本發(fā)明涉及高速公路交通工程領(lǐng)域，特別是涉及一種高速公路隧道發(fā)生的交通事故風(fēng)險(xiǎn)評估方法及系統(tǒng)。

背景技術(shù)：

近年來，隨著高速公路隧道的大規(guī)模建設(shè)和交通量的大幅增長，對高速公路隧道安全運(yùn)營產(chǎn)生了巨大的壓力和挑戰(zhàn)。由于高速公路隧道自身特點(diǎn)，高速公路隧道不僅成為交通事故的多發(fā)路段，而且增加了事故救援的難度。隨著我國對高速公路隧道交通安全問題日益重視，高速公路隧道交通安全形勢有些好轉(zhuǎn)，事故發(fā)生頻率和傷亡人數(shù)有所下降，但交通事故依然能夠造成很大的生命財(cái)產(chǎn)損失，嚴(yán)重影響高速公路的運(yùn)行效率，而且容易引發(fā)二次事故。因此，高速公路隧道交通安全狀況仍然不能忽視。

目前，我國關(guān)于高速公路隧道的安全評價(jià)方法主要集中在隧道的建設(shè)時(shí)期，并沒有涉及到后期高速公路隧道運(yùn)營期的安全評價(jià)。因此，如何準(zhǔn)確有效地實(shí)現(xiàn)后期高速公路隧道運(yùn)營期的安全評價(jià)，是目前高速公路交通工程研究急需解決的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種交通事故風(fēng)險(xiǎn)評估方法及系統(tǒng)，以準(zhǔn)確有效地實(shí)現(xiàn)高速公路隧道運(yùn)營期的安全評價(jià)。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種交通事故風(fēng)險(xiǎn)評估方法，所述方法，包括：

獲取高速公路隧道交通事故的風(fēng)險(xiǎn)因素；

獲取高速公路隧道交通事故的風(fēng)險(xiǎn)等級；

根據(jù)所述風(fēng)險(xiǎn)因素，確定每個(gè)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級；

根據(jù)所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈；

根據(jù)所述關(guān)系鏈，建立風(fēng)險(xiǎn)評估模型；

根據(jù)所述風(fēng)險(xiǎn)評估模型，評估高速公路隧道的交通事故風(fēng)險(xiǎn)系數(shù)。

可選的，所述確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈，具體包括：

通過譜聚類算法，將多組所述風(fēng)險(xiǎn)因素聚類，得到多個(gè)聚類簇；

根據(jù)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，確定每個(gè)所述聚類簇中的單個(gè)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，進(jìn)而確定每個(gè)所述聚類簇對應(yīng)的最終風(fēng)險(xiǎn)等級；

根據(jù)所述聚類簇以及所述聚類簇對應(yīng)的最終風(fēng)險(xiǎn)等級，確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈。

可選的，所述通過譜聚類算法，將多組所述風(fēng)險(xiǎn)因素聚類，得到多個(gè)聚類簇，具體包括：

根據(jù)所述風(fēng)險(xiǎn)因素，確定聚類樣本集X；所述聚類樣本集X表示為X＝{x₁,…,x_n}，ε＝1,2,…n；

根據(jù)獲取的所述高速公路隧道交通事故的風(fēng)險(xiǎn)等級，確定聚類數(shù)目k；

根據(jù)所述聚類樣本集X，構(gòu)建所述聚類數(shù)目為k的最近鄰親和圖W；

計(jì)算Laplacian矩陣L并標(biāo)準(zhǔn)化；所述Laplacian矩陣L為所述最近鄰親和圖的Laplacian矩陣，定義為L＝D-W；標(biāo)準(zhǔn)化的所述Laplacian矩陣L為矩陣L_sym，所述矩陣L_sym表示L_sym＝D^-1/2LD^-1/2；其中，D為對角矩陣；

計(jì)算所述矩陣L_sym的前k個(gè)特征向量u₁,…,u_k，并將u₁,…,u_k作為列，構(gòu)造矩陣U；所述矩陣U表示U∈R^n×k；

標(biāo)準(zhǔn)化處理矩陣U的每一行，獲取矩陣P；所述矩陣P表示P∈R^n×k；

將所述矩陣P的每一行向量y_ε∈R^k作為一個(gè)數(shù)據(jù)點(diǎn)，采用k-means算法對y_ε進(jìn)行聚類，得到多個(gè)聚類簇；其中，所述矩陣P的第ε行數(shù)據(jù)y_ε的類別與原始數(shù)據(jù)點(diǎn)x_ε的類別相同。

可選的，所述建立風(fēng)險(xiǎn)評估模型，具體包括：

根據(jù)所述關(guān)系鏈，確定訓(xùn)練樣本集；

根據(jù)所述訓(xùn)練樣本集，采用極限學(xué)習(xí)機(jī)算法，建立風(fēng)險(xiǎn)評估模型；所述風(fēng)險(xiǎn)評估模型為：

