CN116307699A - 基于多源数据的道路隐患点段分级方法、装置及存储介质 - Google Patents
基于多源数据的道路隐患点段分级方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116307699A CN116307699A CN202310146218.7A CN202310146218A CN116307699A CN 116307699 A CN116307699 A CN 116307699A CN 202310146218 A CN202310146218 A CN 202310146218A CN 116307699 A CN116307699 A CN 116307699A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- traffic
- hidden danger
- preset
- 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 79
- 238000011156 evaluation Methods 0.000 claims abstract description 82
- 206010039203 Road traffic accident Diseases 0.000 claims description 62
- 238000013461 design Methods 0.000 claims description 58
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 2
- 230000006399 behavior Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 238000011835 investigation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012502 risk assessment Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241001622623 Coeliadinae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及基于多源数据的道路隐患点段分级方法、装置及存储介质,应用于城市道路交通安全评估技术领域,包括:通过多个数据来源获取待评价道路的多源数据,通过对多源数据进行整理,划分为五个维度的数据,并对五个维度中的各项指标数据划分为逻辑变量以及数值变量,针对逻辑变量,赋值为0或1,并通过数值变量计算定量数据,根据各评价单元下包含的逻辑变量与定量数据,分别计算各评价单元的隐患值,根据各评价单元的隐患值综合对道路的隐患等级进行划分,相较于现有技术中对于道路隐患的评估仅仅局限于道路本身这一个维度,本申请在评价道路隐患时,除了道路本身,从多个维度出发,对于道路隐患的评估更为准确全面。
Description
技术领域
本发明涉及城市道路交通安全评估技术领域,具体涉及基于多源数据的道路隐患点段分级方法、装置及存储介质。
背景技术
早期,道路交通安全工作以交通事故数据为核心的事故多发点识别,再进行相应的整改,随着交通安全工作要求的不断提高,为了满足事故预防的需要,道路交通安全工作重点转移到了以风险评估和隐患排查治理为主体的提前预防。由此,交通安全隐患路段识别的需求应运而生;
当前,针对城市道路开展隐患排查工作的主体为交管部门,而在实际排查过程中大多依靠基层民警的实战经验以及事故数据进行确认,排查工作效率低,精准度不高。而市面上现有的运用计算机技术开展道路安全评价的方法主要从JTGB05-2015公路项目安全性评价等标准规范出发,判断道路设计是否满足要求。其中,上海璟竑交通科技发展有限公司与同济大学共同开发道路安全评价系统,系统可对新建公路项目的初步设计阶段和施工图设计阶段进行安全性评价,评价对象包括运行速度协调性、规范符合性、路线、路侧、路基路面、桥梁、隧道、路线交叉及交通工程及沿线设施等,但目前仅能做初步设计阶段和施工图阶段的安全评价,未对运营阶段的安全评价进行开发;西安经天交通工程技术研究所开发V85纬地公路路线安全性分析系统,对公路路线的平、纵、横各主要设计参数及相关要素如视距、超高等指标与设计速度进行合理搭配校验。系统可自动判断曲线半径、纵坡坡度等条件,划分分析单元,包括:直线段、纵坡段、平曲线段和弯坡组合段等,输出小客车、大货车运行速度图表,为路线设计优化和交通安全评价提供依据;北京中交华安科技有限公司开发快速道路调研系统、道路基础设施信息管理系统、中国道路风险评估系统,可对运营道路进行快速安全评价,系统智能程度高,利用快速道路调研系统+无人机进行外业调研数据采集,利用道路基础设施信息管理系统和中国道路风险评估系统进行数据标准化和风险分析;
