和指标间数据的冲突性;将两类客观权重法进行结合既能够在客观赋权过程中充分考虑各个评价指标已有的特性,也可以兼顾各个评价指标的变异性,使得两种算法形成补充,从而使道路安全等级评估方法更加客观可靠。
本发明实施例中的其他有益效果将在下文中进一步述及。
附图说明
图1是本发明实施例中安全道路推荐方法的流程图;
图2是本发明实施例中深圳市罗湖区地图;
图3是本发明实施例中罗湖区道路安全等级结果示意图。
具体实施方式
下面对照附图并结合优选的实施方式对本发明作进一步说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本实施例中的左、右、上、下、顶、底等方位用语,仅是互为相对概念,或是以产品的正常使用状态为参考的,而不应该认为是具有限制性的。
校车安全是一个受人、车辆、道路等多重因素制约的“人-机-环境”系统,国内外校车交通事故形成原因统计结果显示:80%~85%的事故归因于驾驶员原因,5%~10%为车辆因素造成,约10%的交通事故因道路因素造成,可见道路作为交通运输的基础设施,对校车安全运行有很大影响。所以在选择影响道路安全的主要指标、并将这些指标作为研究对象构建道路安全评价体系。如何确定评价体系的指标、以可量化的方法设定统一标准来评价不同路段的安全性关注的要点。
以下是对本发明实施例的概述:
本发明实施例提出了一种安全道路推荐方法,如图1所示,包括如下步骤:
S1:获取道路属性数据,确定多个评价指标;
其中多个评价指标包括道路长度、道路宽度、平均车速、车流量、人流密度、公交站点的数量、道路布置摄像头的数量、人行道面积占比中的至少两个。
S2:计算多个评价指标的综合权重;
具体地,分别使用至少两种不同的客观权重赋权法计算各个评价指标的权重,并根据每种客观权重赋权法计算得到的各个评价指标的权重,计算多个评价指标的综合权重。其中客观权重赋权法包括熵权法和CRITIC法;
具体地,熵权法计算各个评价指标权重的表达式为:
;
其中,
k为评价指标数量,为第
j个评价指标的熵值;
CRITIC法计算各个评价指标权重的表达式为:
;
其中,是第
j个评价指标的信息量。
步骤S2中的综合权重的具体表达式为:
;
其中,
j表示第
j个评价指标,是熵权法的权重,是CRITIC法的权重。
S3:根据综合权重对道路安全进行综合评估,获得道路安全等级评估结果;
具体实施时使用优劣解距离法进行综合评估,具体包括如下步骤:
S31:对负向的评价指标进行正向化处理;
S32:对各个评价指标进行标准化处理;
S33:根据综合权重获得每一个评价指标的标准化决策矩阵,根据标准化决策矩阵得到最优、最劣评价方案:
S34:分别计算各个评价指标与最优方案、最劣方案的欧几里得距离:
S35:构建道路安全综合评分方法,得到道路安全综合评分。
其中道路安全综合评分的计算公式为:
;
其中,为各个评价指标与最劣方案间的欧几里得距离,为各个评价指标与最佳方案间的欧几里得距离。
具体将道路安全等级评估结果分为非常安全、安全、正常和不太安全四个等级,各安全等级与道路安全综合评分值的对应关系如下:
。
S4:根据道路安全等级评估结果,推荐安全的道路。
本发明实施例还提出了一种安全道路推荐设备,包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序,处理器执行计算机程序时实现上述的安全道路推荐方法。
本发明实施例还提出了一种存储介质,存储介质包括存储的计算机程序,其中,在计算机程序运行时控制存储介质所在设备执行上述的安全道路推荐方法。
实施例
为了构建道路安全评价体系,需要得出影响校车安全的主要道路指标、并确定不同指标的影响权重及综合评价方法,最终得出每条道路的安全评分。本实施例提出了一种安全道路推荐方法,如图1所示,包括如下步骤:
S1:获取道路属性数据,确定多个评价指标;
S2:计算多个评价指标的综合权重;
S3:根据综合权重对道路安全进行综合评估,获得道路安全等级评估结果;
S4:根据道路安全等级评估结果,推荐安全的道路。
以下是对本实施例中的安全道路推荐方法各步骤的详细描述:
关于步骤S1中评价指标的描述如下:
构建道路安全评价体系的核心是选取合适的评价指标,确定这些指标的重要程度,并在确定出每项指标权重的基础上根据道路的实际情况得出其安全分数。
根据对文献及实际场景的调研,决定选取以下指标来评估道路安全状况:道路长度、道路宽度、平均车速、车流量、人流密度、公交站点的数量、道路布置摄像头的数量、人行道面积占比。