式(1)中，g(x)表示激活函數(shù)；N為隱含層節(jié)點(diǎn)數(shù)；x_ε表示第ε個(gè)樣本的輸入；t_ε表示第ε個(gè)樣本的輸出；α_λ表示第λ個(gè)輸入權(quán)值向量；β_λ表示第λ個(gè)輸出權(quán)值向量；b_λ表示第λ個(gè)偏置。

可選的，所述根據(jù)所述訓(xùn)練樣本集，采用極限學(xué)習(xí)機(jī)算法，建立風(fēng)險(xiǎn)評估模型，具體包括：

采用極限學(xué)習(xí)機(jī)算法隨機(jī)生成輸入權(quán)值α_λ和偏置b_λ，λ＝1,2,...,N；

根據(jù)所述訓(xùn)練樣本集，所述輸入權(quán)值α_λ以及所述偏置b_λ，獲取隱含層輸出矩陣H；所述隱含層輸出矩陣H表其中，g(x)表示激活函數(shù)，N表示隱含層節(jié)點(diǎn)數(shù)；

根據(jù)所述隱含層輸出矩陣H，獲取輸出權(quán)值向量β；所述輸出權(quán)值向量β表示為β＝H^-1T；其中，t＝[t₁,t₂,…,t_n]為每個(gè)所述訓(xùn)練樣本集的期望風(fēng)險(xiǎn)等級，T表示

根據(jù)所述訓(xùn)練樣本集、所述輸入權(quán)值α_λ、所述偏置b_λ以及所述輸出權(quán)值向量β，建立風(fēng)險(xiǎn)評估模型。

為實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種交通事故風(fēng)險(xiǎn)評估系統(tǒng)，所述系統(tǒng)包括：

風(fēng)險(xiǎn)因素獲取模塊，用于獲取高速公路隧道交通事故的風(fēng)險(xiǎn)因素；

風(fēng)險(xiǎn)等級獲取模塊，用于獲取高速公路隧道交通事故的風(fēng)險(xiǎn)等級；

風(fēng)險(xiǎn)因素對應(yīng)風(fēng)險(xiǎn)等級確定模塊，用于根據(jù)所述風(fēng)險(xiǎn)因素，確定每個(gè)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級；

關(guān)系鏈確定模塊，用于根據(jù)所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈；

風(fēng)險(xiǎn)評估模型建立模塊，用于根據(jù)所述關(guān)系鏈，建立風(fēng)險(xiǎn)評估模型；

評估模塊，用于根據(jù)所述風(fēng)險(xiǎn)評估模型，評估高速公路隧道的交通事故風(fēng)險(xiǎn)系數(shù)。

可選的，所述關(guān)系鏈確定模塊，具體包括：

聚類簇得到單元，用于通過譜聚類算法，將多組所述風(fēng)險(xiǎn)因素聚類，得到多個(gè)聚類簇；

聚類簇對應(yīng)最終風(fēng)險(xiǎn)等級確定單元，用于根據(jù)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，確定每個(gè)所述聚類簇中的單個(gè)所述風(fēng)險(xiǎn)因素對應(yīng)風(fēng)險(xiǎn)等級，進(jìn)而確定每個(gè)所述聚類簇對應(yīng)的最終風(fēng)險(xiǎn)等級；

關(guān)系鏈確定單元，用于根據(jù)所述聚類簇以及所述聚類簇對應(yīng)的最終風(fēng)險(xiǎn)等級，確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈。

可選的，所述聚類簇得到單元，具體包括：

聚類樣本集子確定單元，用于根據(jù)所述風(fēng)險(xiǎn)因素，確定聚類樣本集X；所述聚類樣本集X表示為X＝{x₁,…,x_n}，ε＝1,2,…n；

聚類數(shù)目子確定單元，用于根據(jù)獲取的所述高速公路隧道交通事故的風(fēng)險(xiǎn)等級，確定聚類數(shù)目k；

最近鄰親和圖構(gòu)建子單元，用于根據(jù)所述聚類樣本集X，構(gòu)建所述聚類數(shù)目為k的最近鄰親和圖W；

標(biāo)準(zhǔn)化子單元，用于計(jì)算Laplacian矩陣L并標(biāo)準(zhǔn)化；所述Laplacian矩陣L為所述最近鄰親和圖的Laplacian矩陣，定義為L＝D-W；標(biāo)準(zhǔn)化的所述Laplacian矩陣L為矩陣L_sym，所述矩陣L_sym表示L_sym＝D^-1/2LD^-1/2；其中，D為對角矩陣；

矩陣U構(gòu)造子單元，用于計(jì)算所述矩陣L_sym的前k個(gè)特征向量u₁,…,u_k，并將u₁,…,u_k作為列，構(gòu)造矩陣U；所述矩陣U表示U∈R^n×k；