但是无一例外的是,现有技术中的道路风险评估都仅仅是针对道路本身这一个维度,亦或是引入风险的概念,但其道路安全与否的判别本质依据为是否满足各项标准规范,未考虑到道路交通的动态特性及不同城市、路段、交叉口的固有属性,道路交通系统是由人、车、路、环、管五个方面所构成的,当前技术围绕于道路本身设计缺陷,识别出来的道路交通安全隐患,整体上较为孤立,未将事故、交通状况等数据纳入考虑范畴,难以支撑道路交通安全隐患点段排查治理工作的开展。
发明内容
有鉴于此,本发明的目的在于提供基于多源数据的道路隐患点段分级方法、装置及存储介质,以解决现有技术中,对于道路安全隐患的评估仅仅局限于道路本身这一个维度,数据较为孤立,没有将事故、交通状况等数据纳入考虑范畴,多维度的评估道路风险的问题。
根据本发明实施例的第一方面,提供基于多源数据的道路隐患点段分级方法,所述方法包括:
通过多个数据来源采集待评价道路的多源数据,对采集到的多源数据进行结构化分类,分别划分为道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据;
将道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中的数据按照数据形式划分为逻辑变量以及数值变量;
将所述逻辑变量赋值为0或1变量,基于所述数值变量,根据预设的公式计算各定量数据;
基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值;
根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分。
优选地,
所述多个数据来源包括:车载前端采集设备、道路设计数据库、卡口抓拍设备、导航平台、交管数据平台、民意数据平台以及地图开放平台。
优选地,
所述道路设计数据包括交叉口数据以及路段数据;
所述交叉口数据包括:交叉口设计数据、交叉口渠化数据以及交通组织数据;所述交叉口数据均为逻辑变量,将上述各项数据与预设的标准进行比较,满足预设的标准的情况下记为1,不满足则记为0;
所述路段数据包括:平纵断面设计数据、横断面布置数据、交通安全设施数据以及路面状况数据,所述路段数据均为逻辑变量,将上述各项数据与预设的标准进行比较,满足预设的标准的情况下记为1,不满足则记为0;
所述交通事故数据包括:事故基本情况数据以及事故分析处理数据;所述交通事故数据均为数值变量;
所述交通状况数据包括:交通流属性数据以及异常驾驶行为数据;所述交通状况数据均为数值变量;
所述交通违法数据包括:机动车驾驶人违法数据、非机动车驾驶人违法数据以及行人违法数据;所述交通违法数据均为数值变量;
所述外界环境包括:自然环境数据以及建成环境数据;所述自然环境数据为数值变量,所述建成环境数据为逻辑变量,将建成环境数据与预设的标准进行比较,满足预设的标准的情况下记为1,不满足则记为0。
优选地,
所述基于所述数值变量,根据预设的公式计算各定量数据包括:
根据交通事故数据中的路段历史事故数量比上路段的长度得到交通事故隐患值;
根据交通事故数据中的路段内经快速处理的历史事故数比上路段历史事故数量的比例计算快速处理率比例,用1减去快速处理率比例,得到快速处理率隐患值。
优选地,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据交通状况数据中的路段在一定时间内的断面交通量比上路段的通行能力得到路段在一定时间内的交通流饱和度,根据交通流饱和度位于的区间,以及预设的各区间对应的交通流饱和度隐患值的取值,得到交通流饱和度隐患值;
根据交通状况数据中的路段一定时间内通过车辆的车速方差比上路段一定时间内通过车辆的平均车速,得到车流稳定性隐患值;
根据交通状况数据中的路段一定时间内通过的大型车数量比上路段一定时间内通过的车辆数量,得到大型车占比隐患值;
根据交通状况数据中的各异常驾驶行为的权重乘以路段内各异常驾驶行为分别出现的频次再比上路段的长度,得到异常驾驶行为隐患值。
优选地,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据交通违法数据中的路段内机动车驾驶人、非机动车驾驶人以及行人历史交通违法数量比上路段的长度,得到交通违法隐患值。
优选地,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据外界环境数据中的自然环境数据,将一年内非晴天数比上一年的天数,得到天气因素隐患值。
优选地,
所述基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值包括:
对所有的定量数据分别去除变量量纲并进行归一化处理;
设定道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中各项逻辑变量的权重以及各定量数据的权重,将各评价单元下的权重与逻辑变量的赋值或定量数据相乘并累加得到各评价单元的隐患值;
所述根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分包括:
将待评价道路的各评价单元的隐患值乘以各评价单元预设的权重再累计相加,得到待评价道路的综合隐患值;
对待评价道路的综合隐患值减去所有道路的综合隐患值的平均值,再比上所有道路的综合隐患值的方差,得到待评价道路的隐患评分;
