【技术实现步骤摘要】
本专利技术涉及智能交通应用，更具体地，涉及一种基于多检测源的典型场景路段交通事故风险预警方法。
技术介绍
1、典型场景路段是交通事故易发生的场景路段，易发生重大交通事故，造成人员伤亡和财产损失。典型场景路段较多，事故发生后处理较为困难，目前在部分典型场景路段布设卡口流量监测设备、视频监控设备和气象设备，用于监测道路流量和道路监控，往往会在接到报警电话后才能进行事后处理，无法在易发生事故时间提前进行管控处置，预防事故的发生。由此可见，基于流量、视频流及气象设备数据综合分析，生成交通事故风险预警是非常必要的。
技术实现思路
1、为了解决现有技术中存在的不足，本专利技术提供了一种基于多检测源的典型场景路段交通事故风险预警方法，能够减少交通事故和其他并发事故，保证交通安全。
2、作为本专利技术的第一个方面，提供一种基于多检测源的典型场景路段交通事故风险预警方法，包括以下步骤：
3、步骤s1：获取各个典型场景路段的历史交通事故数据，并根据所述各个典型场景路段的历史交通事故数据构建典型场景路段交通事故数据库；
4、步骤s2：根据所述典型场景路段交通事故数据库，分析出每个典型场景路段历史交通事故的各类风险特征量化值；
5、步骤s3：根据所述每个典型场景路段历史交通事故的各类风险特征量化值，从所有典型场景路段中筛选出高风险路段，并对每个高风险路段设置风险等级变化阈值；
6、步骤s4：获取每个高风险路段的实时卡口流量数据、实时气象数据和实时
7、步骤s5：采用层次分析法对每个高风险路段的实时卡口流量数据、实时气象数据和实时环境数据进行计算，以得到每个高风险路段的实时交通事故风险等级；
8、步骤s6：将每个高风险路段的当前交通事故风险等级与该高风险路段的历史交通事故风险等级进行对比，当所述高风险路段的交通事故风险等级变化程度高于该高风险路段的风险等级变化阈值时，则认为该高风险路段当前发生交通事故的风险等级急剧提高，将该高风险路段的交通事故预警信息推送给系统后台。
9、进一步地，所述根据所述典型场景路段交通事故数据库，分析出每个典型场景路段历史交通事故的各类风险特征量化值，还包括：
10、对所述典型场景路段交通事故数据库进行风险特征分析，以提取出每个典型场景路段历史交通事故中的各类风险特征，其中，各类风险特征包括能见度情况、照明条件、路表情况和路面状态；
11、对每个典型场景路段历史交通事故与其各类风险特征之间的映射关系进行综合分析，以得到每个典型场景路段历史交通事故的各类风险特征量化值。
12、进一步地，所述获取每个高风险路段的实时卡口流量数据、实时气象数据和实时环境数据，还包括：
13、备案每个高风险路段，将每个高风险路段与其周边的卡口设备、气象设备和视频监控设备进行关联；
14、通过卡口设备获取每个高风险路段的实时卡口流量数据，通过气象设备获取每个高风险路段的实时气象数据，通过视频监控设备获取每个高风险路段的实时环境数据。
15、进一步地，所述获取每个高风险路段的实时卡口流量数据、实时气象数据和实时环境数据，还包括：
16、计算出每个高风险路段的当前卡口流量数据与该高风险路段的历史时段卡口平均流量数据之间的比值，当计算出的比值超过预设阈值时，则认为该高风险路段出现拥堵异常现象，输出该高风险路段的拥堵异常信号；
17、根据每个高风险路段的实时气象数据，判断出该高风险路段的气象是否出现异常，当该高风险路段的气象出现异常时，输出该高风险路段的气象异常信号。
18、进一步地，所述采用层次分析法对每个高风险路段的实时卡口流量数据、实时气象数据和实时环境数据进行计算，以得到每个高风险路段的实时交通事故风险等级，还包括：
19、采用层次分析法确定每个高风险路段的交通事故风险因素，其中，交通事故风险因素包括：实时卡口流量数据、实时气象数据、实时环境数据、实时时间数据和实时月份数据；
20、根据经验评估打分确定出每个交通事故风险因素相对于另一交通事故风险因素的可信度值，以形成层次判断矩阵；
21、根据层次判断矩阵计算出该高风险路段每个交通事故风险因素所对应的可信度值；
22、根据该高风险路段每个交通事故风险因素所对应的可信度值、该高风险路段的拥堵异常信号输出情况和该高风险路段的气象异常信号输出情况，计算出该高风险路段发生交通事故的可信度值；
23、根据该高风险路段发生交通事故的可信度值确定出该高风险路段的交通事故风险等级。
24、进一步地，所述步骤s6之后，还包括：
25、通过所述系统后台将该高风险路段的交通事故预警信息推送给系统前端，执法人员通过系统前端网页查看交通事故预警信息，并人工确认交通事故预警信息的有效性；
26、对于有效的交通事故预警信息，执法人员判断该高风险路段是否已发生交通事故；若已发生交通事故则进行派警，若未发生交通事故则进行管控处置。
27、本专利技术提供的基于多检测源的典型场景路段交通事故风险预警方法具有以下优点：通过分析典型场景路段交通事故的历史数据，结合典型场景路段的环境、拥堵、气象等因素，确定典型场景路段进行备案，根据gis地图位置信息，关联典型场景路段上的视频监控设备、卡口设备和气象设备等。用人工智能算法，对典型场景路段的流量数据进行实时分析，后台抽取典型场景路段周边的实时气象数据，计算得出交通事故风险等级，交通事故风险等级在预设值之上的生成事故预警信息推送给执法人员进行确认，如未发生事故但出现异常拥堵，可考虑进行分流保畅，如已发生事故需及时进行派警。从而减少交通事故和其他并发事故，保证交通安全。
本文档来自技高网...【技术保护点】
1.一种基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，所述根据所述典型场景路段交通事故数据库，分析出每个典型场景路段历史交通事故的各类风险特征量化值，还包括：
3.根据权利要求1所述的基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，所述获取每个高风险路段的实时卡口流量数据、实时气象数据和实时环境数据，还包括：
4.根据权利要求1所述的基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，所述获取每个高风险路段的实时卡口流量数据、实时气象数据和实时环境数据，还包括：
5.根据权利要求4所述的基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，所述采用层次分析法对每个高风险路段的实时卡口流量数据、实时气象数据和实时环境数据进行计算，以得到每个高风险路段的实时交通事故风险等级，还包括：
6.根据权利要求1所述的基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，所述步骤S6之后，还
...【技术特征摘要】
1.一种基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，所述根据所述典型场景路段交通事故数据库，分析出每个典型场景路段历史交通事故的各类风险特征量化值，还包括：
3.根据权利要求1所述的基于多检测源的典型场景路段交通事故风险预警方法，其特征在于，所述获取每个高风险路段的实时卡口流量数据、实时气象数据和实时环境数据，还包括：
4.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：蔡岗，黄淑兵，陶侃，施一珑，张祥，侯炳山，尤冬海，
申请(专利权)人：公安部交通管理科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。