本發(fā)明屬于智能交通技術(shù)領(lǐng)域，涉及道路事故熱點(diǎn)成因和實(shí)驗(yàn)區(qū)域選擇，特別涉及一種基于主成分貢獻(xiàn)度參數(shù)的事故熱點(diǎn)內(nèi)特性分析方法及行車(chē)指導(dǎo)方法。

背景技術(shù)：

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，汽車(chē)保有量的逐年增加給我國(guó)的道路交通系統(tǒng)帶來(lái)巨大壓力，不可避免地引發(fā)了大量交通事故，雖然道路交通事故起數(shù)、死亡人數(shù)與直接財(cái)產(chǎn)損失等得到有效控制與改善，但與其他發(fā)達(dá)國(guó)家相比，我國(guó)的道路交通安全形勢(shì)仍不容樂(lè)觀。由此可知，我國(guó)仍面臨著嚴(yán)峻的道路交通安全問(wèn)題。這迫切要求我們深入研究道路交通事故熱點(diǎn)成因，為交通提供相關(guān)的控制決策信息，提高道路交通安全等。

熱點(diǎn)成因發(fā)現(xiàn)是一個(gè)歷史數(shù)據(jù)分析問(wèn)題，即通過(guò)分析海量歷史數(shù)據(jù)，發(fā)現(xiàn)對(duì)象熱點(diǎn)中事故的生成共性因素，并以之為依據(jù)發(fā)現(xiàn)熱點(diǎn)成因。

實(shí)驗(yàn)區(qū)域的篩選可采用基于道路特性和基于社會(huì)特性兩種模式展開(kāi)。基于社會(huì)特性的篩選是以區(qū)域社會(huì)因素，如區(qū)域人口密度，犯罪率及受教育程度，為參照展開(kāi)的，這類數(shù)據(jù)較易獲得。關(guān)鍵問(wèn)題在于基于道路特性的篩選是以路況條件參照展開(kāi)的，路況條件不僅與道路本身有關(guān)，也與道路地理特性相關(guān)，較難獲得準(zhǔn)確的評(píng)價(jià)參數(shù)。道路環(huán)境屬性權(quán)重確定，在進(jìn)行試驗(yàn)區(qū)域選擇或決策分析過(guò)程中至關(guān)重要。常用的權(quán)重確定或計(jì)算方法主要有專家評(píng)分、模糊統(tǒng)計(jì)、二元對(duì)比排序等，但它們?cè)趯?shí)際應(yīng)用中都存在著明顯的不足，它們沒(méi)有考慮到條件屬性與決策屬性之間內(nèi)在的關(guān)聯(lián)程度，將導(dǎo)致道路環(huán)境屬性權(quán)重計(jì)算不準(zhǔn)確，從而影響實(shí)驗(yàn)區(qū)域的篩選，使得事故熱點(diǎn)成因分析模型驗(yàn)證不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題，特別創(chuàng)新地提出了一種基于主成分貢獻(xiàn)度參數(shù)的事故熱點(diǎn)內(nèi)特性分析及行車(chē)指導(dǎo)方法。

為實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種基于主成分貢獻(xiàn)度參數(shù)的事故熱點(diǎn)內(nèi)特性分析及行車(chē)指導(dǎo)方法，其包括如下步驟：

S1，識(shí)別事故熱點(diǎn)；

S2，確定事故熱點(diǎn)中影響事故發(fā)生的最重要的m個(gè)主要影響因素，所述m為正整數(shù)；

S3，計(jì)算事故熱點(diǎn)主要影響因素的貢獻(xiàn)權(quán)重；

S4，計(jì)算熱點(diǎn)成因因子并構(gòu)建事故熱點(diǎn)的成因分析模型；

S5，根據(jù)獲得的故熱點(diǎn)的成因分析模型指導(dǎo)駕駛員在事故熱點(diǎn)處的駕駛。

在事故熱點(diǎn)成因分析方面，本發(fā)明先計(jì)算出熱點(diǎn)成因因素貢獻(xiàn)權(quán)重，再對(duì)重構(gòu)的因素變量進(jìn)行主成分分析，這樣可以找出最能反映事故形成原因的成分，最終分別得到道路成因和社會(huì)成因。在熱點(diǎn)區(qū)域可以更好地改善交通環(huán)境，并且可以控制導(dǎo)航路線，選擇更加安全可靠的路線。