根据隐患评分所处的区间,以及预设的各区间对应的隐患等级,得到待评价道路的隐患等级。
根据本发明实施例的第二方面,提供基于多源数据的道路隐患点段分级装置,所述装置包括:
数据获取模块:用于通过多个数据来源采集待评价道路的多源数据,对采集到的多源数据进行结构化分类,分别划分为道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据;
数据划分模块:用于将道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中的数据按照数据形式划分为逻辑变量以及数值变量;
属性值计算模块:用于将所述逻辑变量赋值为0或1变量,基于所述数值变量,根据预设的公式计算各定量数据;
各评价单元隐患值计算模块:基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值;
隐患等级划分模块:用于根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分。
根据本发明实施例的第三方面,提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被主控器执行时,实现所述的上述方法中的各个步骤。
本发明的实施例提供的技术方案可以包括以下有益效果:
本申请通过多个数据来源获取待评价道路的多源数据,通过对多源数据进行整理,划分为道路设计、交通事故、交通状况、交通违法以及外界环境五个维度的数据,并对五个维度中的各项指标数据划分为逻辑变量以及数值变量,针对逻辑变量,赋值为0或1,并通过数值变量计算定量数据,根据各评价单元下包含的逻辑变量与定量数据,分别计算各评价单元的隐患值,根据各评价单元的隐患值综合对道路的隐患等级进行划分,相较于现有技术中对于道路隐患的评估仅仅局限于道路本身这一个维度,本申请在评价道路隐患时,除了道路本身,还多方面考量了交通事故、交通状况、交通违法以及外界环境等维度的数据,对于道路隐患的评估更为准确全面。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的基于多源数据的道路隐患点段分级方法的流程示意图;
图2是根据另一示例性实施例示出的基于多源数据的道路隐患点段分级方法的整体逻辑框架图;
图3是根据另一示例性实施例示出的道路隐患评价体系的示意图;
图4是根据另一示例性实施例示出的道路交通各评价单元的隐患示意图;
图5是根据另一示例性实施例示出的基于多源数据的道路隐患点段分级装置的系统示意图;
附图中:1-数据获取模块,2-数据划分模块,3-属性值计算模块,4-各评价单元隐患值计算模块,5-隐患等级划分模块。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
图1是根据一示例性实施例示出的基于多源数据的道路隐患点段分级方法的流程示意图,如图1所示,该方法包括:
S1,通过多个数据来源采集待评价道路的多源数据,对采集到的多源数据进行结构化分类,分别划分为道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据;
S2,将道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中的数据按照数据形式划分为逻辑变量以及数值变量;
S3,将所述逻辑变量赋值为0或1变量,基于所述数值变量,根据预设的公式计算各定量数据;
S4,基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值;
S5,根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分;
可以理解的是,本申请整体逻辑如附图2所示,本申请通过多个数据来源获取待评价道路的多源数据,通过对多源数据进行整理,划分为道路设计、交通事故、交通状况、交通违法以及外界环境五个维度的数据,并对五个维度中的各项指标数据划分为逻辑变量以及数值变量,其中,逻辑变量与数值变量的划分标准为:逻辑变量和数值变量分类标准根据具体采集到数据字段确认:其中道路设计数据(交叉口/路段)主要内容为与现行相关标准、规定对比,以及道路安全设施设置有无,故统一为二元逻辑变量;交通事故、交通状况、交通违法、外界环境(天气)数据在采集时即为数值型数据,故划分为数值变量,针对逻辑变量,赋值为0或1,并通过数值变量计算定量数据,根据各评价单元下包含的逻辑变量与定量数据,分别计算各评价单元的隐患值,根据各评价单元的隐患值综合对道路的隐患等级进行划分,相较于现有技术中对于道路隐患的评估仅仅局限于道路本身这一个维度,本申请在评价道路隐患时,除了道路本身,还多方面考量了交通事故、交通状况、交通违法以及外界环境等维度的数据,对于道路隐患的评估更为准确全面。
优选地,
所述多个数据来源包括:车载前端采集设备、道路设计数据库、卡口抓拍设备、导航平台、交管数据平台、民意数据平台以及地图开放平台;
可以理解的是,数据的采集包括以下几种方式:
