一种山区高速公路交通事故致因分析的方法及系统

本技术涉及道路交通安全，尤其涉及一种山区高速公路交通事故致因分析的方法及系统。

背景技术：

1、

2、由于高原山区地理位置独特，气象条件复杂，山区道路恶劣天气事件多发，极易导致交通事故发生；此外，山区道路线形复杂，急弯陡坡并存。在复杂气象环境和山区道路条件交互作用下，使得行车存在安全隐患，面临较大的交通-气象耦合风险。

3、在这种背景下，提高山区高速公路的安全性变得至关重要。如何对山区高速公路交通事故成因进行深度剖析，解析事故形成机理，成为进一步发展山区高速公路交通事故风险主动防控技术的关键。

技术实现思路

1、为解决或部分解决相关技术中存在的问题，本技术提供一种山区高速公路交通事故致因分析的方法及系统，能够有效对山区高速公路交通事故成因进行深度剖析，解析事故形成机理，能够更好地对山区高速公路交通事故风险进行主动防控。

2、本技术第一方面提供一种山区高速公路交通事故致因分析的方法，包括：

3、使用k-means聚类算法对不同类型的山区高速公路交通事故特征进行聚类处理，得到事故数据集；

4、根据该事故数据集，基于xgboost模型架构构建交通事故危险度预测模型；

5、根据该交通事故危险度预测模型的预测结果，使用部分依赖图算法对单个事故特征对应的预测结果，和/或两个不同事故特征对应的预测结果之间的交互作用效应进行分析，得到pdp分析结果，以根据该pdp分析结果进行山区高速公路交通事故致因分析。

6、可选的，在第一方面的一些实施例中：

7、该使用k-means聚类算法对不同类型的山区高速公路交通事故特征进行聚类处理，得到事故数据集，包括：

8、该山区高速公路交通事故特征包括：事故等级、驾驶人性别、驾驶人年龄、肇事方车辆、涉事方车辆、道路坡长、道路坡度、道路线形、季节、日交通量、路表状态、天气状况、事故原因、事故方式；

9、该山区高速公路交通事故特征通过提取涉事人员信息、涉事车辆信息、道路环境条件、事故发生时间属性、事故损失情况等数据得到。

10、其中，该事故等级根据是否受伤、是否死亡以及财产损失情况，将事故等级划分为三级，分别为：仅财产损失事故、受伤事故、死亡事故。

11、可选的，在第一方面的一些实施例中：

12、该使用k-means聚类算法对不同类型的山区高速公路交通事故特征进行聚类处理，得到事故数据集，包括：

13、通过k-means聚类算法对不同类型的山区高速公路交通事故特征进行聚类处理，具体包括：

14、随机确定k个聚类中心，记作k1(0),k2(0),…,kn(0)；

15、确定损失函数：

16、式中：l(c,k)为损失函数，c为聚类中心类别，k为聚类中心；

17、令j＝0,1,2…作为迭代次数，重复迭代步骤(3)直到l收敛：

18、对于每一个样本xi，会被分配到最近的聚类中心：并重新计算每类聚类的中心k：

19、通过k-means聚类算法处理，使样本数据在特征空间的分布更加聚集，以降低数据异质性对分析的影响。

20、可选的，在第一方面的一些实施例中：

21、该根据该事故数据集，基于xgboost模型构建交通事故危险度预测模型，包括：

22、以该事故数据集中的事故等级数据作为模型的输出，该事故数据集中的其它特征数据作为模型的输入；

23、以该事故数据集中80％的数据作为训练集，该事故数据集中另外的20％的数据作为测试集。

24、可选的，在第一方面的一些实施例中：

25、该根据该事故数据集，基于xgboost模型构建交通事故危险度预测模型，包括：

26、使用遗传算法(genetic algorithms,ga)对交通事故危险度预测模型进行超参数寻优，得到优选参数范围，以提升模型效果。

27、可选的，在第一方面的一些实施例中：

28、该根据该事故数据集，基于xgboost模型构建交通事故危险度预测模型，包括：

29、使用十折交叉验证进行评估，将训练集均分为10组样本子集进行十次训练，每次训练中以9组子集作为训练样本和1组子集作为验证样本，确定交通事故危险度预测模型参数的最优结果。

30、可选的，在第一方面的一些实施例中：

31、该使用部分依赖图算法对单个事故特征对应的预测结果进行分析，包括：

32、将不同事故特征作为变量，带入到交通事故危险度预测模型中，得到不同事故特征危险度对应的预测结果，根据不同事故特征的危险度大小进行排序。

33、可选的，在第一方面的一些实施例中：

34、该根据该交通事故危险度预测模型的预测结果，使用部分依赖图算法对单个事故特征对应的预测结果，和/或两个不同事故特征对应的预测结果之间的交互作用效应进行分析，包括：

35、通过部分依赖图算法对单个事故特征对应预测结果进行分析，得到单个事故特征的pdp分析结果，并对pdp分析结果进行可视化视图绘制；

36、通过部分依赖图算法对任意两个事故特征对应预测结果之间的交互作用效应进行分析，得到两个事故特征的pdp联合分析结果，并对pdp联合分析结果进行可视化视图绘制。

37、可选的，在第一方面的一些实施例中：

38、根据该交通事故危险度预测模型的预测结果，使用pdp算法对不同事故特征对应预测结果之间的交互作用效应进行分析，包括：

39、根据该交通事故危险度预测模型的预测结果，选取对交通事故严重度影响最大的四个事故特征，通过pdp算法对其中任意两个事故特征对应预测结果之间对交通事故的影响程度进行联合分析，得到两个事故特征的pdp联合分析结果，并对pdp算法联合分析结果进行可视化视图绘制。

40、本技术第二方面提供一种山区高速公路交通事故致因分析的系统，包括：

41、处理器和存储器，其中该存储器上存储有计算机程序代码指令；

42、当该计算机程序代码指令被该处理器所调用时，使得该处理器执行如第一方面中的山区高速公路交通事故致因分析的方法。

43、本技术提供的技术方案可以包括以下有益效果：

44、本技术针对山区高速公路交通事故特征，基于xgboost模型架构构建交通事故危险度预测模型，能够有效地识别不同事故特征的交通事故风险因素，并通过构建好的交通事故危险度预测模型来预测交通事故的严重程度，更好地了解不同事故的危险程度，更好地评估分析交通事故数据，进一步深入分析交通事故发生的模式和规律。

45、本技术通过使用pdp算法，能够直观的解释单个事故特征对事故严重程度的影响，以及分析两个不同事故特征之间的交互作用效应，能够为山区高速公路交通事故的致因分析提供更深入的了解，更好地探究道路条件、时间、天气及驾驶人特性等因素对交通事故严重程度的影响机制。

46、本技术通过交通事故危险度预测模型进行结果预测结合pdp算法的联合分析，能够有效对山区高速公路交通事故成因进行深度剖析，解析事故形成机理，能够更好地对山区高速公路交通事故风险进行主动防控。

47、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，并不能限制本技术。