以下是对各评价指标的详细描述:
1)道路长度:
在校车路径规划的研究中,假设校车如果选定了路段ij,则需要从i点行驶到j点(或反方向行驶),即需要行驶完整个路段。因此在道路交通事故率保持一定的情况下,道路越长发生事故的可能性越大,运行的安全性越低。另外直线路段过长也容易导致驾驶员操作不及时而发生交通事故。由此可知道路长度越长、安全性越低。
2)道路宽度:
车道宽度不足,不利于车辆会车、转弯与掉头,易发生车辆碰撞事故,同时校车停靠时需占用车道,易造成交通拥堵或车辆追尾事故。相反地,如果车道宽度较宽,校车停靠接送学生时对于周围社会车辆的影响也较小,发生事故的可能性较低。由此可知道路越宽安全性越高。
3)平均车速:
有研究表明,车辆行驶的平均速度每增加1km/h,交通事故伤害率就会增加3%,死亡性交通事故就会增加3%-4%。过快的车速会对司机的判断能力产生影响,制动距离也会更长,因此一般在靠近学校的路段都会有限速提示。由此可知道路平均车速越低、对校车来说运行安全性越高。
4)车流量:
车辆是发生交通事故的物质载体。在一定的时间下,车流量越大经过的车辆越多,发生事故的可能性越大,对于校车运行安全性越低。
5)人流密度:
交通流组成结构复杂,在一定的区域内人流密度越大可能出现的道路行人越多。人车混行是发生交通事故的主要原因,因此人流密度越大对于校车运行的安全性越低。
6)公交站点的数量:
对于改设的校车停靠点,需要依据法律、法规和技术标准规定对路段交通安全进行评估,可以优先考虑公交站点合并设置校车停靠站点(Ma,2019),这是因为在设置公交车站的过程中已经对该路段的属性进行了评估,车站一般都会设置在综合安全性较高的路段,公交车站的数量也会影响车流的速度。由此可知道路上的公交车站数越多,综合安全性越高。
7)道路布置摄像头的数量:
道路安全设施数量不足、位置不合理,容易发生交通事故(Tang,2018)。道路的安全设置主要是指提示标志和摄像头,摄像头越多、司机的行车规范性会越高,校车运行的安全性也会越高。
8)人行道面积占比:
为了保证行人的生命安全,保障良好的交通秩序,交通法规定:机动车行经人行横道时,应当减速行驶,遇行人正在通过人行横道时,应当停车让行;在合理路段设置人行道也有利于校车停靠和学生安全通行。因此对校车运行来说,人行道面积占比越高,综合安全性越大。
步骤S2:计算多个评价指标的综合权重,计算多个评价指标的综合权重的方法详细描述如下:
在确定出评价指标的基础上,本实施例需要得出每一项评价指标对于道路安全的影响程度,即确定不同评价指标的权重。确定权重有多种方法,不同的综合评价方法具有其自身的应用场景,研究者应该结合自身数据情况选择最优的综合评价方法。
道路安全评价体系得出的结果应该尽量客观、要具备可推广性,基于以上考虑,因此将确定权重的方法聚焦在“客观赋权法”。
传统的客观赋权方法包括主成分分析法、熵值法、CRITIC法等。
其中,主成分分析法需要被评价的指标间存在一定的相关关系才能使用;熵值法则侧重某项指标的变异性,但忽视了指标本身的重要程度。
CRITIC算法考虑了各指标自身的对比强度及指标间的冲突性,能够较全面的衡量各指标重要性,因而被作为一种相对完善赋权算法,被广泛使用。
从对熵值法和CRITIC法的原理进行对比可以发现,二者之间存在完美的互补性,如果将二者结合,则可以在客观赋权过程中既充分考虑各指标数据已有的特性,也可以兼顾数据的变异性。
具体而言,CRITIC法是对已有数据本身性质进行分析,考虑了指标内数据的离散性和指标间数据的冲突性。熵值法考虑了某个指标所有信息量的期望值,从而衡量了某个指标自身的复杂程度或变异能力,如果指标越复杂,出现不同情况的种类越多,那么它的信息熵是比较大的,反则反之。因而可以认为熵值法从概率的角度考虑了各个评价指标发展变化的可能性,并将其作为客观赋值算法的变量之一,从而对基于确定原始数据的CRITIC算法形成了完美补充。
综合以上考虑,本实施例将结合使用熵权法及CRITIC法对不同指标的权重系数进行计算。
本实施例中关于熵权法的具体描述如下:
熵权法,物理学名词,按照信息论基本原理的解释,信息是系统有序程度的一个度量,熵是系统无序程度的一个度量;根据信息熵的定义,对于某项评价指标,可以用熵值来判断某个评价指标的离散程度,其信息熵值越小,评价指标的离散程度越大,该评价指标对综合评价的影响(即权重)就越大,如果某项评价指标的值全部相等,则该评价指标在综合评价中不起作用。因此,可利用信息熵这个工具,计算出各个评价指标的权重,为多评价指标综合评价提供依据。