①自动化设备采集:车载前端采集设备由四台高清专业摄像机和数据采集传感器组成,安装在普通型汽车顶部,在车辆自由行驶(5-80KM/H)过程中,自动完成道路前进方向多角度、高分辨率图像和基础数据信息的采集;
②道路设计图纸:从道路设计图纸上,特别是道路竣工图上提取结构化道路设计数据,包括道路线形、视距等;
③卡口过车记录:依托电子警察卡口抓拍设备提取道路上流量、流速等交通状况数据。
④GPS监测:依托导航平台对车辆驾驶情况进行实时监测,重点关注车辆危险驾驶行为。
⑤交管数据平台:从交管数据平台上获取接警数据、交通事故及违法相关数据。
⑥民意平台:依托民意平台收集交通安全相关问题。
⑦地图开放平台:依托数据支撑的地图开放平台可以获取道路实景信息以及其他相关信息;
当然,用户还可以根据需求,进行实时调查取证;
获取的数据种类以及数据来源如下表1所示:
优选地,
所述道路设计数据包括交叉口数据以及路段数据;
所述交叉口数据包括:交叉口设计数据、交叉口渠化数据以及交通组织数据;所述交叉口数据均为逻辑变量,将上述各项数据与预设的标准进行比较,并参照赋值标准进行赋值,增大隐患的因素记为1,控制隐患的因素记为0;
所述路段数据包括:平纵断面设计数据、横断面布置数据、交通安全设施数据以及路面状况数据,所述路段数据均为逻辑变量,将上述各项数据与预设的标准进行比较,并参照赋值标准进行赋值,增大隐患的因素记为1,控制隐患的因素记为0;
所述交通事故数据包括:事故基本情况数据以及事故分析处理数据;所述交通事故数据均为数值变量;
所述交通状况数据包括:交通流属性数据以及异常驾驶行为数据;所述交通状况数据均为数值变量;
所述交通违法数据包括:机动车驾驶人违法数据、非机动车驾驶人违法数据以及行人违法数据;所述交通违法数据均为数值变量;
所述外界环境包括:自然环境数据以及建成环境数据;所述自然环境数据为数值变量,所述建成环境数据为逻辑变量,将建成环境数据与预设的标准进行比较,并参照赋值标准进行赋值,增大隐患的因素记为1,控制隐患的因素记为0;
可以理解的是,对获取的数据进行结构化分类,分别分为5个维度的数据,包括:道路设计、交通事故、交通状况、交通违法以及外界环境;
其中,道路设计包括交叉口数据以及路段数据,交叉口数据汇总如下表2所示:
如表中所示,对于逻辑变量,“解释”这一列表明了各逻辑变量的预设标准,如交叉口设计中的交叉口形式这一指标,其解释为:交叉口形式是否超过4叉、错位、畸形、夹角小于70°,当获取到的交叉口形式数据依据解释中的定义判断为“是”时,那么交叉口形式这一逻辑变量在后续的计算中,赋值为1;同理,若获取到的交叉口形式数据依据解释中的定义判断为“否”时,则赋值为0;
其中,路段数据汇总如下表3所示:
交叉口数据与路段数据共同组成道路设计这一评价单元;
其中,交通事故数据汇总如下表4所示:
所属类别 | 指标名称 | 解释 | 属性 |
事故基本情况 | 交通事故数 | 日均 | 数值 |
事故处理 | 快速处理率 | 快速处理的事故占比 | 数值 |
值得说明的是,对于数值变量,“解释”这一列仅仅是对指标名称这一个名词的定义解释,不涉及0或1的赋值;
其中,交通状况数据汇总如下表5所示:
其中,交通违法数据汇总如下表6所示:
其中,外界环境数据汇总如下表7所示:
值得说明的是,在外界环境这一评价单元中,其同时包含了数值变量以及逻辑变量,其他的评价单元要么全是逻辑变量,要么全是数值变量,根据获取到的五大维度的数据,构建本申请的道路隐患评价体系,如附图3所示。
优选地,
所述基于所述数值变量,根据预设的公式计算各定量数据包括:
根据交通事故数据中的路段历史事故数量比上路段的长度得到交通事故隐患值;
根据交通事故数据中的路段内经快速处理的历史事故数比上路段历史事故数量的比例计算快速处理率比例,用1减去快速处理率比例,得到快速处理率隐患值;
可以理解的是,
交通事故评价单元:
(1)交通事故数隐患值:路段上一旦发生交通事故的发生代表此路段必定存在一处或多处隐患,通过分析交通事故发生的次数可以很好的对隐患进行直观的展现,见式(1):
(2)快速处理率隐患值:已经发生的交通事故将会对后续交通情况产生较大的影响,而通过事故的快速处理可以将该影响程度降低。道路上交通事故快速处理率越高,其隐患影响也就越小,式(2):
值得说明的是,后续在计算交通事故评价单元的隐患值是,就需要通过交通事故数隐患值以及快速处理率隐患值进行计算;
优选地,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据交通状况数据中的路段在一定时间内的断面交通量比上路段的通行能力得到路段在一定时间内的交通流饱和度,根据交通流饱和度位于的区间,以及预设的各区间对应的交通流饱和度隐患值的取值,得到交通流饱和度隐患值;
根据交通状况数据中的路段一定时间内通过车辆的车速方差比上路段一定时间内通过车辆的平均车速,得到车流稳定性隐患值;
根据交通状况数据中的路段一定时间内通过的大型车数量比上路段一定时间内通过的车辆数量,得到大型车占比隐患值;
根据交通状况数据中的各异常驾驶行为的权重乘以路段内各异常驾驶行为分别出现的频次再比上路段的长度,得到异常驾驶行为隐患值;
可以理解的是,
交通状况评价单元:
