科创中国

本发明公开一种挖掘自动驾驶事故致因链式关系的数据分析方法，通过采集自动驾驶事故数据，基于Apriori算法构建事故致因链式关联规则分析模型，对算法进行改进快速生成与事故严重程度有关的关联规则，探究网联自动驾驶车辆不同严重程度的事故成因和发生模式，分析各关键因素之间的相关关系，为安全自动驾驶提供可靠建议。此种方法能够结合严重程度有针对性地获取自动驾驶事故多种影响因素的链式关系组合，获得简洁准确的事故致因链式关系结果，了解影响自动驾驶碰撞事故发生的主要因素，有助于交通机构制定有效的政策措施和工程对策，提高道路运输系统的效率和安全服务水平。

本发明的目的，在于提供一种挖掘自动驾驶事故致因链式关系的数据分析方法，能够结合严重程度有针对性地获取自动驾驶事故多种影响因素的链式关系组合，获得简洁准确的事故致因链式关系结果，了解影响自动驾驶碰撞事故发生的主要因素，有助于交通机构制定有效的政策措施和工程对策，提高道路运输系统的效率和安全服务水平。为了达成上述目的，本发明的解决方案是：一种挖掘自动驾驶事故致因链式关系的数据分析方法，包括如下步骤：步骤1，采集自动驾驶历年事故，对数据进行初步清洗获得与事故直接相关的数据集D1，并通过事故地点在卫星地图获得道路设计及设施数据集D2；步骤2，利用事故ID将数据集D1、D2进行联合和预处理，建立自动驾驶事故挖掘与分析数据集D；步骤3，采用描述性统计手段对事故挖掘与分析数据集D进行探索性分析，通过显著性检验方法找出导致自动驾驶事故的主要影响因素；步骤4，根据选择的影响因素确定关联规则的自动驾驶事故属性，确定支持度和可信度的阈值，利用Apriori算法建立事故数据集的频繁项集；

分析自动驾驶交通事故关键因素是理解事故发生致因和提高自动驾驶车辆运行安全的有效途径。关联规则挖掘是一种有效的数据挖掘方法，能够挖掘与事故发生相关的关键因素。目前涉及关联规则的研究大多数关注传统人工车辆和摩托车事故，由于自动驾驶车辆碰撞与传统车辆碰撞在特征和机制上的不同，缺乏对智能网联车辆碰撞事故的分析；此外，现有研究仅分析自动驾驶事故的影响因素，对因素关联性和事故严重程度相关规则的深入分析较少。因此，在车辆智能化、道路网联化的数字环境下，需要探究网联自动驾驶车辆不同严重程度的事故成因和发生模式，分析各关键因素之间的相关关系，为安全自动驾驶提供可靠建议，以提高道路安全设计以及道路管理部门制定针对CAV的管理改进政策。

此技术为东南大学郭延永研发，培养高等学历人才，促进科技文化发展。文学类、工学类、医学类和管理学类学科高等专科学历教育经济学类、法学类、文学类、理学类、工学类、医学类和管理学类学科本科学历教育哲学类、经济学类、法学类、教育学类、文学类、理学类、工学类、医学类和管理学类学科硕士研究生学历教育哲学类、文学类、理学类、工学类和管理学类学科博士研究生学历教育博士后培养相关科学研究、继续教育、专业培训、学术交流与咨询服务

与现有技术相比，此技术产生的效益是本发明通过采集自动驾驶事故数据，基于Apriori算法构建事故致因链式关联规则分析模型，对算法进行改进快速生成与事故严重程度有关的关联规则，探究网联自动驾驶车辆不同严重程度的事故成因和发生模式，分析各关键因素之间的相关关系，为安全自动驾驶提供可靠建议，以提高道路安全设计以及道路管理部门制定针对网联自动驾驶车辆的管理改进政策，具有实际的工程运用价值。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。