熵权法的具体计算步骤如下:
(a)评价指标值的归一化:
将各个评价指标的数据进行归一化处理。假定给定了
k个评价指标:
;
其中
i为被评价项目的数量(每个对象有
k个指标,用
j表示),所以
Y ij 就是第
i个项目的第
j个指标的归一化值;
X i 为第
i个项目的所有指标的情况;
n为评价对象(每个对象有
k个指标);
Y为归一化后的值。
假设对各个评价指标归一化后的值为:
;
;
其中
x ij 是第
j个评价指标下第
i个项目。
(b)计算第
j个评价指标下第
i个项目的评价指标值的比重:
;
(c)计算第
j项评价指标的熵值:
;
(d)计算各项评价指标的权重:
;
其中,
k为评价指标数量,为第
j个评价指标的熵值;
本实施例中关于CRITIC分析法的具体描述如下:
CRITIC法是一种基于评价指标的对比强度和评价指标之间的冲突性来综合衡量评价指标的客观权重。考虑评价指标变异性大小的同时兼顾评价指标之间的相关性,并非数字越大就说明越重要,完全利用数据自身的客观属性进行科学评价。
CRITIC法的具体步骤如下:
(a)无量纲化处理:
正向指标:
;
逆向指标:
;
(b) 计算评价指标变异性:
以标准差的形式来表现,表达式如下:
;
其中
S j 表示第
j个指标的标准差在CRITIC法中使用标准差来表示各指标的内取值的差异波动情况,标准差越大表示该指标的数值差异越大,越能反映出更多的信息,该指标本身的评价强度也就越强,应该给该指标分配更多的权重。表示
j个指标的均值,表达式如下:。
(c) 计算评价指标冲突性:
用相关系数进行表示,表达式如下:
;
表示评价指标
i和
j之间的相关系数。
(d) 信息量计算:
;
越大,第
j个评价指标在整个评价指标体系中的作用越大,就应该给其分配更多的权重。
(e)权重计算:
所以第
j个评价指标的客观权重为:
;
熵权法和CRITIC法结合得到的综合权重如下表达式:
;
其中
j表示第
j个评价指标,是熵方法的权重,是CRITIC方法的权重。
步骤S3:根据综合权重对道路安全进行综合评估,获取道路安全等级评估结果;本实施例具体采用TOPSIS法对道路安全进行综合评估,具体描述如下:
以下是对TOPSIS法的具体描述:
TOPSIS法,全称为Technique for Order Preference by Similarity to anIdeal Solution。TOPSIS 法是一种常用的组内综合评价方法,能充分利用原始数据的信息,其结果能精确地反映各评价方案之间的差距。其基本过程基于归一化后的原始数据矩阵,通过对不同标准优劣的评判找出所有方案中的最优方案和最劣方案,然后分别计算各评价对象与最优方案和最劣方案间的距离,获得各评价对象与最优方案的接近程度,以此作为评价优劣的依据。
TOPSIS法的具体步骤如下:
S31:对负向的评价指标进行数据正向化处理:
对于需要评价的对象,有的数据是结果越大越好,有的数据是结果越小越好,还有的数据是结果位于某个区间内结果最好,这种不同的方向和区间会使得分析不同的数据十分混乱。为了简化分析,本实施例需要将数据进行正向化处理,即将所有类型的数据都转为“越大越好”。
在之前选取的评价指标中,道路宽度、摄像头数量、公交站点数量及人行横道面积比为正向指标,不需要对其进行处理;道路长度、平均速度、车流量及人流密度为负向指标,需要将其做“极大型转化”,具体如下:
;
其中为
x指标中的最大值,
i表示具体的对象。
S32:对各个评价指标进行数据标准化处理:
经过正向化处理之后,因为不同的指标有不同的量纲,为了消除数据量纲对结果的影响需要对数据进行标准化处理,标准化处理方法如下:
;
在经过正向化标准化处理之后,每一项指标的取值都会在(0,1)之间,且越大越好;
S33:根据综合权重获得每一个评价指标的标准化决策矩阵,根据标准化决策矩阵得到最优、最劣方案:
首先需要根据之前确定的权重确定每一项指标的标准化决策矩阵:
;
其中 第
j项评价指标的第
i个变量的标准化分数;第
j项评价指标的权重。
确定最优及最劣方案:
最优方案的表达式如下:
;
其中
n表示第
n个评价对象,
m表示某个对象的第
m个不同的指标。
最劣方案的表达式如下:
;
