本技术涉及水上交通安全,尤其涉及一种水上交通事故热点水域识别与事故分析处理方法及系统。
背景技术:
1、在水上交通安全研究中,频繁发生事故的特定水域(例如航道或锚地)通常被定义为“事故多发水域”。相关技术中,事故高发点的鉴别准确率较低。并且在识别不同数据集参数时需要花费大量时间进行参数调整,过程繁琐且无法保证辨识的精确性。同时,难以辨识事故等级高的事故热点区域。
2、综上,相关技术中存在的技术问题有待得到改善。
技术实现思路
1、本技术实施例的主要目的在于提出一种水上交通事故热点水域识别与事故分析处理方法及系统,能够实现水上交通事故高发点辨识和事故致因关系分析,提高了水上交通事故热点水域识别与事故分析处理的准确度和效率,能够为水上交通安全提供较可靠的支持。
2、为实现上述目的,本技术实施例的一方面提出了一种水上交通事故热点水域识别与事故分析处理方法,所述方法包括:
3、获取水上交通事故数据;
4、将所述水上交通事故数据输入预设聚类算法进行聚类分析,得到自适应参数集;
5、根据所述自适应参数集和所述水上交通事故数据进行聚类,得到事故高发区域集合;
6、对所述事故高发区域集合中的事故进行空间聚类分析得到空间聚类结果,以通过所述空间聚类结果确定事故热点范围信息;
7、将所述水上交通事故数据输入预设关联规则挖掘算法进行关联规则分析,得到事故关联项集;
8、根据所述事故热点范围信息和所述事故关联项集进行分析,得到水上交通事故分析处理结果。
9、在一些实施例中,所述将所述水上交通事故数据输入预设聚类算法进行聚类分析,得到自适应参数集,包括:
10、根据所述水上交通事故数据计算距离分布矩阵;
11、对所述距离分布矩阵进行排序,以通过排序结果确定k-最近邻距离向量;
12、计算所述k-最近邻距离向量的元素平均值,生成得到邻域半径参数列表;
13、根据所述邻域半径参数列表内的各个候选邻域半径参数进行点阈值数量计算,生成点阈值数量列表;
14、将所述邻域半径参数列表和所述点阈值数量列表输入密度聚类空间应用算法进行聚类分析,得到所述自适应参数集;其中,所述自适应参数集包括目标邻域半径参数和目标点阈值数量参数。
15、在一些实施例中,所述根据所述自适应参数集和所述水上交通事故数据进行聚类,得到事故高发区域集合,包括:
16、将所述目标邻域半径参数、所述目标点阈值数量参数以及所述水上交通事故数据输入所述密度聚类空间应用算法进行聚类,得到所述事故高发区域集合;其中,所述水上交通事故数据包括历史事故发生地点集合。
17、在一些实施例中,所述对所述事故高发区域集合中的事故进行空间聚类分析得到空间聚类结果,以通过所述空间聚类结果确定事故热点范围信息,包括:
18、根据所述事故高发区域集合计算各个事故要素的相关性参数值;
19、对所述相关性参数值进行标准化计算,得到对应的显著性参数值;
20、根据所述显著性参数值对各个所述事故要素进行聚类类型分析,得到初步聚类结果;
21、通过假设检验法对所述初步聚类结果进行统计显著性校验,得到所述空间聚类结果;其中,所述空间聚类结果包括高值聚类结果和低值聚类结果;
22、根据所述相关性参数值和所述空间聚类结果结合空间分布信息,绘制所述高值聚类结果和所述低值聚类结果的范围,以确定所述事故热点范围信息。
23、在一些实施例中,所述根据所述显著性参数值对各个所述事故要素进行聚类类型分析,得到初步聚类结果,包括:
24、当确定所述显著性参数值大于零,将相应的所述事故要素标记为高值聚类要素;
25、或者,当确定所述显著性参数值小于零,将相应的所述事故要素标记为低值聚类要素。
26、在一些实施例中,所述将所述水上交通事故数据输入预设关联规则挖掘算法进行关联规则分析,得到事故关联项集,包括:
27、根据预设问题设置预设关联规则参数;其中,所述预设关联规则参数包括最小支持度参数和置信度阈值;
28、对所述水上交通事故数据中的各个事故标签进行预设关联规则设置,以通过所述预设关联规则参数进行关联规则筛选,得到所述事故关联项集。
29、在一些实施例中,所述对所述水上交通事故数据中的各个事故标签进行预设关联规则设置,以通过所述预设关联规则参数进行关联规则筛选,得到所述事故关联项集,包括:
30、选取所述水上交通事故数据中的第一事故标签项作为关联规则的后项,并将第二事故标签项作为前项,以生成关联规则集;其中,所述第二事故标签项包括所述水上交通事故数据中除所述第一事故标签项以外的其他事故标签项;
31、根据所述预设关联规则参数筛选所述关联规则集中与所述第一事故标签项强相关的关联规则,以确定与所述第一事故标签项强关联的第三事故标签项;
32、返回所述选取所述水上交通事故数据中的第一事故标签项作为关联规则的后项,并将第二事故标签项作为前项,以生成关联规则集的步骤,直至确定所述水上交通事故数据中各个事故标签项对应的所述第三事故标签项,得到所述事故关联项集。
33、在一些实施例中,所述获取水上交通事故数据,包括:
34、获取水上交通原始数据;
35、对所述水上交通原始数据进行数据清洗,得到所述水上交通事故数据。
36、为实现上述目的,本技术实施例的另一方面提出了一种水上交通事故热点水域识别与事故分析处理系统,所述系统包括:
37、第一模块,用于获取水上交通事故数据;
38、第二模块,用于将所述水上交通事故数据输入预设聚类算法进行聚类分析,得到自适应参数集;
39、第三模块,用于根据所述自适应参数集和所述水上交通事故数据进行聚类,得到事故高发区域集合;
40、第四模块,用于对所述事故高发区域集合中的事故进行空间聚类分析得到空间聚类结果,以通过所述空间聚类结果确定事故热点范围信息;
41、第五模块,用于将所述水上交通事故数据输入预设关联规则挖掘算法进行关联规则分析,得到事故关联项集;
42、第六模块,用于根据所述事故热点范围信息和所述事故关联项集进行分析,得到水上交通事故分析处理结果。
43、为实现上述目的,本技术实施例的另一方面提出了一种水上交通事故热点水域识别与事故分析处理系统,所述系统包括:
44、至少一个处理器;
45、至少一个存储器,用于存储至少一个程序;
46、当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现上述的方法。
47、本技术实施例至少包括以下有益效果:本技术提供一种水上交通事故热点水域识别与事故分析处理方法及系统,该方案通过获取水上交通事故数据,并将水上交通事故数据输入预设聚类算法进行聚类分析,得到自适应参数集。接着,根据自适应参数集和水上交通事故数据进行聚类,得到事故高发区域集合,进而对事故高发区域集合中的事故进行空间距离分析,得到空间聚类结果,以通过空间聚类结果确定事故热点范围信息。同时,本发明实施例将水上交通事故数据输入预设关联规则挖掘算法进行关联规则分析,得到事故关联项集,从而根据事故热点范围信息和事故关联项集进行分析,得到水上交通事故分析处理结果,实现水上交通事故高发点辨识和事故致因关系分析,提高了水上交通事故热点水域识别与事故分析处理的准确度和效率,能够为水上交通安全提供较可靠的支持。