應(yīng)用本發(fā)明所提出的事故熱點(diǎn)成因分析模型所獲取的內(nèi)特性參數(shù)C_road和C_society能直觀地反映事故熱點(diǎn)的形成主要受到哪個(gè)熱點(diǎn)內(nèi)特性參數(shù)的影響，指導(dǎo)駕駛員行車(chē)中更多地注意相對(duì)危險(xiǎn)的內(nèi)特性參數(shù)對(duì)行車(chē)的影響。

在本發(fā)明的一種優(yōu)選實(shí)施方式中，步驟S3中計(jì)算熱點(diǎn)主要影響因素的貢獻(xiàn)權(quán)重的方法為：

S31，根據(jù)社會(huì)因素選擇高人口密度/高犯罪率/低人口受教育程度/低年齡分布和低人口密度/低犯罪率/高人口受教育程度/高年齡分布區(qū)域各一個(gè)作為對(duì)象區(qū)域，并在對(duì)象區(qū)域根據(jù)交通事故數(shù)量、死亡人數(shù)、受傷人數(shù)、經(jīng)濟(jì)損失四項(xiàng)指標(biāo)篩選出主要道路作為目標(biāo)區(qū)域；

S32，分別統(tǒng)計(jì)目標(biāo)區(qū)域內(nèi)參數(shù)X1、X2、X3、X4、X5對(duì)應(yīng)數(shù)據(jù)庫(kù)指標(biāo)涉及的總事故數(shù)AccNum_i；

S33，根據(jù)人口密度、犯罪率、人口受教育程度和年齡分布分別計(jì)算選擇區(qū)域的社會(huì)因子F_s，計(jì)算選擇的兩個(gè)不同對(duì)象區(qū)域A比值和F_s比值，獲得社會(huì)因素權(quán)重CS；

其中，Density(i)是目標(biāo)區(qū)域i的人口密度，Crime(i)是目標(biāo)區(qū)域i的犯罪率，Education(i)是目標(biāo)區(qū)域i的人口受教育程度，Age(i)是目標(biāo)區(qū)域i的年齡分布，Density_MAX是目標(biāo)區(qū)域中人口密度最大值，Crime_MAX是目標(biāo)區(qū)域中犯罪率最大值，Education_MAX是目標(biāo)區(qū)域中受教育程度最大值，Age_MAX是目標(biāo)區(qū)域中年齡分布最大值；

社會(huì)因素權(quán)重CS為：

F_S(i)表示目標(biāo)區(qū)域i的社會(huì)因子，AccNum(i)表示目標(biāo)區(qū)域i內(nèi)參數(shù)X1、X2、X3、X4、X5分別對(duì)應(yīng)數(shù)據(jù)庫(kù)指標(biāo)涉及的總事故數(shù)，CS_i表現(xiàn)為參數(shù)X_i所占權(quán)重，i，j為兩個(gè)不同社會(huì)屬性對(duì)象區(qū)域；

由于各影響因素的CR_i+CS_i＝1，根據(jù)社會(huì)因素權(quán)重CS，得出道路物理因素權(quán)重CR_i。

貢獻(xiàn)權(quán)重計(jì)算方法優(yōu)點(diǎn)有兩點(diǎn)：第一，根據(jù)社會(huì)因素計(jì)算事故熱點(diǎn)成因因素權(quán)重，社會(huì)因素這類數(shù)據(jù)較易獲得，如果是根據(jù)道路物理特性展開(kāi)，較難獲得準(zhǔn)確的評(píng)價(jià)參數(shù)。第二，社會(huì)因素可以根據(jù)手邊的數(shù)據(jù)進(jìn)行修改或添加，增加了權(quán)重準(zhǔn)確度。

在本發(fā)明的另一種優(yōu)選實(shí)施方式中，步驟S4中計(jì)算熱點(diǎn)成因因子并構(gòu)建事故熱點(diǎn)的成因分析模型的步驟為：

S41，根據(jù)事故熱點(diǎn)成因因素構(gòu)建原變量矩陣，基于此構(gòu)建參數(shù)矩陣X；

n為事故熱點(diǎn)個(gè)數(shù)，x_pq為第p個(gè)事故熱點(diǎn)第q個(gè)成因因素元變量，p＝1,2，…，n；q＝1,2，…，5；

