【技术实现步骤摘要】
本专利技术涉及道路交通安全领域，具体为一种基于dnc与ngboost-pa-woe的动态行车风险评估方法及系统。
技术介绍
1、随着智能交通系统的快速发展和广泛应用，如何有效地评估和管理交通网络中的行车风险已成为当前研究领域的一个重要议题。传统的静态风险评估方法往往无法及时反映交通状况的动态变化对行车安全的影响，特别是在高密度和复杂的交通环境下，这种局限性更为明显。因此，基于实时数据的动态风险评估方法逐渐成为研究和应用的重点。
2、现有的动态风险评估方法主要依赖于车载传感器和交通监控设备来收集实时车辆数据，并通过机器学习或数据分析技术对其进行处理和分析。这些技术能够提供即时的交通状态信息，帮助交通管理者和驾驶员更好地理解当前的交通状况，从而做出更加安全的决策。然而，尽管这些方法取得了一定的成功，但它们仍然存在一些不足之处。
3、首先，大多数现有方法仅仅只考虑到车辆运行数据(交通流量、车速、行车间距)，但并未充分结合环境特征(天气、道路状况和光照)对行车安全的影响。其次，现有的动态风险评估系统通常参照历史交通事故数据来实时预测当前的交通风险等级，但预测准确性仍有待提高。
技术实现思路
1、针对现有的动态行车风险评估系统的准确性较差和参考因素不足的问题，本专利技术提供了一种基于dnc与ngboost-pa-woe的动态行车风险评估方法及系统，该系统采用ngboost-pa-woe模型来预测道路节点的风险评分，该模型结合了ngboost算法、惩罚属性(fpa)和权
2、本专利技术是通过以下技术手段实现上述技术目的的。
3、一种基于dnc与ngboost-pa-woe的动态行车风险评估系统，包括：
4、数据库，用于储存城市道路交通图、城市各个道路节点处的历史交通事故数据和历史交通违规数据，并随着城市各个道路节点处实时发生的交通事故和违规事件而自动更新数据；
5、数据采集模块，包括部署在道路节点和车辆上的传感器、车载设备和交通监控系统，用于实时采集各个道路节点处的车辆动态数据和环境特征；
6、数据预处理与清洗模块，用于对数据采集模块获取的原始数据进行去除噪声、填补缺失值、检测和修正异常数据；
7、度中心性因子(dnc)分析模块，用于根据城市道路交通图计算每个道路节点的dnc值；
8、证据权重模块，用于根据历史交通事故数据和历史交通违规数据，计算出每个道路节点处的车辆动态数据和环境特征所对应的证据权重woe值、事故率、违规率，并对计算结果进行归一化处理；
9、风险评估模块，为ngboost-pa-woe模型，用于根据各个道路节点的dnc值，相应道路节点处的车辆动态数据和环境特征所对应的woe值、事故率、违规率，以及数据采集模块所采集到的各个道路节点处的车辆动态数据和环境特征，预测各个道路节点处的风险评分，并根据风险评分给出交通管制建议。
10、进一步地，所述数据采集模块包括车载传感器、交通监控设备和gps系统；所述车辆动态数据包括车流量、车速和行车间距；所述环境特征包括天气、道路状况和光照。
11、进一步地，所述目标道路节点的dnc值的计算方法为：以数据库中的城市道路交通图中的道路节点为节点，道路节点间的路段为边，将目标道路节点记为节点i，与节点i相连的所有一阶邻居节点记为节点j，所述节点i的度中心性值的计算方法如下：
12、a1：统计节点j的个数，记为ki；
13、a2：计算所有节点j各自的局部聚类系数，记为cj，其计算公式为：
14、
15、其中，ej为节点j所有一阶邻居节点之间相互连接的边的个数，kj为与节点j相连的所有一阶邻居节点的个数；
16、a3：节点i的度中心性值，记为dnc(i)，其计算公式为：
17、其中，a为相关系数且a＞0，为所有节点j的局部聚类系数之和，fi为节点i的一阶邻居节点集合。
18、进一步地，所述woe值的计算方法为：
19、
20、其中，npix1为属于特定因子类别内部的事件像素总数，npix2为不属于特定因子类别内部但属于事件外部的像素总数，npix3为不与事件相关的像素总数，npix4为既不属于特定因子类别内部也不与事件相关的像素总数，npixx为npix3或npix4，当某一特征下的样本中，未发生事故或违规的样本比例不低于发生事故或违规的样本比例时，在计算该特征所对应的证据权重woe值时npixx取npix3；当某一特征下的样本中，发生事故或违规的样本比例高于未发生事故或违规的样本比例时，在计算该特征所对应的证据权重woe值时npixx取npix4。
21、进一步地，所述ngboost-pa-woe模型的构建方法，包括以下步骤：
22、b1：将各个道路节点的历史交通事故数据和历史交通违规数据进行预处理和数据清洗，并将其随机划分为训练集和测试集；
23、b2：计算出各个道路节点处的车辆动态数据和环境特征所对应的证据权重woe值、事故率、违规率，以及各个道路节点所对应的dnc值，并对计算结果进行归一化处理；