(1)交通流饱和度隐患值:交通流饱和度代表道路资源的利用率,交通流饱和度低时,路面上车辆数量少,行车时不易受到其他车干扰,发生事故概率低,交通流饱和度高时,路面上车辆很多,容易形成拥堵,车辆只能保持低速运行,所以发生事故概率也较低,见式(3):
(2)车流稳定性隐患值:主要通过道路上车辆速度的离散程度(即变异系数)进行体现,见式(4)。
(3)大型车占比隐患值:城市道路行驶车辆以小客车为主,但是同时也包括大客车、货车等大型车辆,大型车辆的行驶会对小客车行驶带来视线不佳等问题,所以大型车数量占比也是一个显著的安全隐患,见式(5)。
式中,为大型车占比隐患值,BCi为经过路段i某断面的大型车数量;SCi为经过路段i某断面的小型车数量,其中,关于大型车的定义可以是对长度以及高度的定义,比如,车身大于某个长度以及高于某个高度定义为大型车,也可以是对载货量的定义,比如载货量大于某个重量为大型车;
(4)异常驾驶行为隐患值:驾驶行为异常指由于驾驶人异常加、减速等造成的安全隐患,包括急加速、急转弯、超速等几种情形,见式(6):
式中,为异常驾驶行为隐患值,θj为异常驾驶行为j的权重;/>为基本路段i上异常驾驶行为j出现的频次;li为基本路段i的里程长度,该式将表5交通状况数据中的急加速起数/急刹车起数/急并道起数/记录超速起数四项指标合并为一项指标。
优选地,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据交通违法数据中的路段内机动车驾驶人、非机动车驾驶人以及行人历史交通违法数量比上路段的长度,得到交通违法隐患值;
可以理解的是,
交通违法评价单元:
(1)交通违法隐患值:交通违法行为会影响道路交通秩序,导致交通事故频发的突出,除了机动车驾驶人违法,城市道路内非机动车违法事故数与行人违法也非常普遍,见式(7):
式中,为交通违法隐患值,ILj i(j=1,2,3)为基本路段i内机动车驾驶人、非机动车驾驶人、行人历史交通违法数量,该式将表6交通违法数据中的机动车驾驶人、非机动车驾驶人、行人违法等若干项数据合并为一项指标。
优选地,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据外界环境数据中的自然环境数据,将一年内非晴天数比上一年的天数,得到天气因素隐患值;
可以理解的是,外界环境评价单元中同时包含逻辑变量以及数值变量,针对数值变量部分,也就是自然环境部分进行定量数据计算:
天气因素隐患值:自然环境对交通影响很大,特别是天气因素,会影响行车可见度、道路摩擦力等一系列因素,见式(8):
优选地,
所述基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值包括:
对所有的定量数据分别去除变量量纲并进行归一化处理;
设定道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中各项逻辑变量的权重以及各定量数据的权重,将各评价单元下的权重与逻辑变量的赋值或定量数据相乘并累加得到各评价单元的隐患值;
所述根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分包括:
将待评价道路的各评价单元的隐患值乘以各评价单元预设的权重再累计相加,得到待评价道路的综合隐患值;
对待评价道路的综合隐患值减去所有道路的综合隐患值的平均值,再比上所有道路的综合隐患值的方差,得到待评价道路的隐患评分;
根据隐患评分所处的区间,以及预设的各区间对应的隐患等级,得到待评价道路的隐患等级;
可以理解的是,在上述计算定量数据的过程中,各个定量数据进行相应的处理后保留了量纲,在进行单元评分计算前需要去除变量量纲,并将定量数据统一归一化,具体公式如下所示:
式中,xi为经式(1)-式(8)计算后的定量数据,xmin为该项定量数据的最小值,xmax为该项定量数据的最大值;
各评价单元的指标数量及权重标号见下表8:
编号 | 评价单元sk | 指标数量kj | 指标权重编号θj |
1 | 道路设计(交叉口) | 15 | 1-15 |
2 | 道路设计(路段) | 20 | 16-35 |
3 | 交通事故 | 2 | 36-37 |
4 | 交通状况 | 4(经式(6)部分合并) | 38-41 |
5 | 交通违法 | 1(经式(7)合并) | 42 |
6 | 外界环境 | 4 | 43-46 |
各指标权重可以采取专家定权的方式或加权平均,并满足各评价单元得分范围控制在[0,1]区间内,见式(10):
式中,θj为各指标权重;
由此计算各评价单元各属性得分(隐患值),由指标权重与属性值相乘并累加得,见式(11)。
式中,sk(k=1,2,3,4,5,6)为各评价单元得分,kj(kj=15,20,2,4,1,4)为各评价单元指标数量,xj′为经赋值(逻辑变量赋值为0、1)或计算出的定量数据值;
值得强调的是:单一的评价对象只能属于交叉口或路段中的一种,所以对于交叉口数据以及路段数据来说,其中必有一项为0,那么将其中非0项作为道路设计方面的隐患值,将计算出的各评价单元的隐患值进行图像表达,如附图4所示;
将各评价单元得分与对应的权重相乘,得到评价对象的综合隐患值,见式(12):