S42，構(gòu)建參數(shù)矩陣X的歸一化矩陣標(biāo)準(zhǔn)化即：

其中，X_j是參數(shù)矩陣X中列的平均值，S_j則是參數(shù)矩陣X中每一列的方差。

S43，構(gòu)建協(xié)方差矩陣R，獲取協(xié)方差矩陣R的特征值矩陣λ_1×5和特征向量矩陣v_5×n，對(duì)特征值進(jìn)行排序使得λ₁≥λ₂≥…≥λ₅，

即：

其中，v_i是協(xié)方差矩陣R的第i個(gè)特征值λ_i所對(duì)應(yīng)的特征向量；

通過(guò)以下式子提取主成分個(gè)數(shù)m；

基于主成分分析，得到主成分特征值矩陣λ_1×m所對(duì)應(yīng)的主成分特征向量矩陣V_5×m，λ₁≥λ₂≥…λ_m，；

S44，獲取主成分方差貢獻(xiàn)率矩陣W_1×m；

m為事故熱點(diǎn)中影響事故發(fā)生的主要影響因素的個(gè)數(shù)，w_i為第i個(gè)影響因素的主成分方差貢獻(xiàn)率；

S45，構(gòu)建熱點(diǎn)成因分析模型：

式中，V_5×m表示參數(shù)變量對(duì)該主成分的貢獻(xiàn)率矩陣，

W_1×m表示該主成分對(duì)事故熱點(diǎn)整體的貢獻(xiàn)率矩陣，

CR_1×5表示參數(shù)變量對(duì)道路因子的貢獻(xiàn)率矩陣，

CS_1×5表示參數(shù)變量對(duì)社會(huì)因子的貢獻(xiàn)率矩陣。

事故熱點(diǎn)的形成原因各有不同，但無(wú)一例外包含有若干共性影響因子，計(jì)算熱點(diǎn)成因因子是熱點(diǎn)成因發(fā)現(xiàn)的關(guān)鍵，是構(gòu)建事故熱點(diǎn)成因分析模型必不可少的關(guān)鍵步驟。以上計(jì)算方法能夠準(zhǔn)確快速獲得熱點(diǎn)成因因子，反映事故熱點(diǎn)形成的成因。

本發(fā)明的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。

附圖說(shuō)明

本發(fā)明的上述和/或附加的方面和優(yōu)點(diǎn)從結(jié)合下面附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1是事故熱點(diǎn)與事故的關(guān)系圖；

圖2是本發(fā)明一種優(yōu)選實(shí)施方式中計(jì)算熱點(diǎn)成因因素貢獻(xiàn)權(quán)重的流程圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。

在本發(fā)明的描述中，除非另有規(guī)定和限定，需要說(shuō)明的是，術(shù)語(yǔ)“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是機(jī)械連接或電連接，也可以是兩個(gè)元件內(nèi)部的連通，可以是直接相連，也可以通過(guò)中間媒介間接相連，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以根據(jù)具體情況理解上述術(shù)語(yǔ)的具體含義。

本發(fā)明提供了一種基于主成分貢獻(xiàn)度參數(shù)的事故熱點(diǎn)內(nèi)特性分析及行車(chē)指導(dǎo)方法，其包括如下步驟：

S1，識(shí)別事故熱點(diǎn)。事故熱點(diǎn)是指具有某種關(guān)聯(lián)特性的交通事故發(fā)生位置點(diǎn)的集合，即交通事故多發(fā)區(qū)域。如圖1所示，多個(gè)事故點(diǎn)生成一個(gè)事故熱點(diǎn)的示例圖。事故熱點(diǎn)研究分析是解決道路安全策略的關(guān)鍵問(wèn)題，事故熱點(diǎn)的內(nèi)特性分析是目前業(yè)界的研究難點(diǎn)，事故熱點(diǎn)的內(nèi)特性將直接決定車(chē)輛的通過(guò)策略。在本實(shí)施方式中，具體事故熱點(diǎn)的識(shí)別采用申請(qǐng)人的已公開(kāi)的專利申請(qǐng)201510564540.7中的方法，具體步驟為：

步驟一：通過(guò)3N(natural nearest neighbor)搜索算法構(gòu)造最小鄰居圖MNG(minimum neighborhood graph)。