矩陣P獲取子單元，用于標(biāo)準(zhǔn)化處理矩陣U的每一行，獲取矩陣P；所述矩陣P表示P∈R^n×k；

聚類簇得到子單元，將所述矩陣P的每一行向量y_ε∈R^k作為一個(gè)數(shù)據(jù)點(diǎn)，采用k-means算法對y_ε進(jìn)行聚類，得到多個(gè)聚類簇；其中，所述矩陣P的第ε行數(shù)據(jù)y_ε的類別與原始數(shù)據(jù)點(diǎn)x_ε的類別相同。

可選的，所述風(fēng)險(xiǎn)評估模型建立模塊，具體包括：

訓(xùn)練樣本集確定單元，用于根據(jù)所述關(guān)系鏈，確定訓(xùn)練樣本集；

風(fēng)險(xiǎn)評估模型建立單元，用于根據(jù)所述訓(xùn)練樣本集，采用極限學(xué)習(xí)機(jī)算法，建立風(fēng)險(xiǎn)評估模型；所述風(fēng)險(xiǎn)評估模型為：

式(1)中，g(x)表示激活函數(shù)；N為隱含層節(jié)點(diǎn)數(shù)；x_ε表示第ε個(gè)樣本的輸入；t_ε表示第ε個(gè)樣本的輸出；α_λ表示第λ個(gè)輸入權(quán)值向量；β_λ表示第λ個(gè)輸出權(quán)值向量；b_λ表示第λ個(gè)偏置。

可選的，所述風(fēng)險(xiǎn)評估模型建立單元，具體包括：

輸入權(quán)值α_λ和偏置b_λ生成子單元，用于采用極限學(xué)習(xí)機(jī)算法隨機(jī)生成輸入權(quán)值α_λ和偏置b_λ，λ＝1,2,...,N；

隱含層輸出矩陣H獲取子單元，用于根據(jù)所述訓(xùn)練樣本集，所述輸入權(quán)值α_λ以及所述偏置b_λ，獲取隱含層輸出矩陣H；所述隱含層輸出矩陣H表其中，g(x)表示激活函數(shù)，N表示隱含層節(jié)點(diǎn)數(shù)；

輸出權(quán)值向量β獲取子單元，根據(jù)所述隱含層輸出矩陣H，獲取輸出權(quán)值向量β；所述輸出權(quán)值向量β表示為β＝H^-1T；其中，t＝[t₁,t₂,…,t_n]為每個(gè)所述訓(xùn)練樣本集的期望風(fēng)險(xiǎn)等級，T表示

風(fēng)險(xiǎn)評估模型建立子單元，用于根據(jù)所述訓(xùn)練樣本集、所述輸入權(quán)值α_λ、所述偏置b_λ以及所述輸出權(quán)值向量β，建立風(fēng)險(xiǎn)評估模型。

根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開了以下技術(shù)效果：

本發(fā)明公開了一種交通事故風(fēng)險(xiǎn)評估方法及系統(tǒng)，該方法及系統(tǒng)通過獲取高速公路隧道交通事故風(fēng)險(xiǎn)因素和高速公路隧道交通事故風(fēng)險(xiǎn)等級，采用譜聚類算法，計(jì)算確定風(fēng)險(xiǎn)因素與風(fēng)險(xiǎn)等級之間關(guān)系鏈；并根據(jù)關(guān)系鏈和極限學(xué)習(xí)算法，構(gòu)建風(fēng)險(xiǎn)評估模型；將任意風(fēng)險(xiǎn)因素?cái)?shù)據(jù)輸入到風(fēng)險(xiǎn)評估模型，就可以得到該風(fēng)險(xiǎn)因素所對應(yīng)的最終風(fēng)險(xiǎn)等級。因此，采用本發(fā)明提供的方法或系統(tǒng)，有效提高高速公路隧道交通事故風(fēng)險(xiǎn)評估效率，使高速公路隧道交通事故風(fēng)險(xiǎn)評估過程更加高效、便捷，準(zhǔn)確有效地實(shí)現(xiàn)了高速公路隧道運(yùn)營期的安全評價(jià)。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例的交通事故風(fēng)險(xiǎn)評估方法流程圖；

