一种高速公路隧道群交通事故风险的分析方法与流程

本发明涉及交通事故分析技术领域，尤其涉及一种高速公路隧道群交通事故风险的分析方法。

背景技术：

随着我国高速公路路网建设日趋完善，高速公路隧道的数量也不断增长，由于隧道内外环境的反差，行车环境的变化，隧道交通事故的发生几率和损失程度相对于高速公路普通路段来说更高；

目前由于高速公路隧道数量的增加，对隧道群的交通事故多为普通的交通事故处理，没有一种针对隧道群交通事故分析处理和预测预防的方法，导致隧道交通事故频发，事故次数高居不下，因此，本发明提出一种高速公路隧道群交通事故风险的分析方法以解决现有技术中存在的问题。

技术实现要素：

针对上述问题，本发明的目的在于提出一种高速公路隧道群交通事故风险的分析方法，该高速公路隧道群交通事故风险的分析方法通过对高速公路隧道群交通事故的多源数据进行分析融合，并基于融合后的数据建立分析模型得出演化机理和交通事故多尺度风险类型的贝叶斯网络模型，从而实现对隧道群的交通事故风险因素进行分析并提出风险预警进行可视化展示，可以对隧道群交通事故进行风险防范和采取针对性措施，大大降低隧道群的交通事故发生率。

为实现本发明的目的，本发明通过以下技术方案实现：一种高速公路隧道群交通事故风险的分析方法，包括以下步骤：

步骤一、分析高速公路隧道群的交通环境特点，调查高速公路隧道群交通事故统计资料，对隧道群交通事故的时间、空间、环境和车型进行分析；

步骤二、通过调查采集大量隧道群交通事故发生时刻的多源数据，并基于多源异构数据融合技术，对多源数据进行处理和集成；

步骤三、在对交通事故多源数据处理和集成的基础上，研究高速公路隧道群交通安全态势影响因素，采用正交试验法分析不同因素影响下高速公路隧道群的交通安全性能态势；

步骤四、构建高速公路隧道群交通事故分析模型，并从多尺度的层次进行交通事故多源数据和多尺度的耦合分析，得出高速公路隧道群交通事故的演化机理，然后建立高速公路隧道群交通事故多尺度风险类型的贝叶斯网络模型，引入事故因果链理论，从多尺度的层次分析影响隧道群交通事故的各种风险因素；

步骤五、绘制高速公路隧道群交通事故风险区划图谱，提出针对不同区域应对隧道群交通事故风险的关键措施；

步骤六、将隧道群交通事故多源多尺度数据融合到建筑信息模型bim中，结合视频监控和人工智能方法，将高速公路隧道群交通事故风险预警可视化展示；

步骤七、开展研究成果的验证分析和实际应用研究，提出针对性的高速公路隧道群交通事故风险防范措施和建议。

进一步改进在于：所述步骤一中的高速公路隧道群的交通环境包含明暗适应、路面宽度、平纵曲线、隧道环境和车辆行驶的特点，步骤一中调查高速公路隧道群交通事故统计资料是基于人、车、路和环境的影响因素条件下进行的。

进一步改进在于：所述步骤二中的多源数据包含交通流数据、事故数据、道路基础数据、违法数据、气象数据和隧道环境数据。

进一步改进在于：所述步骤二中对多源数据进行处理和集成，为隧道群交通事故建模、风险分析和预警提供数据基础。

进一步改进在于：所述步骤三中安全态势影响因素包含照明、路面宽度、环境噪声、大气能见度、空气质量、天气气象和不良交通状态。

进一步改进在于：所述步骤四中从多尺度层次进行交通事故多源数据和多尺度的耦合分析前将事故多发点、单条隧道和隧道群交通事故整合在一起，步骤四中的多尺度的层次为“点尺度-线尺度-面尺度”。

进一步改进在于：所述步骤六中结合视频监控后先提出基于bim的隧道群交通安全数据可视化技术，反映交通安全数据的空间特征和数据间的内在关联，然后再结合人工智能方法。

本发明的有益效果为：本发明通过对高速公路隧道群交通事故的多源数据进行分析融合，并基于融合后的数据建立分析模型得出演化机理和交通事故多尺度风险类型的贝叶斯网络模型，从而实现对隧道群的交通事故风险因素进行分析并提出风险预警进行可视化展示，可以对隧道群交通事故进行风险防范和采取针对性措施，大大降低隧道群的交通事故发生率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的分析架构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

根据图1所示，本实施例提供了一种高速公路隧道群交通事故风险的分析方法，以河南省运营的高速公路隧道群为例，包括以下步骤：

步骤一、分析高速公路隧道群的交通环境特点，调查高速公路隧道群交通事故统计资料，对隧道群交通事故的时间、空间、环境和车型进行分析；

步骤二、通过调查采集大量隧道群交通事故发生时刻的多源数据，并基于多源异构数据融合技术，对多源数据进行处理和集成；

步骤三、在对交通事故多源数据处理和集成的基础上，研究高速公路隧道群交通安全态势影响因素，采用正交试验法分析不同因素影响下高速公路隧道群的交通安全性能态势；

步骤四、构建河南省高速公路隧道群交通事故分析模型，并从多尺度的层次进行交通事故多源数据和多尺度的耦合分析，得出高速公路隧道群交通事故的演化机理，然后建立河南省高速公路隧道群交通事故多尺度风险类型的贝叶斯网络模型，引入事故因果链理论，从多尺度的层次分析影响隧道群交通事故的各种风险因素；

步骤五、绘制河南省高速公路隧道群交通事故风险区划图谱，提出针对不同区域应对隧道群交通事故风险的关键措施；

步骤六、将隧道群交通事故多源多尺度数据融合到建筑信息模型bim中，结合视频监控和人工智能方法，将高速公路隧道群交通事故风险预警可视化展示；

步骤七、以河南省运营的高速公路隧道群为例，开展研究成果的验证分析和实际应用研究，提出针对性的高速公路隧道群交通事故风险防范措施和建议。

所述步骤一中的高速公路隧道群的交通环境包含明暗适应、路面宽度、平纵曲线、隧道环境和车辆行驶的特点，步骤一中调查高速公路隧道群交通事故统计资料是基于人、车、路和环境的影响因素条件下进行的。

所述步骤二中的多源数据包含交通流数据、事故数据、道路基础数据、违法数据、气象数据和隧道环境数据。

所述步骤二中对多源数据进行处理和集成，为隧道群交通事故建模、风险分析和预警提供数据基础。

所述步骤三中安全态势影响因素包含照明、路面宽度、环境噪声、大气能见度、空气质量、天气气象和不良交通状态。

所述步骤四中从多尺度层次进行交通事故多源数据和多尺度的耦合分析前将事故多发点、单条隧道和隧道群交通事故整合在一起，步骤四中的多尺度的层次为“点尺度-线尺度-面尺度”。

所述步骤六中结合视频监控后先提出基于bim的隧道群交通安全数据可视化技术，反映交通安全数据的空间特征和数据间的内在关联，然后再结合人工智能方法。

该高速公路隧道群交通事故风险的分析方法通过对高速公路隧道群交通事故的多源数据进行分析融合，并基于融合后的数据建立分析模型得出演化机理和交通事故多尺度风险类型的贝叶斯网络模型，从而实现对隧道群的交通事故风险因素进行分析并提出风险预警进行可视化展示，可以对隧道群交通事故进行风险防范和采取针对性措施，大大降低隧道群的交通事故发生率。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。