步驟二：將MNG中的點(diǎn)分為兩類，擁有自然最鄰近的點(diǎn)以及離群點(diǎn)，并分別將兩種點(diǎn)歸入集合TN和TO，同時(shí)給予兩種點(diǎn)不同的標(biāo)識(shí)符。

步驟三：運(yùn)用廣度優(yōu)先搜索法BFS(Breadth First Search)并且結(jié)合點(diǎn)與聚類中心的最長(zhǎng)距離閾值THLD對(duì)TN中的點(diǎn)進(jìn)行聚類，即如果該點(diǎn)與簇中心的距離小于THLD，則將該點(diǎn)歸入簇中，以此對(duì)TN中的每個(gè)點(diǎn)進(jìn)行聚類，獲得初始聚類結(jié)果。

步驟四：將TO中滿足最短距離閾值THSD的點(diǎn)歸入簇中，即是先計(jì)算該點(diǎn)與各簇中心的距離，然后選取最小的那個(gè)距離，如果該距離小于THSD，則將其歸入得到最小距離的簇中，以此對(duì)TO中的每個(gè)點(diǎn)進(jìn)行聚類，得到最終聚類結(jié)果，實(shí)現(xiàn)事故熱點(diǎn)的發(fā)現(xiàn)。本發(fā)明聚類算法的改進(jìn)有兩點(diǎn)，其一是對(duì)MNG中的點(diǎn)進(jìn)行分類，其二是運(yùn)用閾值THLD和THSD分別對(duì)兩類點(diǎn)進(jìn)行聚類。該聚類算法相比于CB3N，能夠更好的反映道路網(wǎng)絡(luò)，實(shí)現(xiàn)熱點(diǎn)邊界的區(qū)分，能夠?yàn)槭鹿食梢蚍治龊推茐亩仍u(píng)估提供更精確的熱點(diǎn)信息。

S2，確定事故熱點(diǎn)中影響事故發(fā)生的最重要的m個(gè)主要影響因素，m為正整數(shù)。設(shè)F₁表示原變量的第一個(gè)線性組合所形成的主成分指標(biāo)，即F₁＝a₁₁X₁+a₂₁X₂+…+a_p1X_p，在所有的線性組合中選取的F₁所含的信息量最大，故稱F₁為第一主成分。如果第一主成分不足以代表原來(lái)p個(gè)指標(biāo)的信息，再考慮選取第二個(gè)主成分指標(biāo)F₂，為有效地反映原信息，F(xiàn)₂與F₁要保持獨(dú)立、不相關(guān)，依此類推構(gòu)造出的F₁、F₂……F_m為原變量指標(biāo)X₁、X₂……X_p第一、第二、……、第m個(gè)主成分。F₁、F₂……F_m，m≤p，為構(gòu)造的新變量綜合指標(biāo)，即原變量指標(biāo)的第一、第二、……、第m個(gè)主成分。

每一個(gè)主成分所提取的信息量用其方差來(lái)度量，其方差Var(F₁)越大，表示F₁所包含的信息越多。并且為了F₂與F₁不相關(guān)的數(shù)學(xué)表達(dá)是其協(xié)方差Cov(F₁,F₂)＝0。

根據(jù)以上分析可得知：

①F_i與F_j互不相關(guān)，即Cov(F_i,F_j)＝0，并有Var(F_i)＝a_i'Σa_i，Σ為X的協(xié)方差陣Σ＝(s_ij)_p×p，其中

②求出Σ的特征值λ_i及相應(yīng)的正交化單位特征向量a_i

Σ的前m個(gè)較大的特征值λ₁≥λ₂≥…≥λ_m＞0，就是前m個(gè)主成分對(duì)應(yīng)的方差，λ_i對(duì)應(yīng)的單位特征向量a_i就是主成分F_i的關(guān)于原變量的系數(shù)，則原變量的第i個(gè)主成分F_i為：

F_i＝a_i'X，

③選擇主成分

最終要選擇幾個(gè)主成分，即F₁、F₂……F_m中m的確定是通過(guò)方差(信息)累計(jì)貢獻(xiàn)率G(m)來(lái)確定：

當(dāng)累計(jì)貢獻(xiàn)率大于一定門(mén)限值時(shí)，就認(rèn)為能足夠反映原來(lái)變量的信息了，對(duì)應(yīng)的m就是抽取的前m個(gè)主成分。

