买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利一种城市路网交通事故风险研判及可视化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119380531B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411347447.6，技术领域涉及：G08G1/01；该发明授权一种城市路网交通事故风险研判及可视化方法是由许鹏鹏;刘校言;汪倩芳;杨一帆设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种城市路网交通事故风险研判及可视化方法在说明书摘要公布了：本发明公开了一种城市路网交通事故风险研判及可视化方法，包括：获取路网事故数据、行人数据、车辆数据和环境数据；对获取的数据进行预处理；获取城市路网连接关系，建立路网邻接矩阵，得到每起事故的空间相关关系；建立考虑路网空间关联和数据异质性的路网事故严重程度随机参数空间联合预测模型；分析预测模型中各自变量对应的系数，判别影响事故严重程度的风险因素；根据各道路实体的空间残差项计算相对风险值，判别路网重特大事故的相对风险；根据各道路实体相对风险值，绘制路网风险地图，实现相对风险概况可视化。本发明可从微观层面识别交通事故严重程度影响因素，挖掘风险因素与事故严重程度间的潜在关系，判别事故黑点。

本发明授权一种城市路网交通事故风险研判及可视化方法在权利要求书中公布了：1.一种城市路网交通事故风险研判及可视化方法，其特征在于，包括以下步骤： 1获取数据，包括：路网事故数据、行人数据、车辆数据和环境数据； 2对获取的数据进行预处理，包括：对获取的数据按事故类型分类，填充缺失值，删除异常值，进行分类变量的哑变量处理和多重共线性检验，形成事故严重程度分析数据集； 3获取城市路网连接关系，构建路网邻接矩阵，按照空间位置将事故严重程度分析数据集中各事故分别匹配到与事故类型相对应的距离最近的道路实体上，得到每起事故的空间相关关系； 4基于每起事故的空间相关关系和事故严重程度分析数据集，建立路网事故严重程度随机参数空间联合预测模型，并基于拟合度和预测精度两类指标评价模型性能，其中，所述路网事故严重程度随机参数空间联合预测模型是在二元Logistic模型框架下引入空间残差项，并将参数变为随机参数，以提高模型对空间事故数据的适应能力以及对数据异质性的处理效果，对于任一给定观测事故，能得出行人重伤或死亡的概率； 建立路网事故严重程度随机参数空间联合预测模型，对于任意给定观测事故，其事故严重程度被分为轻伤和重伤或死亡两类，分别设为0和1，在二元Logistic模型框架下，引入空间残差项与随机参数，则任一道路实体内，事故为重伤或死亡事故的概率有如下关系： 2； 3； 4； 式中，表示道路实体与之间的空间权值，为道路实体的空间残差项，为道路实体的空间残差项，表示与为两个不同的道路实体，为空间项的方差参数，为反映相关性强度的权重参数，代表交叉口，代表路段，为表示事故类型的0-1变量，若事故发生在交叉口，则，否则，为事故第个自变量，为常数项，为第个自变量对应的系数，为的均值，为随机项，服从均值为0、标准差为的正态分布，为随机误差项，服从均值为0的正态分布；对于构建完成的考虑路网空间关联及数据异质性的路网事故严重程度随机参数空间联合预测模型，采用偏差信息准则DIC、召回率、特异度和总体分类精度指标衡量模型性能，其计算方式如下： 5； 6； 7； 8； 式中，、、、分别表示偏差信息准则、召回率、特异度和总体分类精度，和分别表示模型的拟合精度和有效变量个数，表示实际为重伤亡事故，预测结果也为重伤亡事故的数量，表示实际为重伤亡事故，预测结果为轻伤事故的数量，表示实际为轻伤事故，预测结果也为轻伤事故的数量，表示实际为轻伤事故，预测结果为重伤亡事故的数量； 5分析路网事故严重程度随机参数空间联合预测模型中各自变量对应的系数，以贝叶斯置信区间为判别标准，若系数在90%贝叶斯置信区间内显著，则认为该自变量为影响事故严重程度的风险因素，识别出对事故严重程度有显著影响的风险因素； 6根据路网事故严重程度随机参数空间联合预测模型，提取各交叉口与路段的空间残差项，计算各道路实体的相对风险值，即RR值，判别路网内各处发生行人重伤或死亡事故的相对风险； 7根据各交叉口与路段的RR值，绘制事故严重程度空间风险地图，实现相对风险概况可视化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。