Traffic accident influence factor analysis method

具体实施方式

为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

如图1所示，本发明实施例的交通事故的影响因子分析方法，包括以下步骤：

S1、采集交通事故数据集，交通事故数据集包括交通事故的各种影响因子。

具体地，设置数据采集表，表列为影响因子，包括交通事故周围的场景、时间、地点、环境、事故人数、伤亡程度等；其中包含各种环境因子、人为因子等数据，在事故发生后可以采用此数据采集表来搜集数据，为以后数据分析提供方便，也可以找相关部门直接获取原始的交通事故数据集，作为原始数据。

因此，根据数据采集表采集交通事故数据集。

S2、对交通事故数据集进行数据预处理，得到目标交通事故数据集。

如图2所示，上述步骤S2具体包括以下步骤：

S21、将交通事故数据集中的缺失数据删除；

S22、对交通事故数据集中的异常数据进行替换处理，得到新的交通事故数据集；

具体地，基于3σ准则的中值方法对异常数据q_i替换为处理过的数据l_i；其中，若|vb|＝|q_i-x|>3σ，则为异常数据q_i；

其中，n代表同一影响因子对应的数据量，z代表同一影响因子对应的正常数据累加值，x为同一影响因子对应的所有数据的算术平均值，vb为异常数据q_i的剩余误差，σ为同一影响因子对应的所有数据的标准差。

本发明实施例先对各个影响因子的数据点进行数值异常处理，先将异常点删除，比如在数据集中有数据显示没有采集的数据，以及采取的数据时异常的。采取的办法是先将原有异常点进行删除，再使用插入中值的方法将失去的点近似还原，这样可以把因素的异常数据进行了处理分析，构建成基于3σ准则的中值方法的模型。

S23、对新的交通事故数据集进行离散化处理以及区间划分，得到目标交通事故数据集。

进行处理分析后的数据，即新的交通事故数据集，进行离散化处理，如果数据本身为离散数据，不再进行数据离散化，离散的同时应将数据进行区间划分，划分的时候应遵循平均原则，使数据的划分更加合理，按照优化后的等距法来进行区间划分，原有的等间距法只是平均的分为几个区间，将数据等间距划分，优化后的等间距法结合经验对于某些因子特征进行干预，更加科学，离散化完成后形成新的数据集，即目标交通事故数据集。其中，离散化处理以及区间划分具体过程可参考现有技术，在此不赘述。

另外，本发明还构建了交通事故信息分类标准，根据交通事故收集到的信息，可以将影响因子划分为可控因子和不可控因子，可控的为人为可以控制的因子,如速度，时间等，不可控的偶然因素，有突发疾病，车辆故障等。接下来，如图3所示，继续步骤S3。

S3、利用随机森林对目标交通事故数据集的影响因子进行重要性评估，得到影响因子的重要性评分。

具体地，可利用随机森林的CART树模型，基于CART树模型的训练过程，利用平均不纯度减少法评估每个影响因子的重要性，得到影响因子的重要性评分。

其中，影响因子的重要性评分的评估过程包括：

首先，在目标交通事故数据集中随机抽取N个样本，即在目标交通事故数据集中随机找到一个样本，然后将样本再放回去，抽取总共N个样本后，停止采样，建立W个决策树，需要重复W次；在每个被抽取的样本集合上面，来创建W棵决策树；在构建好决策树后，在每个影响因子数据集中，随机抽取数据，作为训练集，进行训练；构建好决策树以后，然后从每个抽取样本的特征中随机抽取特征，然后来计算基尼指数，查看哪个因素对输出变量影响最大。具体地，根据数据集来构造函数，来计算每个特征X_j的Gini指数VIM_j，亦即第j个特征在RF所有决策树中节点分裂不纯度的平均改变量。第i棵树节点q的Gini指数的计算公式为：

其中，C表示有C类别，p_qc表示节点q中类别c所占的比例。如果，特征X_j在决策树中出现的节点为集合为M,则X_j在第i颗树的重要性为

设置有W个决策树，则特征X_j的Gini指数评分：

最后进行归一化的处理：

则可以得到对输出变量的重要性评分。

上述重要性评分的评估过程具体可参考现有技术，在此不赘述。

在计算得到每个影响因子的重要性评分后，从小到大建立评分顺序集合D，此集合为输入顺序集合，代表K2算法的输入顺序的重要程度。

S4、按照重要性评分由小到大进行排序作为K2算法模型的输入顺序，将目标交通事故数据集输入K2算法模型进行训练，剔除与交通事故无关的影响因子，剩余的影响因子构成新的数据集。

具体地，将目标交通事故数据集输入K2算法模型进行训练，得到初步的影响因子分析模型；由此模型可得到与交通事故无关的影响因子，剔除与交通事故无关的影响因子，剩余的影响因子构成新的数据集。

S5、将新的数据集重新输入K2算法模型进行训练，得到影响因子分析模型，并利用影响因子分析模型进行影响因子分析。

根据构建的影响因子分析模型，可以得到交通事故的重要因子，即对交通事故有直接影响的因素；次要因素放到次要因子集合E里面。

另外，本发明实施例还根据目标交通事故数据集的影响因子，使用贝叶斯估计法估计其造成交通事故死亡的概率；结合经验定义，传统的贝叶斯估计不够灵活，在面对特定场景时，适应性不够，结合经验优化，可以得到量化后的因果模型。

具体地，判断影响因子造成交通事故死亡的概率是否超出预设阈值，预设阈值为0.9～0.99，具体可根据实际需求进行确定；若是，则将相应影响因子造成交通事故死亡的概率设置为1，以此来提升交通安全的可靠性。

本发明实施例的交通事故的影响因子分析方法，具有如下优点：

(1)制定了交通事故信息采集标准，使得数据的采集更加全面，更加科学；

(2)提出了一种优化后的等间距法，解决了交通事故数据采集标准化和数据离散化适应性不够的问题，解决了全面分析交通事故的影响因子的问题；

(3)构建了基于3σ准则的中值方法，提出了一种处理事故异常数据的数据预办法，可以发现异常数据并直接进行异常替换，有效的减少了数据异常对分析结果的影响，提高了模型的稳定性。

(4)通过利用随机森林结合K2算法构建影响因子分析模型，对网络节点之间的相互作用以及依赖关系进行挖掘，更为精确的划分了交通事故与影响因子之间的关系，使最终的因子网络结构更为科学合理；一定程度上解决了交通事故影响因子分析准确率不高，弥补了贝叶斯网络模型自身的不足的问题。

以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。