買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉東南大學申請的專利一種連續流道路場景下的交通事故風險評估方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117238126B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311103644.9，技術領域涉及：G06Q10/0635；該發明授權一種連續流道路場景下的交通事故風險評估方法是由陸建;馬瀟馳;車忠興;葉凡;夏蕭菡;霍宗鑫設計研發完成，并于2023-08-29向國家知識產權局提交的專利申請。

本一種連續流道路場景下的交通事故風險評估方法在說明書摘要公布了：本發明公開了一種連續流道路場景下的交通事故風險評估方法，包括：構造病例對照數據集，劃分為歷史樣本數據和測試數據，使用歷史樣本數據進行自組織映射聚類分析，構建風險場景識別模型；輸入待測數據集，判斷待測數據所屬的風險場景，將所屬風險場景的歷史樣本數據作為訓練集進行基學習器模型訓練，并輸出待測數據的預測結果；對測試數據的預測結果繪制ROC曲線，采用AUC指標評估優度，并根據約登指數選擇最佳風險閾值；實時獲取待評估道路上的交通流參數，確定風險場景，實時計算待評估道路上的風險水平。本發明以較低成本對道路交通事故風險進行準確實時預警，提高交通系統運行的安全性和可靠性。

本發明授權一種連續流道路場景下的交通事故風險評估方法在權利要求書中公布了：1.一種連續流道路場景下的交通事故風險評估方法，其特征在于，所述交通事故風險評估方法包括以下步驟： S1：獲取待評估道路的歷史道路事故數據和歷史交通流信息，采集一定時間范圍內發生的事故數據和以及在此時間范圍內的交通流參數，以事故發生與否為因變量，交通流信息為自變量，構造病例對照數據集；所述事故數據包括事故發生的事件、位置、上下行方向；所述交通流參數包括路段斷面的交通量、平均車速、車道占有率； S2：將病例對照數據集中的數據劃分為歷史樣本數據和測試數據兩類，使用歷史樣本數據進行自組織映射聚類分析，構建風險場景識別模型； S3：輸入待測數據集，判斷待測數據所屬的風險場景，將所屬風險場景的歷史樣本數據作為訓練集進行基學習器模型訓練，并輸出待測數據的預測結果； S4：對測試數據的預測結果繪制ROC曲線，采用AUC指標評估優度，并根據約登指數選擇最佳風險閾值； S5：實時獲取待評估道路上的交通流參數，使用步驟S2確定的風險場景識別模型確定風險場景，使用步驟S3和步驟S4確定的風險評估模型實時計算待評估道路上的風險水平； 步驟S2中，使用歷史樣本數據進行自組織映射聚類分析，構建風險場景識別模型的過程包括以下子步驟： S201：按照預測劃分比例從病例對照數據集中提取得到歷史樣本數據和測試數據，且保持歷史樣本數據集和測試數據集中事故數據和正常行駛數據比例與病例對照數據集中的事故數據和正常行駛數據比例一致； S202：使用歷史樣本數據集進行自組織映射網絡模型的訓練，根據歷史樣本數據集的數量N，按以下公式選擇SOM網絡邊長M： 其中，SOM網絡每一邊有M個神經元，共M列，共計M2個神經元，每個神經元按六邊形與其他神經元相連，形成蜂巢網絡結構； S203：初始化SOM網絡，給每一個神經元隨機賦予K維權重wj＝[ak]，k的值和歷史樣本數據中的flowdata自變量元素數一致；j為神經元編號，j＝1,2,…,M2； S204：對歷史樣本數據集X＝[x1,x2,...xi...,xN]，依次輸入樣本進行訓練，比較第i個歷史樣本xi和每一個神經元權重之間的歐氏距離，將歐氏距離最短的神經元作為該歷史樣本的聚類標號，按下式確定歷史樣本數據xi的類別： 式中，i＝1,2,…,N； S205：更新SOM網絡權值： w←w+ηhdxi-w 其中，w為待更新的權值，η是學習率，h·是衰減函數，d是激活神經元和其他神經元之間的距離； S206：根據每一個SOM神經元中的樣本數量和事故樣本數量劃分風險場景，計算每一個神經元的事故率rc： 其中，Nsample是所有屬于神經元c的樣本，Ncrash是神經元c中的事故樣本量； S207，將聚類神經元中的事故比例與歷史樣本數據集中事故數據的占有比例進行比對，如果聚類神經元中的事故比例超過歷史樣本數據集中事故數據的占有比例時，則認定為高風險場景，否則，認定為低風險場景。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人東南大學，其通訊地址為：210000 江蘇省南京市玄武區四牌樓2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。