基于稀疏多输出回归的交通事故建模与控制方法

摘要

本发明公开一种基于稀疏多输出回归的交通事故建模与控制方法，可用来对选定的某个地区发生交通事故的情况建立模型。对某个地区建立多输出回归事故模型，可以自动检测与事故无关的特征参数并区分各个参数的影响，将与交通相关的特征参数带入模型，还可以预测该地区未来发生交通事故的情况。本发明利用交通事故的历史和现状数据，对交通事故的严重程度进行建模，能自动剔除与事故无关的特征参数，辨别影响道路交通安全的关键因素，有助于道路规划时采取更有针对性的措施。本方法在预测交通事故、分析事故原因、指导道路建设改进具有实际的工程应用价值。

主权项

基于稀疏多输出回归的交通事故建模方法，其特征在于，具体步骤为：A)获取某地区的历史交通事故数据样本N组{X₁,X₂,...,X_N}，每个X_I包括下述人口、车辆、道路和环境信息：总人口数x₁，文化程度x₂，收入水平x₃，汽车驾驶员数量x₄，大型机动车数量x₅，小型机动车数量x₆，非机动车数量x₇，主要路段总长度x₈，主要路段交通灯数量x₉，平均天气状况x₁₀；其中，I＝1,2,3,...,N；B)获取对应的交通事故结果样本{Y₁,Y₂,...,Y_N},每个Y_I包括事故发生次数y₁，死亡人数y₂，受伤人数y₃及直接经济损失y₄；C)交通事故数据预处理；将上述N组交通事故数据样本{X₁,X₂,...,X_N}归一化，并存放在矩阵X中；将上述N组对应的交通事故结果样本{Y₁,Y₂,...,Y_N}存放在矩阵Y中；D)假定X_I与Y_I满足关系Y_I＝X_IW+ε，W为系数矩阵，ε为高斯噪声；设λ为平衡参数，取为0.01≤λ≤100，则W通过求解如下的稀疏多输出回归模型得到$\min J\left(W\right)=\underset{I=1}{\overset{N}{\Sigma }}\left|\right|X_{I}W-Y_I|{|}^2+\lambda |\left|W\right|{|}_{21}=\left|\right|XW-Y|{|}^2+\lambda |\left|W\right|{|}_{21};$E)选取系数矩阵W，使得J(W)达到最小值，设D为单位矩阵；F)将J(W)对W取导数，并令结果等于0，得到X^T(XW‑Y)+λDW＝0；G)求解上式得到W＝(X^TX+λD)^‑1X^TY；设D'为对角矩阵，对角元素为W对应行的L2范数的倒数；H)判断算法是否收敛，即||D‑D'||是否小于给定的数ε，如果是，则输出W，否则将D'复制到D中，转到步骤F)；I)根据W中全为零的行识别出对交通事故建模无关的因素，根据W中非零行的值的正负和大小区分不同因素对交通事故的影响；J)根据以后采集的上述地区的交通事故特征参数X'＝(x₁,x₂,…,x₁₀)，预测上述地区的事故发生次数、死亡人数、受伤人数及直接经济损失为WX'。