圖2為本發(fā)明實(shí)施例的交通事故風(fēng)險(xiǎn)評估系統(tǒng)結(jié)構(gòu)圖；

圖3為本發(fā)明實(shí)施例一風(fēng)險(xiǎn)評估模型訓(xùn)練的混淆矩陣；

圖4為本發(fā)明實(shí)施例一風(fēng)險(xiǎn)評估模型驗(yàn)證的混淆矩陣；

圖5為本發(fā)明實(shí)施例一風(fēng)險(xiǎn)評估模型測試的混淆矩陣。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明的目的是為了提高高速公路隧道交通事故風(fēng)險(xiǎn)評估的準(zhǔn)確性及高效性，準(zhǔn)確有效實(shí)現(xiàn)高速公路隧道運(yùn)營期的安全評價(jià)，而提出了一種譜聚類算法與極限學(xué)習(xí)機(jī)算法相結(jié)合的高速公路隧道交通事故風(fēng)險(xiǎn)評估方法及系統(tǒng)。首先，通過譜聚類方法獲得極限學(xué)習(xí)機(jī)算法所需的必要先驗(yàn)信息，即準(zhǔn)確的風(fēng)險(xiǎn)因素與風(fēng)險(xiǎn)等級之間的關(guān)系鏈；然后，通過極限學(xué)習(xí)機(jī)方法進(jìn)行風(fēng)險(xiǎn)評估，有效避免傳統(tǒng)風(fēng)險(xiǎn)評估方法中，定性分析和主觀分析過多等問題，有效提高高速公路隧道交通事故風(fēng)險(xiǎn)評估效率，使高速公路隧道交通事故風(fēng)險(xiǎn)評估過程更加高效、便捷，準(zhǔn)確有效地實(shí)現(xiàn)了高速公路隧道運(yùn)營期的安全評價(jià)。

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。

圖1為本發(fā)明實(shí)施例的交通事故風(fēng)險(xiǎn)評估方法流程圖，如圖1所示，所述方法包括：

步驟101：獲取高速公路隧道交通事故的風(fēng)險(xiǎn)因素；

其中，高速公路隧道交通事故的風(fēng)險(xiǎn)因素包括：隧道長度、交通流量，大車比例，交通飽和度，行駛速度，平曲線半徑。本發(fā)明重點(diǎn)在于風(fēng)險(xiǎn)評估的方法，影響因素在不同的隧道環(huán)境中可以適當(dāng)?shù)脑黾踊驕p少。本發(fā)明僅給出部分影響因素作為示例，來說明本發(fā)明提出的風(fēng)險(xiǎn)評估方法。

步驟102：獲取高速公路隧道交通事故的風(fēng)險(xiǎn)等級；

其中，高速公路隧道交通事故風(fēng)險(xiǎn)損失包括人員傷亡、經(jīng)濟(jì)損失、環(huán)境損失等。根據(jù)交通事故風(fēng)險(xiǎn)損失，將交通事故風(fēng)險(xiǎn)等級劃分為四個(gè)等級：非常安全、較安全、較危險(xiǎn)、危險(xiǎn)，并將交通事故風(fēng)險(xiǎn)等級賦予風(fēng)險(xiǎn)賦值，分別為1、2、3、4。

步驟103：根據(jù)所述風(fēng)險(xiǎn)因素，確定每個(gè)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級；

所述步驟103具體包括：根據(jù)每一個(gè)風(fēng)險(xiǎn)因素的特點(diǎn)，確定每個(gè)風(fēng)險(xiǎn)因素與交通事故風(fēng)險(xiǎn)等級的對應(yīng)關(guān)系。

步驟104：根據(jù)所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈；

所述步驟104包括：通過譜聚類算法，將多組所述風(fēng)險(xiǎn)因素聚類，得到多個(gè)聚類簇；所述譜聚類算法是根據(jù)不同劃分準(zhǔn)則將全體數(shù)據(jù)點(diǎn)集劃分成多個(gè)集合(兩兩集合的交集為空)，通過滿足集合之間的邊權(quán)總和最小，而集合內(nèi)的邊權(quán)總和較大的要求來實(shí)現(xiàn)類別的劃分的方法。

根據(jù)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，確定每個(gè)所述聚類簇中的單個(gè)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級；并根據(jù)每個(gè)聚類簇中的單個(gè)風(fēng)險(xiǎn)因素的等級，給定每個(gè)聚類簇的最終風(fēng)險(xiǎn)等級，并進(jìn)行賦值，進(jìn)而確定每個(gè)所述聚類簇對應(yīng)的最終風(fēng)險(xiǎn)等級；所述賦值方法與步驟102相同；

根據(jù)所述聚類簇以及所述聚類簇對應(yīng)的最終風(fēng)險(xiǎn)等級，確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈。

其中，通過譜聚類算法，將多組所述風(fēng)險(xiǎn)因素聚類，得到多個(gè)聚類簇，具體包括：

譜聚類算法包括兩個(gè)不同階段：1)使用樣本數(shù)據(jù)集構(gòu)造親和圖；2)通過親和圖的最優(yōu)分割，聚類數(shù)據(jù)點(diǎn)。

親和圖是一個(gè)無向圖G(V,E,W)，其中V＝[v₁,…,v_n]表示頂點(diǎn)，E表示邊，W為相應(yīng)的親和矩陣。e_i,j為頂點(diǎn)v_i與v_j之間的邊，所對應(yīng)的非負(fù)權(quán)重為w_i,j，表示樣本x_i和x_j之間的親和度。因此，親和圖可用親和矩陣W＝[w_i,j]表示。通過高斯相似度函數(shù)求解w_i,j為：