S34:分别计算各个评价指标与最优方案、最劣方案的欧几里得距离:
;
这里计算每个评估对象与最佳计划的接近程度。
;
这里计算每个评估对象与最差计划的接近程度。
35:构建道路安全综合评分方法,得到道路安全综合评分:
;
该公式衡量了评价对象与最优解及最劣解的距离。其取值位于(0,1)之前,取值越接近于1,说明越接近最优解,结果越好;取值越接近于0,说明越接近最劣解,结果越差。
具体将道路安全等级评估结果分为非常安全、安全、正常和不太安全四个等级,各安全等级与道路安全综合评分值的对应关系如下:
。
步骤S4:最后根据道路安全等级评估结果,推荐安全的道路。
实验例:
本实验例选择罗湖区作为研究区域,以评估其主要道路安全。如图2所示罗湖区是深圳经济特区最早发展的城区,也是深圳CBD的重要组成部分。
根据以上介绍的评估方法流程,这里建立了评估路段的属性表如表1,其包括道路安全评价指标数据样本。本实验例从“深圳市政府数据开放平台”搜集到罗湖区所有路段的属性数据,罗湖区总共有72条道路,在这里仅罗列出其中10条的相关数据;
表1
之后,计算各项指标的权重值,通过权熵法得出的每个指标的权重值如表2所示,通过CRITIC法得出的每个指标的权重值如表3所示;
表2
表3
根据权熵法和CRITIC法得出的权重值计算综合权重:
;
其中是熵方法的权重,是CRITIC方法的权重,最终计算获得的各项指标的综合权重如表4所示。
表4
道路安全等级结果如图3所示。在该等级中,本实验例认为总体道路安全性能的值在区间 [0,1] 范围内,可将总体性能分为四个等级,即非常安全、安全、正常和不太安全,其定义如下:
如表5所示,根据总体道路安全性能获得本实验例中各道路安全等级。
与表1对应,表5展示了罗湖区10条道路的安全系数。根据分类标准,在罗湖区中有3条道路处于“非常安全等级”;有17条道路处于“安全等级”;有49条道路处于“正常等级”;有3条道路处于“不安全等级”。
其中处于“不安全等级”的三条路段分别为兴湖路、蛟湖路和红岗路。通过查阅交通事故相关数据,以安全分数最低的红岗路为例,在2006年、2016年、2020年、2021年均有交通事故发生,最近的一次可搜索到的事故发生在2021年9月14日,造成一人死亡。该结果也说明本实验例使用的道路安全评价体系是可靠有依据的,可以进行推广。
以下是对本发明实施例有益效果的描述:
本发明实施例结合道路本身及外部因素,对城市道路安全等级进行评估,解决了按照单一因素对道路安全性进行判断的局限性(在本发明实施例中主要体现在考察了8项影响道路安全性的指标),能更好评估城市道路安全等级。
在评估影响道路安全的多项指标的重要性部分,创新地将两类客观权重法进行结合,集合了两个方法的优点,使得结果更加客观可靠。
本发明实施例的核心创新点是在确定一项结果的多项评价指标的权重时,结合了多个权重计算方法,而使得计算结果更加客观真实。
以下是国内外对道路安全评价的研究的描述:
道路安全评价已成为当今学术领域的研究热点之一,目前常用的对道路安全进行评价的方法有灰色关联法、层次分析法、主成分分析法、模糊综合评价法、物元分析法、神经网络法等方法。朱中等人建立了基于灰色理论的道路交通安全评估体系,并对五个省市的交通安全水平进行了比较;牛永会应用灰色系统理论对道路交通安全的指标进行归纳和计算,判断各城市所属的灰类后评价当前的交通安全状况;邵晗等人选取了代表性的交通安全指标,构建了指标层次结构,建立了基于模糊数学理论的高速公路安全性评价模型;吴克海等人提出了基于主成分法的道路交通安全方法;郭礼照等人构建了层次分析法和模糊综合评价法结合的交通安全评估模型,并运用模糊层次综合法对新疆某高速公路交通安全水平进行了分析评价;程书波等人建立层次分析法(AHP)和物元分析法相结合评估模型,构建了交通安全评价指标体系,对河南省道路交通安全进行了全面评价;陈君等人建立了BP神经网络(传播神经网络)评价模型对高速公路交通安全进行评价;萧颖莹利用空间句法和GIS(地理信息系统)的分析方法对广州市的轨道交通进行了安全评价;陈双龙等人以农村道路为研究对象,对中国农村道路的安全性进行了评价;彭川子等人基于儿童友好的学校周边道路安全为评价对象,建立了学校周边的交通安全评价模型,并用实例进行验证;Victor Dobromirov 等基于道路交通事故数据对圣彼得堡环路的交通安全进行了评价;Angelica Batrakova 等研究了道路条件对道路交通安全所产生的影响;AthanasiosGalanis 等人结合道路类型和交通量数据进行对道路安全进行评价;