在本實(shí)施方式中，選定5個(gè)主要影響因素，具體包括的指標(biāo)如表1所示，根據(jù)不同影響因素中不同指標(biāo)導(dǎo)致的交通事故對(duì)事故按照事故影響因素分類。

表1.事故熱點(diǎn)成因因素構(gòu)造表

S3，計(jì)算事故熱點(diǎn)主要影響因素的貢獻(xiàn)權(quán)重。如圖2所示，具體方法為：

S31，根據(jù)社會(huì)因素選擇高人口密度/高犯罪率/低人口受教育程度/低年齡分布和低人口密度/低犯罪率/高人口受教育程度/高年齡分布區(qū)域各一個(gè)作為對(duì)象區(qū)域，并在對(duì)象區(qū)域根據(jù)交通事故數(shù)量、死亡人數(shù)、受傷人數(shù)、經(jīng)濟(jì)損失四項(xiàng)指標(biāo)篩選出主要道路作為目標(biāo)區(qū)域；

S32，分別統(tǒng)計(jì)目標(biāo)區(qū)域內(nèi)參數(shù)X1、X2、X3、X4、X5對(duì)應(yīng)數(shù)據(jù)庫(kù)指標(biāo)涉及的總事故數(shù)A_i；

S33，根據(jù)人口密度、犯罪率、地形危險(xiǎn)度和能見(jiàn)度分別計(jì)算選擇區(qū)域的社會(huì)因子F_s，計(jì)算選擇的兩個(gè)不同對(duì)象區(qū)域A比值和F_s比值，獲得社會(huì)因素權(quán)重CS；

其中，Density(i)是目標(biāo)區(qū)域i的人口密度，Crime(i)是目標(biāo)區(qū)域i的犯罪率，Education(i)是目標(biāo)區(qū)域i的人口受教育程度，Age(i)是目標(biāo)區(qū)域i的年齡分布，Density_MAX是目標(biāo)區(qū)域中人口密度最大值，Crime_MAX是目標(biāo)區(qū)域中犯罪率最大值，Education_MAX是目標(biāo)區(qū)域中受教育程度最大值，Age_MAX是目標(biāo)區(qū)域中年齡分布最大值。

社會(huì)因素權(quán)重CS為：

F_S(i)表示目標(biāo)區(qū)域i的社會(huì)因子，AccNum(i)表示目標(biāo)區(qū)域i內(nèi)參數(shù)X1、X2、X3、X4、X5分別對(duì)應(yīng)數(shù)據(jù)庫(kù)指標(biāo)涉及的總事故數(shù)，CS_i表現(xiàn)為參數(shù)X_i所占權(quán)重，i，j為兩個(gè)不同社會(huì)屬性對(duì)象區(qū)域；

由于各影響因素的CR_i+CS_i＝1，根據(jù)社會(huì)因素權(quán)重CS，得出道路物理因素權(quán)重。其中，道路因素X1僅與道路物理成因相關(guān)，因此設(shè)置CR₁＝1，那么相應(yīng)的CS₁＝0。

S4，計(jì)算熱點(diǎn)成因因子并構(gòu)建事故熱點(diǎn)的成因分析模型。具體步驟為：

S41，根據(jù)事故熱點(diǎn)成因因素構(gòu)建原變量矩陣，基于此構(gòu)建參數(shù)矩陣X；

n為事故熱點(diǎn)個(gè)數(shù)，x_pq為第p個(gè)事故熱點(diǎn)第q個(gè)成因因素元變量，p＝1,2，…，n；q＝1,2，…，5；

S42，構(gòu)建參數(shù)矩陣X的歸一化矩陣標(biāo)準(zhǔn)化即：

其中，X_j是參數(shù)矩陣X中列的平均值，S_j則是參數(shù)矩陣X中每一列的方差。

S43，構(gòu)建協(xié)方差矩陣R，獲取協(xié)方差矩陣R的特征值矩陣λ_1×5和特征向量矩陣v_5×n，對(duì)特征值進(jìn)行排序使得λ₁≥λ₂≥…≥λ₅，