其中，式(2)中的σ²為所有樣本的方差。親和圖的Laplacian矩陣定義為L＝D-W，矩陣L的特征向量與聚類密切相關(guān)。其中，D為對角矩陣，對角線元素

本發(fā)明采用基于聚類數(shù)目k的最近鄰親和圖的NJW(Ng-Jordan-Weiss)譜聚類算法，具體為：根據(jù)所述風(fēng)險(xiǎn)因素，確定聚類樣本集X；所述聚類樣本集X表示為X＝{x₁,…,x_n}，ε＝1,2,…n；

根據(jù)獲取的所述高速公路隧道交通事故的風(fēng)險(xiǎn)等級，確定聚類數(shù)目k；

根據(jù)所述聚類樣本集X，構(gòu)建所述聚類數(shù)目為k的最近鄰親和圖W；

計(jì)算Laplacian矩陣L并標(biāo)準(zhǔn)化；標(biāo)準(zhǔn)化的所述Laplacian矩陣L為矩陣L_sym，所述矩陣L_sym表示L_sym＝D^-1/2LD^-1/2；其中，D為對角矩陣；

計(jì)算所述矩陣L_sym的前k個(gè)特征向量u₁,…,u_k，并將u₁,…,u_k作為列，構(gòu)造矩陣U；所述矩陣U表示U∈R^n×k；

根據(jù)標(biāo)準(zhǔn)化處理矩陣U的每一行，獲取矩陣P；所述矩陣P表示P∈R^n×k；

將所述矩陣P的每一行向量y_ε∈R^k作為一個(gè)數(shù)據(jù)點(diǎn)，采用k-means算法對y_ε進(jìn)行聚類，得到4個(gè)聚類簇；其中，所述矩陣P的第ε行數(shù)據(jù)y_ε的類別與原始數(shù)據(jù)點(diǎn)x_ε的類別相同。

步驟105：根據(jù)所述關(guān)系鏈，建立風(fēng)險(xiǎn)評估模型；

所述步驟105包括：根據(jù)步驟104可知將風(fēng)險(xiǎn)因素?cái)?shù)據(jù)分為四類，根據(jù)每一類中的單個(gè)風(fēng)險(xiǎn)因素的特征，確定每一類的風(fēng)險(xiǎn)等級并賦值，記作t。由此可得風(fēng)險(xiǎn)因素和風(fēng)險(xiǎn)等級關(guān)系鏈，即風(fēng)險(xiǎn)因素與最終風(fēng)險(xiǎn)等級對應(yīng)關(guān)系的多組數(shù)據(jù)。并根據(jù)風(fēng)險(xiǎn)因素與最終風(fēng)險(xiǎn)等級對應(yīng)關(guān)系的多組數(shù)據(jù)構(gòu)造訓(xùn)練樣本集，采用極限學(xué)習(xí)機(jī)算法，建立風(fēng)險(xiǎn)評估模型。具體為：

根據(jù)所述關(guān)系鏈，確定訓(xùn)練樣本集；訓(xùn)練樣本集的輸入為風(fēng)險(xiǎn)因素?cái)?shù)據(jù)集X＝{x₁,…,x_n}，訓(xùn)練集的輸出為風(fēng)險(xiǎn)等級t；

根據(jù)所述訓(xùn)練樣本集，采用極限學(xué)習(xí)機(jī)算法，建立風(fēng)險(xiǎn)評估模型；所述風(fēng)險(xiǎn)評估模型為：

式(1)中，g(x)表示激活函數(shù)；N為隱含層節(jié)點(diǎn)數(shù)；x_ε表示第ε個(gè)樣本的輸入；t_ε表示第ε個(gè)樣本的輸出；α_λ表示第λ個(gè)輸入權(quán)值向量；β_λ表示第λ個(gè)輸出權(quán)值向量；b_λ表示第λ個(gè)偏置。

其中，根據(jù)所述訓(xùn)練樣本集，采用極限學(xué)習(xí)機(jī)算法，建立風(fēng)險(xiǎn)評估模型，具體包括：

采用極限學(xué)習(xí)機(jī)算法隨機(jī)生成輸入權(quán)值α_λ和偏置b_λ，λ＝1,2,...,N；

根據(jù)所述訓(xùn)練樣本集，所述輸入權(quán)值α_λ以及所述偏置b_λ，獲取隱含層輸出矩陣H；所述隱含層輸出矩陣H表其中，g(x)表示激活函數(shù)，N表示隱含層節(jié)點(diǎn)數(shù)；所述隱含層輸出矩陣H的矩陣片的第i列為對應(yīng)于W個(gè)輸入樣本的第i個(gè)隱含結(jié)點(diǎn)的輸出向量。前饋神經(jīng)網(wǎng)絡(luò)對于任意一個(gè)緊密輸入樣本集，當(dāng)輸入權(quán)值和偏置隨機(jī)設(shè)定且網(wǎng)絡(luò)激活函數(shù)非零連續(xù)可微時(shí)，則網(wǎng)絡(luò)可以逼近任意的連續(xù)函數(shù)。這也就說明了前饋神經(jīng)網(wǎng)絡(luò)的輸入權(quán)值和偏置可隨機(jī)設(shè)定，且在訓(xùn)練過程中無需再不斷迭代更新。