再将各评价单元的综合隐患值进行标准化,计算方法为减去均值再除以方差,见式(13):
根据隐患评分,将道路隐患划分为高、中、低三个等级,设HDi为i第个评价对象的隐患评分,具体划分方法如下式(14):
根据评级结果生成分析报告。
实施例二
图5是根据另一示例性实施例示出的基于多源数据的道路隐患点段分级装置的系统示意图,包括:
数据获取模块1:用于通过多个数据来源采集待评价道路的多源数据,对采集到的多源数据进行结构化分类,分别划分为道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据;
数据划分模块2:用于将道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中的数据按照数据形式划分为逻辑变量以及数值变量;
属性值计算模块3:用于将所述逻辑变量赋值为0或1变量,基于所述数值变量,根据预设的公式计算各定量数据;
各评价单元隐患值计算模块4:基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值;
隐患等级划分模块5:用于根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分;
可以理解的是,本申请通过数据获取模块1用于通过多个数据来源采集待评价道路的多源数据,对采集到的多源数据进行结构化分类,分别划分为道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据;数据划分模块2用于将道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中的数据按照数据形式划分为逻辑变量以及数值变量;属性值计算模块3用于将所述逻辑变量赋值为0或1变量,基于所述数值变量,根据预设的公式计算各定量数据;各评价单元隐患值计算模块4基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值;隐患等级划分模块5用于根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分;通过上述的方案,相较于现有技术中对于道路隐患的评估仅仅局限于道路本身这一个维度,本申请在评价道路隐患时,除了道路本身,还多方面考量了交通事故、交通状况、交通违法以及外界环境等维度的数据,对于道路隐患的评估更为准确全面。
实施例三:
本实施例提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被主控器执行时,实现上述方法中的各个步骤;
可以理解的是,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.基于多源数据的道路隐患点段分级方法,其特征在于,所述方法包括:
通过多个数据来源采集待评价道路的多源数据,对采集到的多源数据进行结构化分类,分别划分为道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据;
将道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中的数据按照数据形式划分为逻辑变量以及数值变量;
将所述逻辑变量赋值为0或1变量,基于所述数值变量,根据预设的公式计算各定量数据;
基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值;
根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分。
2.根据权利要求1所述的方法,其特征在于,
所述多个数据来源包括:车载前端采集设备、道路设计数据库、卡口抓拍设备、导航平台、交管数据平台、民意数据平台以及地图开放平台。
3.根据权利要求2所述的方法,其特征在于,
所述道路设计数据包括交叉口数据以及路段数据;
所述交叉口数据包括:交叉口设计数据、交叉口渠化数据以及交通组织数据;所述交叉口数据均为逻辑变量,将上述各项数据与预设的标准进行比较,满足预设的标准的情况下记为1,不满足则记为0;
所述路段数据包括:平纵断面设计数据、横断面布置数据、交通安全设施数据以及路面状况数据,所述路段数据均为逻辑变量,将上述各项数据与预设的标准进行比较,满足预设的标准的情况下记为1,不满足则记为0;
所述交通事故数据包括:事故基本情况数据以及事故分析处理数据;所述交通事故数据均为数值变量;
所述交通状况数据包括:交通流属性数据以及异常驾驶行为数据;所述交通状况数据均为数值变量;
所述交通违法数据包括:机动车驾驶人违法数据、非机动车驾驶人违法数据以及行人违法数据;所述交通违法数据均为数值变量;
所述外界环境包括:自然环境数据以及建成环境数据;所述自然环境数据为数值变量,所述建成环境数据为逻辑变量,将建成环境数据与预设的标准进行比较,满足预设的标准的情况下记为1,不满足则记为0。
4.根据权利要求3所述的方法,其特征在于,
所述基于所述数值变量,根据预设的公式计算各定量数据包括:
根据交通事故数据中的路段历史事故数量比上路段的长度得到交通事故隐患值;