道路安全评价的意义:
道路安全度评价是对影响道路用户安全的道路组成元素和其相互作用或施工当中的其他因素进行评价,发现潜在的危险。道路安全评价主要通过两个方面对道路交通安全起到保障性作用,其一则是在设计阶段,能够对设计工作当中的不合理问题进行改善,比如交叉路口的布置和视距问题,其二则是能够通过评价,在事故发生前,采用合适的措施,预防交通事故的发生,以道路安全评价来提升公路安全水平、预防交通事故发生势在必行,进而提高中国交通事业管理的科学性和全面性,促进交通事业稳定发展,更好地为公众提供服务。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (12)
1.一种安全道路推荐方法,其特征在于,包括如下步骤:
S1:获取道路属性数据,确定多个评价指标;
S2:计算所述多个评价指标的综合权重;
S3:根据综合权重对道路安全进行综合评估,获得道路安全等级评估结果;
S4:根据道路安全等级评估结果,推荐安全的道路。
2.根据权利要求1所述的方法,其特征在于,在步骤S1中,所述多个评价指标包括道路长度、道路宽度、平均车速、车流量、人流密度、公交站点的数量、道路布置摄像头的数量、人行道面积占比中的至少两个。
3.根据权利要求1所述的方法,其特征在于,步骤S2中,分别使用至少两种不同的客观权重赋权法计算各个评价指标的权重,并根据每种客观权重赋权法计算得到的各个评价指标的权重,计算所述多个评价指标的综合权重。
4.根据权利要求3所述的方法,其特征在于,所述客观权重赋权法包括熵权法和CRITIC法。
5.根据权利要求4所述的方法,其特征在于,所述熵权法计算各个评价指标权重的表达式为:
;
其中,k为评价指标数量,为第j个评价指标的熵值。
6.根据权利要求4所述的方法,其特征在于,所述CRITIC法计算各个评价指标权重的表达式为:
;
其中,是第j个评价指标的信息量。
7.根据权利要求4所述的方法,其特征在于,所述综合权重的表达式为:
;
其中,j表示第j个评价指标,是熵权法的权重,是CRITIC法的权重。
8.根据权利要求1所述的方法,其特征在于,步骤S3中,使用优劣解距离法进行综合评估,具体包括如下步骤:
S31:对负向的评价指标进行正向化处理;
S32:对各个评价指标进行标准化处理;
S33:根据所述综合权重获得每一个评价指标的标准化决策矩阵,根据所述标准化决策矩阵得到最优、最劣评价方案:
S34:分别计算各个评价指标与最优方案、最劣方案的欧几里得距离:
S35:构建道路安全综合评分方法,得到道路安全综合评分。
9.根据权利要求8所述的方法,其特征在于,步骤S35中,所述道路安全综合评分的计算公式为:
;
其中,为各个评价指标与最劣方案间的欧几里得距离,为各个评价指标与最佳方案间的欧几里得距离。
10.根据权利要求9所述的方法,其特征在于,所述道路安全等级评估结果包括非常安全、安全、正常和不太安全四个等级,各安全等级与所述道路安全综合评分值的对应关系如下:
。
11.一种安全道路推荐设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至10中任意一项所述的安全道路推荐方法。
12.一种存储介质,其特征在于,所述存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述存储介质所在设备执行如权利要求1至10中任意一项所述的安全道路推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310191263.4A CN115936541A (zh) | 2023-03-02 | 2023-03-02 | 一种安全道路推荐方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310191263.4A CN115936541A (zh) | 2023-03-02 | 2023-03-02 | 一种安全道路推荐方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936541A true CN115936541A (zh) | 2023-04-07 |
Family