24、b3：采用训练集数据建立基于ngboost算法的ngboost-pa-woe初始化模型；采用测试集数据验证ngboost-pa-woe初始化模型性能，根据验证结果调整模型参数；
25、b4：使用k折交叉验证技术再次验证模型性能，并根据验证结果再次调整模型参数，最终建立ngboost-pa-woe模型；所述验证指标包括auc、准确率、召回率和f1分数。
26、进一步地，步骤b3中，所述ngboost-pa-woe初始化模型的建立方法如下：
27、b3.1：使用损失评分规则s，通过优化损失函数s来确定模型初始参数θ(0)，所述模型初始参数θ(0)对应于训练集的边缘分布的参数；
28、
29、其中，n为样本数；yi为训练集中第i个样本的标签；
30、b3.2：使用惩罚属性(fpa)从历史交通事故数据和历史交通违规数据中分析每项特征的重要性，并赋予其初始λ值；随后计算特征的权重分布：
31、
32、其中，wrλ为特征权重范围，λ为特征的级别，p为相关系数且p＞0；
33、b3.3：对于每个样本i，计算损失函数s关于模型参数θ的梯度应用fisher信息矩阵is(θ)的逆来调整梯度，得到自然梯度
34、
35、其中，每一次迭代m从1到m，m表示表示当前的迭代轮数；m表示表示总的迭代次数；λi表示由惩罚属性(fpa)计算得到的初始权重调整因子λi；
36、b3.4：使用自然梯度来训练基学习器f(m)，使用dnc值、woe值、事故率、违规率作为输入数据：
37、
38、其中，xi表示测试集中的本文档来自技高网...
【技术保护点】
1.一种基于DNC与NGBoost-PA-WOE的动态行车风险评估系统，其特征在于，包括：
2.根据权利要求1所述的动态行车风险评估系统，其特征在于，所述数据采集模块包括车载传感器、交通监控设备和GPS系统；所述车辆动态数据包括车流量、车速和行车间距；所述环境特征包括天气、道路状况和光照。
3.根据权利要求1所述的动态行车风险评估系统，其特征在于，所述目标道路节点的DNC值的计算方法为：以数据库中的城市道路交通图中的道路节点为节点，道路节点间的路段为边，将目标道路节点记为节点i，与节点i相连的所有一阶邻居节点记为节点j，所述节点i的度中心性值的计算方法如下：
4.根据权利要求1所述的动态行车风险评估系统，其特征在于，所述WOE值的计算方法为：
5.根据权利要求1所述的动态行车风险评估系统，其特征在于，所述NGBoost-PA-WOE模型的构建方法，包括以下步骤：
6.根据权利要求5所述的动态行车风险评估系统，其特征在于，步骤B3中，所述NGBoost-PA-WOE初始化模型的建立方法如下：
7.基于权利要求1
8.根据权利要求7所述的动态行车风险评估方法，其特征在于，在运行过程中，所述NGBoost-PA-WOE模型基于城市道路交通图的变化以及近阶段的历史交通事故数据和历史交通违规数据更新各个道路节点的DNC值、车辆动态数据和环境特征所对应的证据权重WOE值、事故率、违规率，并更新优化NGBoost-PA-WOE模型。
9.根据权利要求7所述的动态行车风险评估方法，其特征在于，根据风险评分给出交通管制建议的具体方式为：将每个道路节点的风险评分与预设的安全值对比，若其超过安全值则根据车辆动态数据对风险评分的影响程度，NGBoost-PA-WOE模型根据预设的安全值、风险节点的事故率、违规率、当前风险节点的环境特征，以对风险评分影响显著的车辆动态数据为调整参数，计算出当前使风险节点处的风险评分达到预设的安全值的车辆动态数据目标值，并基于该目标值确定交通管制的建议。
...【技术特征摘要】
1.一种基于dnc与ngboost-pa-woe的动态行车风险评估系统，其特征在于，包括：
2.根据权利要求1所述的动态行车风险评估系统，其特征在于，所述数据采集模块包括车载传感器、交通监控设备和gps系统；所述车辆动态数据包括车流量、车速和行车间距；所述环境特征包括天气、道路状况和光照。
3.根据权利要求1所述的动态行车风险评估系统，其特征在于，所述目标道路节点的dnc值的计算方法为：以数据库中的城市道路交通图中的道路节点为节点，道路节点间的路段为边，将目标道路节点记为节点i，与节点i相连的所有一阶邻居节点记为节点j，所述节点i的度中心性值的计算方法如下：
4.根据权利要求1所述的动态行车风险评估系统，其特征在于，所述woe值的计算方法为：
5.根据权利要求1所述的动态行车风险评估系统，其特征在于，所述ngboost-pa-woe模型的构建方法，包括以下步骤：
6.根据权利要求5所述的动态行车风险评估系统，其特征在于，步骤b3中，所述ngboost-pa-woe...
【专利技术属性】
技术研发人员：刘擎超，张来玉，蔡英凤，王海，陈龙，
申请(专利权)人：江苏大学，
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。