(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211104968.X (22)申请日 2022.09.09 (71)申请人 浙江嘉兴数字城市实验室有限公司 地址 314001 浙江省嘉兴 市南湖区纺工路 921号一层101室 (72)发明人 刘二港　顾俊杰　顾晓峰　汤叶灵　 王立立　许怡浩　季诺亚　谭寓元　 麻继潮　王卓飞　李婧怡　 (74)专利代理 机构 浙江永鼎律师事务所 3 3233 专利代理师 陆永强 (51)Int.Cl. G06F 16/2458(2019.01) G06F 16/28(2019.01) G06K 9/62(2022.01) G06Q 50/26(2012.01)G08G 1/01(2006.01) (54)发明名称 一种基于事故数据和特征因素的事故多发 点推荐方法 (57)摘要 本发明提供了一种基于事故数据和特征因 素的事故多发点推荐 方法， 它解决了现有交通管 理系统对于不同交通场景适应性较差问题， 其包 括如下步骤： 获取事故参数； 对事故对应矩阵降 维； 对降维后的矩阵做聚类分析； 计算离群因子 LOF并剔除离群点； 对多发点打分排名。 本发明具 有事故分析效果好、 对于不同交通系统适应性好 等优点。 权利要求书2页 说明书8页 附图7页 CN 115455079 A 2022.12.09 CN 115455079 A 1.一种基于事故数据和特 征因素的事故多发点推荐方法， 其特 征在于， 包括如下步骤： S1： 获取事故参数； S2： 对事故对应矩阵降维； S3： 对降维后的矩阵做聚类分析； S4： 计算离群因子LOF并剔除离群点； S5： 对多发点打 分排名。 2.根据权利要求1所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S1包括如下步骤: S11:获取某地区以往某时间段内的交通事故数据； S12： 构建事故点及事故特 征矩阵。 3.根据权利要求2所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S11中的交通事故数据包括事故严重程度、 事故点致死率、 事故点夜间 事故次数、 事故点的历史事故频度和人为原因占比； 所述的步骤S12以事故点作为行， 各事 故参数作为列构建矩阵。 4.根据权利要求1所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S2包括如下步骤: S21： 确定样本点的近邻点； S22： 计算局部 重构权重系数； S23： 计算 最优重构向量Yi； S24： 计算降维后坐标D。 5.根据权利要求4所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S21确定每 个样本点Xi(i＝1,2,3,. ..,N)的K(K<N)个近邻点； 所述的步骤S22根据样本点Xi的k个近邻点， 通过最小化重构误差 ε(W)， 计算样本点Xi的 局部重构权重系数Wij， 重构表达式为： 所述的步骤S23根据局部重构权重系数Wij， 通过最小化重构误差函数φ(Y)， 确定低维 空间下的最优重构向量Yi： 所述的步骤S24重构权重系数Wij构成权重系数矩阵W， 设矩阵M＝(I ‑W)T(I‑W)， 计算矩 阵M的前(d+1)个非零特征值对应的特征向量组成的矩阵记为LLE降维坐标D＝{u1,u1,..., ud+1}。 6.根据权利要求1所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S3包括如下步骤: S31： 选取初始聚类中心； S32： 计算样本与当前中心的距离D(x)； S33： 计算下一聚类中心C2的概 率； S34： 得到聚类结果。权　利　要　求　书 1/2 页 2 CN 115455079 A 27.根据权利要求6所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S31从数据集中随机 选取一个样本作为初始聚类中心C1； 所述的步骤S32计算每个样本与当前已有的聚类中心之间的最 短距离， 即D(x)， D2(x)表 达式为： 所述的步骤S33计算每个样本被选为下一个聚类中心的概率： 然后照 轮盘法选择 下一个聚类中心； 所述的步骤S34重复步骤S3 3直到选择出k个多发点圆的聚类中心。 8.根据权利要求1所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S4包括如下步骤: S41： 计算所有单发事故点到中心 距离的平均值； S42： 筛选离群点； S43： 计算离群因子LOF。 9.根据权利要求8所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S41根据K ‑means聚类完成后得到k个多发点圆的中心， 求出每个圆中所有 单发事故点到中心 距离的平均值， 记为半径R； 所述的步骤S42针对圆中所有 的单发点， 若该点到中心的距离大于R， 则将其放入可能 会被剔除的点 集中； 所述的步骤S43通过LOF算法， 给步骤S42得到的数据集中的每个点计算一个离群因子 LOF， 通过判断LOF 是否接近于1来判定是否是离群点， 计算公式为： 10.根据权利要求1所述的一种基于事故数据和特征因素的事故多发点推荐方法， 其特 征在于， 所述的步骤S5包括如下步骤: S51： 对交通事故特 征进行筛 选； S52： 以交通事故致死量、 夜间事故占比、 历史事故频度和人为原因占比进行加权求和； S53： 累加单发事故点计算出集中多发点的分数， 按照分数高低进行排名。权　利　要　求　书 2/2 页 3 CN 115455079 A 3