ID=86656157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310191263.4A Pending CN115936541A (zh) | 2023-03-02 | 2023-03-02 | 一种安全道路推荐方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936541A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151513A (zh) * | 2023-08-08 | 2023-12-01 | 中电科新型智慧城市研究院有限公司 | 评价交通安全的方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565249A (zh) * | 2022-02-18 | 2022-05-31 | 西安建筑科技大学 | 基于改进熵权-critic法的社区防灾韧性评估方法 |
CN115204663A (zh) * | 2022-07-13 | 2022-10-18 | 广东电网有限责任公司 | 一种综合内外运行因素的能源供应链风险评价方法及装置 |
CN115578853A (zh) * | 2022-08-24 | 2023-01-06 | 广州市万保职业安全事务有限公司 | 一种根据路面状态分析的公路工程安全评估系统 |
-
2023
- 2023-03-02 CN CN202310191263.4A patent/CN115936541A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114565249A (zh) * | 2022-02-18 | 2022-05-31 | 西安建筑科技大学 | 基于改进熵权-critic法的社区防灾韧性评估方法 |
CN115204663A (zh) * | 2022-07-13 | 2022-10-18 | 广东电网有限责任公司 | 一种综合内外运行因素的能源供应链风险评价方法及装置 |
CN115578853A (zh) * | 2022-08-24 | 2023-01-06 | 广州市万保职业安全事务有限公司 | 一种根据路面状态分析的公路工程安全评估系统 |
Non-Patent Citations (3)
Title |
---|
杨春风;高恒楠;孙吉书;: "基于改进的灰关联度组合赋权法的公路交通安全评价研究", 公路交通科技 * |
王建军;曹旭东;杨云峰;: "基于CRSG模型的山区公路风险隔离研究", 中国公路学报 * |
陈红;周继彪;王建军;李晓伟;甘佐贤;: "公路隧道运行环境安全评价指标与方法", 长安大学学报(自然科学版) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151513A (zh) * | 2023-08-08 | 2023-12-01 | 中电科新型智慧城市研究院有限公司 | 评价交通安全的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913661B (zh) | 一种基于收费数据的高速公路路段交通状态判别方法 | |
CN105608902A (zh) | 一种高速公路事故多发点鉴别系统及方法 | |
Hosseinlou et al. | Determining optimal speed limits in traffic networks | |
CN105679031B (zh) | 快速路养护施工区主动预警方法 | |
CN107240264B (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
Shen et al. | Identification of accident blackspots on rural roads using grid clustering and principal component clustering | |
CN111063204A (zh) | 一种基于收费站流量的高速公路车速预测模型训练方法 | |
CN115936541A (zh) | 一种安全道路推荐方法及设备 | |
CN108573600A (zh) | 一种驾驶员行为诱导与局部交通流优化方法 | |