根据交通事故数据中的路段内经快速处理的历史事故数比上路段历史事故数量的比例计算快速处理率比例,用1减去快速处理率比例,得到快速处理率隐患值。
5.根据权利要求3所述的方法,其特征在于,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据交通状况数据中的路段在一定时间内的断面交通量比上路段的通行能力得到路段在一定时间内的交通流饱和度,根据交通流饱和度位于的区间,以及预设的各区间对应的交通流饱和度隐患值的取值,得到交通流饱和度隐患值;
根据交通状况数据中的路段一定时间内通过车辆的车速方差比上路段一定时间内通过车辆的平均车速,得到车流稳定性隐患值;
根据交通状况数据中的路段一定时间内通过的大型车数量比上路段一定时间内通过的车辆数量,得到大型车占比隐患值;
根据交通状况数据中的各异常驾驶行为的权重乘以路段内各异常驾驶行为分别出现的频次再比上路段的长度,得到异常驾驶行为隐患值。
6.根据权利要求3所述的方法,其特征在于,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据交通违法数据中的路段内机动车驾驶人、非机动车驾驶人以及行人历史交通违法数量比上路段的长度,得到交通违法隐患值。
7.根据权利要求3所述的方法,其特征在于,
所述基于所述数值变量,根据预设的公式计算各定量数据还包括:
根据外界环境数据中的自然环境数据,将一年内非晴天数比上一年的天数,得到天气因素隐患值。
8.根据权利要求3-7任意一项所述的方法,其特征在于,
所述基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值包括:
对所有的定量数据分别去除变量量纲并进行归一化处理;
设定道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中各项逻辑变量的权重以及各定量数据的权重,将各评价单元下的权重与逻辑变量的赋值或定量数据相乘并累加得到各评价单元的隐患值;
所述根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分包括:
将待评价道路的各评价单元的隐患值乘以各评价单元预设的权重再累计相加,得到待评价道路的综合隐患值;
对待评价道路的综合隐患值减去所有道路的综合隐患值的平均值,再比上所有道路的综合隐患值的方差,得到待评价道路的隐患评分;
根据隐患评分所处的区间,以及预设的各区间对应的隐患等级,得到待评价道路的隐患等级。
9.基于多源数据的道路隐患点段分级装置,其特征在于,所述装置包括:
数据获取模块:用于通过多个数据来源采集待评价道路的多源数据,对采集到的多源数据进行结构化分类,分别划分为道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据;
数据划分模块:用于将道路设计数据、交通事故数据、交通状况数据、交通违法数据以及外界环境数据中的数据按照数据形式划分为逻辑变量以及数值变量;
属性值计算模块:用于将所述逻辑变量赋值为0或1变量,基于所述数值变量,根据预设的公式计算各定量数据;
各评价单元隐患值计算模块:基于所述0或1变量以及各定量数据,根据预设的公式分别计算道路设计、交通事故、交通状况、交通违法以及外界环境的隐患值;
隐患等级划分模块:用于根据所述待评价道路的各评价单元的隐患值,以及预设的道路隐患点段评级标准对道路隐患进行隐患等级划分。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被主控器执行时,实现如权利要求1-8任一项所述的基于多源数据的道路隐患点段分级方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310146218.7A CN116307699A (zh) | 2023-02-09 | 2023-02-09 | 基于多源数据的道路隐患点段分级方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310146218.7A CN116307699A (zh) | 2023-02-09 | 2023-02-09 | 基于多源数据的道路隐患点段分级方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307699A true CN116307699A (zh) | 2023-06-23 |
Family
ID=86802391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310146218.7A Pending CN116307699A (zh) | 2023-02-09 | 2023-02-09 | 基于多源数据的道路隐患点段分级方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307699A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117669002A (zh) * | 2023-12-27 | 2024-03-08 | 济宁市鸿翔公路勘察设计研究院有限公司 | 一种基于大数据的道路设计实用程度评估方法及装置 |