根據(jù)所述隱含層輸出矩陣H，獲取輸出權(quán)值向量β；所述輸出權(quán)值向量β表示為β＝H^-1T；其中，t＝[t₁,t₂,…,t_n]為每個(gè)所述訓(xùn)練樣本集的期望風(fēng)險(xiǎn)等級，T表示

根據(jù)所述訓(xùn)練樣本集、所述輸入權(quán)值α_λ、所述偏置b_λ以及所述輸出權(quán)值向量β，建立風(fēng)險(xiǎn)評估模型。

步驟106：根據(jù)所述風(fēng)險(xiǎn)評估模型，評估高速公路隧道的交通事故風(fēng)險(xiǎn)系數(shù)。

通過本發(fā)明實(shí)施例提供的方法，將任意風(fēng)險(xiǎn)因素?cái)?shù)據(jù)輸入到風(fēng)險(xiǎn)評估模型，就可以得到該風(fēng)險(xiǎn)因素所對應(yīng)的最終風(fēng)險(xiǎn)等級，進(jìn)而確定該風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)系數(shù)。因此，通過本發(fā)明實(shí)施例提供的方法，有效提高高速公路隧道交通事故風(fēng)險(xiǎn)評估效率，使高速公路隧道交通事故風(fēng)險(xiǎn)評估過程更加高效、便捷，準(zhǔn)確有效地實(shí)現(xiàn)了高速公路隧道運(yùn)營期的安全評價(jià)。

為實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種交通事故風(fēng)險(xiǎn)評估系統(tǒng)。

圖2為本發(fā)明實(shí)施例的交通事故風(fēng)險(xiǎn)評估系統(tǒng)結(jié)構(gòu)圖，如圖2所示，所述系統(tǒng)包括：

風(fēng)險(xiǎn)因素獲取模塊201，用于獲取高速公路隧道交通事故的風(fēng)險(xiǎn)因素；

風(fēng)險(xiǎn)等級獲取模塊202，用于獲取高速公路隧道交通事故的風(fēng)險(xiǎn)等級；

風(fēng)險(xiǎn)因素對應(yīng)風(fēng)險(xiǎn)等級確定模塊203，用于根據(jù)所述風(fēng)險(xiǎn)因素，確定每個(gè)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級；

關(guān)系鏈確定模塊204，用于根據(jù)所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈；

所述關(guān)系鏈確定模塊204，具體包括：

聚類簇得到單元，用于通過譜聚類算法，將多組所述風(fēng)險(xiǎn)因素聚類，得到多個(gè)聚類簇；

聚類簇對應(yīng)最終風(fēng)險(xiǎn)等級確定單元，用于根據(jù)所述風(fēng)險(xiǎn)因素所對應(yīng)的風(fēng)險(xiǎn)等級，確定每個(gè)所述聚類簇中的單個(gè)所述風(fēng)險(xiǎn)因素對應(yīng)風(fēng)險(xiǎn)等級，進(jìn)而確定每個(gè)所述聚類簇對應(yīng)的最終風(fēng)險(xiǎn)等級；

關(guān)系鏈確定單元，用于根據(jù)所述聚類簇以及所述聚類簇對應(yīng)的最終風(fēng)險(xiǎn)等級，確定所述風(fēng)險(xiǎn)因素和所述風(fēng)險(xiǎn)等級之間的關(guān)系鏈。

其中，所述聚類簇得到單元，具體包括：

聚類樣本集子確定單元，用于根據(jù)所述風(fēng)險(xiǎn)因素，確定聚類樣本集X；所述聚類樣本集X表示為X＝{x₁,…,x_n}，ε＝1,2,…n；

聚類數(shù)目子確定單元，用于根據(jù)獲取的所述高速公路隧道交通事故的風(fēng)險(xiǎn)等級，確定聚類數(shù)目k；

最近鄰親和圖構(gòu)建子單元，用于根據(jù)所述聚類樣本集X，構(gòu)建所述聚類數(shù)目為k的最近鄰親和圖W；

標(biāo)準(zhǔn)化子單元，用于計(jì)算Laplacian矩陣L并標(biāo)準(zhǔn)化；所述Laplacian矩陣L為所述最近鄰親和圖的Laplacian矩陣，定義為L＝D-W；標(biāo)準(zhǔn)化的所述Laplacian矩陣L為矩陣L_sym，所述矩陣L_sym表示L_sym＝D^-1/2LD^-1/2；其中，D為對角矩陣；

