基于人工智能深度学习技术的高速公路路段安全指数分析与预测

基于人工智能深度学习技术的高速公路路段安全指数分析与预测

保障交通运输安全平稳运行！

保障交通运输安全平稳运行！

保障交通运输安全平稳运行！

对滴，重要事情一定要说三遍

加强道路安全与畅通

是促进交通事业自身发展的迫切需求！

重庆作为中国第四个直辖市，在交通领域有着得天独厚的体制优势，是全国唯一一个由交通行业实施高速公路安全监管的省市。如何利用科技手段切实有效的降底高速公路安全事故发生，成为重庆交通管理迫切的需求。

背景

1. 高速公路死亡交通事故近年整体呈逐年下降趋势，但较大事故时有发生，安全监管风险存在一定的不确定性。

2. 在高速公路安全风险宏观管理上仍存在短板，也还未建立规范的风险隐患分析预测预警体系。

3. 在交通安全精准监管、科学监管方面还没有建立和推进以交通安全大数据为基础的风险隐患特征及趋势研判机制。

建设内容概述

本项目基于人工智能BP神经网络和大数据技术，对重庆市高速公路历史事故发生的频率、特征及成因进行分析挖掘，在此基础上以路段为基本单元开展不同时空纬度的高速公路路段安全风险预测。

事故特征

事故成因

分析的空间维度

分析的因素

通过对重庆高速路网安全事故的各类特征以及事故成因全方位而深入的分析挖掘，找出安全事故发生的规律，方便相关部门对高速路网整体运行进行更有效的管理。

 

完善和治理

高速公路路段基础信息、路线交通量、执法案件等多类数据，建立一套路段交通安全风险预测指标体系，确定路段的风险程度。并通过数据详细信息和GIS地图结合互动的方式展现预测结果。路段风险程度最终按月或按季度以“高速公路路段交通安全风险预测表”和“高速公路路段交通安全风险预测图”的形式发布。

亮点

【亮点一】多源数据融合、数据价值应用创新

首次在交通领域针对高速公路安全事故进行分析与预测

整合交通行业内部数据资源，并打通与公安的渝籍及非渝籍车辆基础数据及动态数据，形成跨行业的路段交通安全风险预测专题数据库。

为后续的高速公路安全事故分析与基于路段级的安全风险预测提供了基础。同时还为行业内执法（非现场执法）、审批（超限超载）、收费（货车精准去皮）等各类综合应用提供数据支撑。

【亮点二】人工智能深度学习技术、提高精度、节省经费

 

【传统】

一类是以事故指标来评价道路的安全水平，如事故率、百公里事故率、百万车公路事故率等，这类方法的准确性受到交通事故发生的偶然性、指标单一等因素的影响。

另一类是多指标的综合评价方法，考虑人、车、道路、环境等因素对事故的影响，如层次分析法等，在评估过程中容易受到人为主观因素的影响。

 

【现代】

采用了人工智能深度学习技术，利用BP人工神经网络建立模型对高速道路安全进行评价。

综合事故数据和可能影响事故发生的驾驶员特征、车辆特征、交通特征、道路特征、环境特征、安全管理特征等因素，实现历史经验与新知识的结合，动态评估高速公路交通系统的安全状态。

随着历史数据样本的不断增加，经过深度学习训练会不断提高预测精准度，在不需要人工干预和持续开发投入的情况下，为应用方节省了经费。

应用后取得的效果：有效改善当前主要以经验指导高速公路路段安全分析的状况，准确把握安全风险，增强高速公路交通安全风险预测能力。