即：

其中，v_i是協(xié)方差矩陣R的第i個(gè)特征值λ_i所對(duì)應(yīng)的特征向量；

通過(guò)以下式子提取主成分個(gè)數(shù)m；

基于主成分分析，得到主成分特征值矩陣λ_1×m所對(duì)應(yīng)的主成分特征向量矩陣V_5×m，λ₁≥λ₂≥…λ_m；

S44，獲取主成分方差貢獻(xiàn)率矩陣W_1×m；

m為事故熱點(diǎn)中影響事故發(fā)生的主要影響因素的個(gè)數(shù)，w_i為第i個(gè)影響因素的主成分方差貢獻(xiàn)率；

S45，構(gòu)建熱點(diǎn)成因分析模型：

式中，V_5×m表示參數(shù)變量對(duì)該主成分的貢獻(xiàn)率矩陣，V_5×m的行向量為v_i，

W_1×m表示該主成分對(duì)事故熱點(diǎn)整體的貢獻(xiàn)率矩陣，

CR_1×5表示參數(shù)變量對(duì)道路因子的貢獻(xiàn)率矩陣，

CS_1×5表示參數(shù)變量對(duì)社會(huì)因子的貢獻(xiàn)率矩陣。

由于本發(fā)明僅采用最重要的五個(gè)參數(shù)對(duì)應(yīng)的權(quán)重，CR_1×5和CS_1×5由5個(gè)數(shù)值組成。

S5，根據(jù)獲得的事故熱點(diǎn)的成因分析模型指導(dǎo)駕駛員在事故熱點(diǎn)處的駕駛。例如根據(jù)某區(qū)域事故熱點(diǎn)處的C_road和C_society的值，如果C_road比C_society大，則可以對(duì)該區(qū)域進(jìn)行道路改進(jìn)或者增設(shè)交通設(shè)施；如果C_road比C_society相差不大，則需要同時(shí)注意社會(huì)因素影響和道路物理因素影響；如果C_road比C_society小，則可以結(jié)合車(chē)輛導(dǎo)航避開(kāi)該路段，選擇其他更為安全可靠的路線。

在本實(shí)施方式中，本發(fā)明基于社會(huì)特性篩選實(shí)驗(yàn)區(qū)域，以區(qū)域社會(huì)因素，如區(qū)域人口密度，犯罪率及受教育程度為參照展開(kāi)的，這類數(shù)據(jù)較易獲得。

本發(fā)明包括計(jì)算事故熱點(diǎn)成因因素貢獻(xiàn)權(quán)重、計(jì)算事故熱點(diǎn)成因因子，然后構(gòu)造事故熱點(diǎn)成因分析模型，和實(shí)驗(yàn)區(qū)域的選擇。首先在事故熱點(diǎn)成因分析方面，本發(fā)明先計(jì)算出熱點(diǎn)成因因素貢獻(xiàn)權(quán)重，再對(duì)重構(gòu)的因素變量進(jìn)行主成分分析，這樣可以找出最能反映事故形成原因的成分，最終分別得到道路成因和社會(huì)成因。在熱點(diǎn)區(qū)域可以更好地改善交通環(huán)境，并且可以控制導(dǎo)航路線，選擇更加安全可靠的路線。最后基于社會(huì)特性選擇實(shí)驗(yàn)區(qū)域，即以區(qū)域社會(huì)因素，如區(qū)域人口密度、犯罪率等為參照展開(kāi)，有利于驗(yàn)證事故熱點(diǎn)成因因素貢獻(xiàn)權(quán)重在事故熱點(diǎn)成因分析中的作用，不似基于道路特性篩選試驗(yàn)區(qū)域，路況條件不僅與道路本身有關(guān)，與道路地理特性相關(guān)，難以獲得準(zhǔn)確的評(píng)價(jià)參數(shù)。

應(yīng)用本發(fā)明所提出的事故熱點(diǎn)成因分析模型所獲取的內(nèi)特性參數(shù)C_road和C_society能直觀地反映事故熱點(diǎn)的形成主要受到哪個(gè)熱點(diǎn)內(nèi)特性參數(shù)的影響，指導(dǎo)駕駛員行車(chē)中更多地注意相對(duì)危險(xiǎn)的內(nèi)特性參數(shù)對(duì)行車(chē)的影響。

在本說(shuō)明書(shū)的描述中，參考術(shù)語(yǔ)“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說(shuō)明書(shū)中，對(duì)上述術(shù)語(yǔ)的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，本領(lǐng)域的普通技術(shù)人員可以理解：在不脫離本發(fā)明的原理和宗旨的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同物限定。