基于多源异构大数据挖掘融合的高原公路交通风险多因素时空耦合识别及其控制技术研究——以云南高原地区为例

Although the highway network of the plateau regions continues to improve, the traffic safety situation is grim because of the complex terrain and meteorological environment. Serious or extraordinarily serious traffic accident rate in the plateau regions is far higher than that in other areas, and one of the most important reasons is deficiencies of the study of active traffic safety, especially lack of research of the multi factors’ temporal-spatial coupling recognition and the guarding mechanism of the road traffic risks in the multi-dimensional terrain and meteorological environment of the plateau regions. This study starts from the road traffic risk data mining and fusion in the plateau regions based on the plateau highway multi-source and heterogeneous big data. This study will build a multi-source and heterogeneous big database (platform) and analyze forms and causes of road traffic accidents in the plateau regions and other regions separately and clarify the relationship and difference between highway traffic accidents and traffic risks, redefine highway traffic risks in the plateau regions, build risk factors index system. Multi factors’ temporal-spatial coupling model and temporal-spatial dynamic distribution model of highway traffic risks are constructed to reveal coupling mechanism and to achieve the identification of highway traffic risks (risks, types, grades, temporal-spatial dynamic distribution, etc.) According to these, establish decoupling model and the risking control range recognition model to reveal decoupling mechanism, formulate the decoupling control scheme, research risk control technology and its risk control architecture framework. The researching results are promoted by applied empirical research. This study has important theoretical value and practical significance to improve the level of highway traffic safety management, planning, design and construction, and to guide the sustainable development of highway transportation.

高原公路网日益完善，但因地形气象环境复杂，交通安全形势严峻，重、特大交通事故率远高于其他地区，主动交通安全研究不足是其重要原因，尤其欠缺高原公路交通风险时空多因素耦合识别与控制方面的探讨。本研究基于高原公路交通风险多源异构大数据挖掘融合，构建多源异构大数据库，分析高原与其他地区公路交通事故形态与致因差异，明确公路交通事故与风险的联系和区别，重新界定高原地区公路交通风险；构建风险影响要素指标体系(参量化指标)，构建高原公路交通风险多因素时空耦合识别模型及时空动态分布模型，揭示耦合机理，实现交通风险识别(风险点、类型、等级、时空动态分布)；据此构建解耦模型和风险控制范围识别模型，揭示解耦机理，制定解耦控制方案，研究风险控制技术，形成风险控制技术库，通过应用实证研究实现成果应用推广。本研究对于提升高原公路交通安全管理、规划、设计、建设水平，引导公路运输可持续发展具有重要的理论价值和现实意义。

本研究通过现场踏勘调研及实车实验等，定性与定量相结合对调查数据进行结构化处理，建立基础分布式数据库，对比分析高原地区与其它地区的道路交通事故时空分布、形态分布、严重程度分布、致因分布等特征差异，重新界定高原地区公路交通风险。通过对原始数据资源池进行深度挖掘融合处理(归类、抽取、过滤等)，根据目的与研究用途将其归类为数据级融合、特征级融合及决策级融合，结合灰色关联、遗传算法等方法，构建高原地区公路交通风险数据挖掘融合模型，建立多源异构大数据库(平台)。通过分析并参量化高原地区急弯、连续长大下坡等公路交通风险影响要素指标，优化高原地区公路交通风险影响指标体系，构建高原地区公路交通风险多因素时空耦合识别模型，获取交通风险点、风险类型，实现交通风险初次识别。通过对高原地区公路综合交通风险进行等级划分，划分为3个等级，即低风险、中风险、高风险，将区间长度均分为3等份，风险等级界定在0~1之间，实现风险二次识别。通过构建高原公路交通风险多因素时空耦合时空动态分布模型，明确耦合机理，实现风险的完全识别，以此建立包括风险因素、风险构成要素和风险因子三方面结构层次的高原公路交通风险因素集.利用改进的经典耦合度模型和N-K模型构建高原地质及气象环境下公路交通风险致因耦合模型，并构建随机森林朴素贝叶斯-耦合度模型(RFNB-CDM)。研究提出基于风险解耦的高原地区公路交通风险控制技术架构，强-中-弱耦合三种情况下高原地区公路交通风险控制策略。研究将场论引入交通风险领域，参考人工势场理论、风险平衡理论，融合安全势场模型及行车风险场模型，构建高原地区公路交通风险控制范围识别模型。此外基于实地调研数据，量化模型参量，给出风险控制范围半径，并选择典型云南高原地区公路进行实证应用研究，研究对高原公路交通可持续发展具有重要的理论价值和现实意义。