矩陣U構(gòu)造子單元，用于計(jì)算所述矩陣L_sym的前k個(gè)特征向量u₁,…,u_k，并將u₁,…,u_k作為列，構(gòu)造矩陣U；所述矩陣U表示U∈R^n×k；

矩陣P獲取子單元，用于標(biāo)準(zhǔn)化處理矩陣U的每一行，獲取矩陣P；所述矩陣P表示P∈R^n×k；

聚類簇得到子單元，將所述矩陣P的每一行向量y_ε∈R^k作為一個(gè)數(shù)據(jù)點(diǎn)，采用k-means算法對y_ε進(jìn)行聚類，得到多個(gè)聚類簇；其中，所述矩陣P的第ε行數(shù)據(jù)y_ε的類別與原始數(shù)據(jù)點(diǎn)x_ε的類別相同。

風(fēng)險(xiǎn)評估模型建立模塊205，用于根據(jù)所述關(guān)系鏈，建立風(fēng)險(xiǎn)評估模型；

所述風(fēng)險(xiǎn)評估模型建立模塊205，具體包括：

訓(xùn)練樣本集確定單元，用于根據(jù)所述關(guān)系鏈，確定訓(xùn)練樣本集；

風(fēng)險(xiǎn)評估模型建立單元，用于根據(jù)所述訓(xùn)練樣本集，采用極限學(xué)習(xí)機(jī)算法，建立風(fēng)險(xiǎn)評估模型；所述風(fēng)險(xiǎn)評估模型為：

式(1)中，g(x)表示激活函數(shù)；N為隱含層節(jié)點(diǎn)數(shù)；x_ε表示第ε個(gè)樣本的輸入；t_ε表示第ε個(gè)樣本的輸出；α_λ表示第λ個(gè)輸入權(quán)值向量；β_λ表示第λ個(gè)輸出權(quán)值向量；b_λ表示第λ個(gè)偏置。

其中，所述風(fēng)險(xiǎn)評估模型建立單元，具體包括：

輸入權(quán)值α_λ和偏置b_λ生成子單元，用于采用極限學(xué)習(xí)機(jī)算法隨機(jī)生成輸入權(quán)值α_λ和偏置b_λ，λ＝1,2,...,N；

隱含層輸出矩陣H獲取子單元，用于根據(jù)所述訓(xùn)練樣本集，所述輸入權(quán)值α_λ以及所述偏置b_λ，獲取隱含層輸出矩陣H；所述隱含層輸出矩陣H表其中，g(x)表示激活函數(shù)，N表示隱含層節(jié)點(diǎn)數(shù)；

輸出權(quán)值向量β獲取子單元，根據(jù)所述隱含層輸出矩陣H，獲取輸出權(quán)值向量β；所述輸出權(quán)值向量β表示為β＝H^-1T；其中，t＝[t₁,t₂,…,t_n]為每個(gè)所述訓(xùn)練樣本集的期望風(fēng)險(xiǎn)等級，T表示

風(fēng)險(xiǎn)評估模型建立子單元，用于根據(jù)所述訓(xùn)練樣本集、所述輸入權(quán)值α_λ、所述偏置b_λ以及所述輸出權(quán)值向量β，建立風(fēng)險(xiǎn)評估模型。

評估模塊206，用于根據(jù)所述風(fēng)險(xiǎn)評估模型，評估高速公路隧道的交通事故風(fēng)險(xiǎn)系數(shù)。

本發(fā)明實(shí)施例提供的一種交通事故風(fēng)險(xiǎn)評估系統(tǒng)，有效避免傳統(tǒng)風(fēng)險(xiǎn)評估方法中，定性分析和主觀分析過多等問題，有效提高高速公路隧道交通事故風(fēng)險(xiǎn)評估效率，使高速公路隧道交通事故風(fēng)險(xiǎn)評估過程更加高效、便捷，準(zhǔn)確有效地實(shí)現(xiàn)了高速公路隧道運(yùn)營期的安全評價(jià)。

為了驗(yàn)證本發(fā)明提供的一種交通事故風(fēng)險(xiǎn)評估方法及系統(tǒng)，能夠提高高速公路隧道交通事故風(fēng)險(xiǎn)評估的準(zhǔn)確性及高效性，準(zhǔn)確有效實(shí)現(xiàn)高速公路隧道運(yùn)營期的安全評價(jià)，本發(fā)明提供了一個(gè)具體實(shí)施例來說明。

實(shí)施例一

本實(shí)施例主要針對本發(fā)明所提出的評估方法進(jìn)行算例說明和驗(yàn)證。

步驟一，選取影響高速公路隧道交通事故風(fēng)險(xiǎn)的6種因素，各種風(fēng)險(xiǎn)因素與交通事故風(fēng)險(xiǎn)等級之間的關(guān)系，如下表1所示。

