【技术实现步骤摘要】
本专利技术属于智能交通管理和控制
，运用支持向量机对现有的交通事故学习分类模型进而进行事故风险判别和分类，提出一种对某个路段道路交通事故发生风险的判别方法与控制解决方案。
技术介绍
汽车保有量的增加和日益频繁的道路交通出行及物流运输，在繁荣经济和生活方面的同时，对道路交通安全环境带来了日益严重的压力，客观上也对道路交通环境安全畅通无阻相关技术的研究开发提出了迫切需求。随着交通安全管理水平的提升和车辆主动安全技术的发展，交通安全环境得到了很大的改善；尤其是高速道路交通环境，据统计全国高速公路交通环境，据统计全国高速公路交通事故数量自2003年以来呈逐步下降的趋势，累计下降幅度达70%。然而，近几年下降趋势渐趋平稳，且高速公路重大交通安全事故伤亡人数一直维持在高位。目前高速公路交通事故形态主要表现为:追尾碰撞、撞固定物及静止车辆、翻车、侧碰、正碰及刮擦。
技术实现思路
本专利技术要解决的问题是:在交通信息实时数据获取及存储已变得相对容易这一背景下，建立实时交通数据特征与交通事故风险之间的关系，提出基于多类支持向量机的道路实时交通事故风险预测及控制方法。本专利技术的技术方案为:基于多类支持向量机道路实时交通事故风险预测控制方法，对检测区域建立道路实时交通事故风险预测及控制模型，将实时交通数据信息提出特征后代入实时道路事故风险判别分类模型，根据实时道路事故风险判别分类模型输出结果预测检测区域是否发生事故以及事故类型，由此提出相应的控制措施。从下面两个方面展开:(1)、交通事故风险事件特征提取；(2)、道路交通风险预测及控制。技术方案:为解决上述...
【技术保护点】
一种道路实时交通事故风险控制方法，其特征在于，具体步骤为：步骤A）采集正常交通状态下和有事故发生前t秒(0.01≤t≤0.1)的状态下的数据样本N组{X1,X2,...,XN}；每个XI（I=1,2,3,...,N）包括人、车、路、环境信息：根据交通事故的发生时间和发生路段，随机采集交通事故发生路段人的性别x1、驾驶技能x2；车的车距x3、车速x4、车况x5、道路的类型x6、路面状况x7、交通状况x8；以及当天的天气x9、行人状况x10、能见度x11；步骤B）采集与上述数据样本{X1,X2,...,XN}对应的交通事故类别样本{Y1，Y2，...,YN}，每个YI（I=1,2,3,...,N）对应于{w1,w2,w3}中的某一项。其中w1表示追尾碰撞事故、w2表示撞固定物及静止车辆、w3表示正常情况；步骤C）交通事故数据预处理：训练样本集即上述N组历史数据样本{X1,X2,...,XN}，其中，每个XI={x1,x2,...,x11}（I=1,2,3,...,N）以及与其相对应的N组事故结果{Y1，Y2，...,YN}，其中每个YI（I=1,2,...,N)对应于{w1,w2,w3}中...
【技术特征摘要】
1.一种道路实时交通事故风险控制方法，其特征在于，具体步骤为: 步骤A)采集正常交通状态下和有事故发生前t秒(0.01 < t < 0.1)的状态下的数据样本N组(X1, X2，...，XN};每个X1 (1=1，2，3，...，N)包括人、车、路、环境信息:根据交通事故的发生时间和发生路段，随机采集交通事故发生路段人的性别X1、驾驶技能X2 ;车的车距X3、车速X4、车况X5、道路的类型X6、路面状况X7、交通状况X8 ；以及当天的天气X9、行人状况x1(l、能见度X11 ; 步骤B)采集与上述数据样本{Xp X2，...，XN}对应的交通事故类别样本(Y1,Y2, , YnI ,每个Y1 (1=1, 2，3，...，N)对应于(W1, W2, W3I中的某一项。其中W1表示追尾碰撞事故、W2表示撞固定物及静止车辆、表示正常情况； 步骤C)交通事故数据预处理:训练样本集即上述N组历史数据样本(X1, X2,, XJ，其中，每个X1=U1, X2,...，xn} (1=1, 2, 3,..., N)以及与其相对应的N组事故结果(Y1,Y2,...，Yn}，其中每个 Y1 (I=1，2，...，N)对应于(W11W21W3I 中的某一项； 步骤D)利用上述样本数据训练多类支持向量机，得出事故分类决策函数f^X) ^ a\X +^,(y = 1,2,3)的参数 aj，bj ； 步骤E)对上述N组数据样本分类，对样本X1 (1=1，2，3，...，N)，设= argmax./； (X1),则X1的类别为S(X1)=Wj; 步骤F)如果样本X1的预测类别S(X1)不同于真实类...
【专利技术属性】
技术研发人员：陈小波，梁军，陈龙，张飞云，李世浩，顾胜强，
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。