Zhao et al. | Factors affecting traffic risks on bridge sections of freeways based on partial dependence plots | |
Zhang et al. | How road network transformation may be associated with reduced carbon emissions: An exploratory analysis of 19 major Chinese cities | |
Sun et al. | A hybrid approach of random forest and random parameters logit model of injury severity modeling of vulnerable road users involved crashes | |
Heidarian et al. | Location of Emergency Escape Ramps on Two‐Lane Rural Highways Based on the Fuzzy Multicriteria Decision‐Making Method | |
Chen et al. | The impact of truck proportion on traffic safety using surrogate safety measures in China | |
Chen et al. | A Simulation‐Based Optimization Method for Truck‐Prohibit Ramp Placement along Freeways | |
CN105608315A (zh) | 公交停靠站安全服务水平定量评价方法及系统 | |
Khabiri et al. | Application of data mining algorithm to investigate the effect of intelligent transportation systems on road accidents reduction by decision tree | |
CN108960636A (zh) | 一种基于物元模型的货车交叉口运行安全评价方法 | |
Wang | A risk identification method of road traffic operation safety considering traffic conflict. | |
Li et al. | Using LightGBM with SHAP for predicting and analyzing traffic accidents severity | |
Yuan et al. | Research on technical model and method of urban road traffic accident and traffic conflict based on artificial intelligence | |
Wang | Road condition perception model based on adaptive dynamic path planning algorithm and time series. | |
Mingwei | Research on the “Internet+ Traffic” Development Index under the Requirement of Urban Traffic based on the Multiple Regression Model | |
He et al. | Study on Vehicle Travel Trajectory Completion based on AHP-Entropy-TOPSIS Method | |
Tang et al. | Analysis on traffic conflicts of two-lane highway based on improved cellular automation 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 |