表1風(fēng)險(xiǎn)因素與交通事故風(fēng)險(xiǎn)等級之間的關(guān)系

本實(shí)施例選取全國高速公路隧道共計(jì)100條，進(jìn)行相關(guān)數(shù)據(jù)的收集，得到100組交通事故風(fēng)險(xiǎn)因素?cái)?shù)據(jù)。以這些數(shù)據(jù)為依據(jù)，說明算法具體實(shí)施方式。

步驟二、高速公路隧道風(fēng)險(xiǎn)等級劃分

將風(fēng)險(xiǎn)等級劃分為四個(gè)等級安全、較安全、較危險(xiǎn)、危險(xiǎn)。分別進(jìn)行賦值為1、2、3、4。

步驟三、風(fēng)險(xiǎn)因素與風(fēng)險(xiǎn)等級關(guān)系鏈確定

通過譜聚類算法，將100組交通事故風(fēng)險(xiǎn)因素?cái)?shù)據(jù)分為四類，分別對應(yīng)四種事故風(fēng)險(xiǎn)等級。根據(jù)每一類數(shù)據(jù)中，單個(gè)風(fēng)險(xiǎn)因素的特點(diǎn)，確定最終的風(fēng)險(xiǎn)等級，這樣就得到了風(fēng)險(xiǎn)因素與風(fēng)險(xiǎn)等級的關(guān)系鏈。風(fēng)險(xiǎn)因素與風(fēng)險(xiǎn)等級的對應(yīng)關(guān)系數(shù)據(jù)如下表2所示.

表2風(fēng)險(xiǎn)因素與風(fēng)險(xiǎn)等級的對應(yīng)關(guān)系數(shù)據(jù)

步驟四、建立風(fēng)險(xiǎn)評估模型

1、確定隱含層節(jié)點(diǎn)數(shù)N，隨機(jī)生成輸入權(quán)值α和偏置b；其中，隱層節(jié)點(diǎn)數(shù)N取10

2、計(jì)算隱含層輸出矩陣H；

3、求解輸出矩陣β的最小二乘范數(shù)解，即Hβ＝T的最小二乘范數(shù)解β，計(jì)算輸出權(quán)值向量β，β＝H^-1T；其中

其中，步驟四中的第1、2、3步的計(jì)算方法已在上述內(nèi)容中論述，在此不一一詳解。

4、根據(jù)所述訓(xùn)練樣本集、所述輸入權(quán)值α_λ、所述偏置b_λ以及所述輸出權(quán)值向量β，建立風(fēng)險(xiǎn)評估模型。

從100組風(fēng)險(xiǎn)因素和風(fēng)險(xiǎn)等級的關(guān)系樣本中，隨機(jī)選取70組作為風(fēng)險(xiǎn)評估模型的訓(xùn)練樣本集，15組作為驗(yàn)證集。風(fēng)險(xiǎn)評估模型訓(xùn)練和驗(yàn)證結(jié)果的混淆矩陣分別如圖3和圖4所示，混淆矩陣最右下角方格表示風(fēng)險(xiǎn)評估的整體正確率(上面)和錯(cuò)誤率(下面)。由圖3-4可見，風(fēng)險(xiǎn)評估模型的訓(xùn)練正確率為100％，驗(yàn)證正確率為93.3％。

步驟五、評估高速公路隧道的交通事故風(fēng)險(xiǎn)系數(shù)

將風(fēng)險(xiǎn)評估模型用于評估高速公路隧道的交通事故風(fēng)險(xiǎn)系數(shù)，該風(fēng)險(xiǎn)評估模型輸入為各種風(fēng)險(xiǎn)因素，該風(fēng)險(xiǎn)評估模型輸出即為風(fēng)險(xiǎn)等級，然后根據(jù)最終的風(fēng)險(xiǎn)等級，確定該高速公路隧道的交通事故風(fēng)險(xiǎn)系數(shù)。本實(shí)施例使用剩余的15組風(fēng)險(xiǎn)因素和風(fēng)險(xiǎn)等級的關(guān)系樣本作為測試集，測試結(jié)果的混淆矩陣如圖5所示。由圖5可見，交通事故風(fēng)險(xiǎn)評估的正確率為93.3％。

通過本實(shí)施例可得出，本發(fā)明提供的一種交通事故風(fēng)險(xiǎn)評估方法及系統(tǒng)，能夠提高高速公路隧道交通事故風(fēng)險(xiǎn)評估的準(zhǔn)確性及高效性，準(zhǔn)確有效實(shí)現(xiàn)高速公路隧道運(yùn)營期的安全評價(jià)。

本說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見即可。對于實(shí)施例公開的系統(tǒng)而言，由于其與實(shí)施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

本文中應(yīng)用了具體個(gè)例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處。綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。