-
2023
- 2023-02-09 CN CN202310146218.7A patent/CN116307699A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117669002A (zh) * | 2023-12-27 | 2024-03-08 | 济宁市鸿翔公路勘察设计研究院有限公司 | 一种基于大数据的道路设计实用程度评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742432B (zh) | 基于车路协同的高速公路运行车速主动预警系统及控制方法 | |
CN111311918B (zh) | 一种基于视觉分析的交通管理方法及装置 | |
Goyani et al. | Investigation of traffic conflicts at unsignalized intersection for reckoning crash probability under mixed traffic conditions | |
CN113609016B (zh) | 车辆自动驾驶测试场景的构建方法、装置、设备及介质 | |
CN104157156A (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
CN113147733B (zh) | 雨雾沙尘天气汽车智能限速系统及方法 | |
Guo et al. | The expressway traffic sign information volume threshold and AGS position based on driving behaviour | |
CN113554877B (zh) | 一种基于可变限速的长上坡交通流稳定性提升方法 | |
Goh et al. | Experimental microsimulation modeling of road safety impacts of bus priority | |
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 | |
CN112735139A (zh) | 一种用于普通公路安全隐患排查的装置和方法 | |
Zhai et al. | Comparative analysis of drive-cycles, speed limit violations, and emissions in two cities: Toronto and Beijing | |
CN114550445A (zh) | 一种城市区域交通安全状态评估方法和装置 | |
CN116753938A (zh) | 车辆测试场景生成方法、装置、存储介质及设备 | |
CN116740940A (zh) | 恶劣天气高影响路段风险预测和安全管理方法、装置和设备 | |
CN114141011B (zh) | 一种陡坡及连续下坡路段识别方法以及安全隐患排查方法 | |
CN115527076B (zh) | 一种营运车辆异常驾驶行为识别模型的构建方法及系统 | |
Ambros et al. | Identification of road horizontal alignment inconsistencies–A pilot study from the Czech Republic | |
CN115019532A (zh) | 一种基于客运数据的公路安全隐患自动识别与预警系统 | |
Kłos et al. | Effects of countdown timers on traffic safety at signalized intersections | |
Diah et al. | The methodology review of traffic safety monitoring by using video recording for express bus in Malaysia | |
Koloushani et al. | Introducing Automatic Control Method of Safety Standards in Horizontal Curves by Processing Images Taken by Mobile Mapping System. | |
Ratanavaraha et al. | Road safety audit: Identification of bus hazardous location in Thailand | |
CN110211386A (zh) | 一种基于非参数检验的高速公路车型分类方法 | |
CN116246491B (zh) | 基于轨迹特征挖掘的追尾风险路段动态识别与管控方法 |
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 |