本發(fā)明實施例涉及交通安全管理領域，尤其涉及一種高速公路安全隱患路段識別方法和裝置。
背景技術：
：隨著區(qū)域一體化進程的加速，高速公路通車里程和出行需求日益增長，對高速公路安全保障提出了嚴峻的挑戰(zhàn)。利用高清視頻監(jiān)控系統(tǒng)，對高速公路運行狀況進行全面、實時的監(jiān)測，有利于快速發(fā)現(xiàn)交通運行異常并及時做出響應，是近年來高速公路信息化建設的重要內容。然而，由于轄區(qū)范圍大、高速里程長，大型監(jiān)測中心監(jiān)測員往往要同時監(jiān)控成千上萬路視頻，將所有視頻輪巡一遍常常耗時數(shù)十分鐘，效率很低且時間成本和人力成本高?，F(xiàn)有技術通過分析交通事故歷史數(shù)據(jù)將高速路網(wǎng)中交通事故發(fā)生概率高、事故發(fā)生后影響范圍廣的重點路段識別出來，并進行針對性的重點監(jiān)測。但是高速公路安全隱患的發(fā)生概率、影響后果是與交通流量、外界環(huán)境等影響因素密切相關的，而這些影響因素會隨外界條件的動態(tài)變化而改變，故直接通過分析交通事故歷史數(shù)據(jù)得到的安全隱患路段與實際的高速公路運行環(huán)境不符，從而導致隱患路段的識別精度低。技術實現(xiàn)要素：本發(fā)明實施例提供一種高速公路安全隱患路段識別方法和裝置，用于解決現(xiàn)有技術中通過靜態(tài)分析交通事故歷史數(shù)據(jù)識別隱患路段的方法精度低的問題。本發(fā)明實施例提供了一種高速公路安全隱患路段識別方法，包括：獲取路段的交通流量數(shù)據(jù)和事故影響因素，所述交通流量數(shù)據(jù)包括歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)，所述事故影響因素為引起事故的因素；根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)確定所述路段的事故嚴重度，所述事故嚴重度為路段發(fā)生事故后對整個路網(wǎng)的影響程度；根據(jù)所述路段的事故影響因素確定所述路段的事故頻度，所述事故頻度為路段發(fā)生事故的可能程度；根據(jù)所述路段的事故嚴重度和所述路段的事故頻度確定所述路段的事故風險值；在確定出路網(wǎng)內所有路段的事故風險值之后，對所有路段按照事故風險值由高到低的順序進行排序，將排在前n個的路段確定為安全隱患路段，n為正整數(shù)。可選地，所述根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)確定所述路段的事故嚴重度，包括：根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)預測所述路段在設定時間段內的交通流量；根據(jù)所述路段在設定時間段內的交通流量查詢預設的事故嚴重度評價列表確定所述路段在所述設定時間段內的事故嚴重度。可選地，所述根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)預測所述路段在設定時間段內的交通流量，包括：以所述路段的當前交通流量數(shù)據(jù)為基準，確定所述路段的歷史交通流量數(shù)據(jù)與所述路段的當前交通流量數(shù)據(jù)的相似度；將滿足相似度大于設定閾值的歷史交通流數(shù)據(jù)確定為所述路段的相似交通流量數(shù)據(jù)；根據(jù)所述路段的相似交通流數(shù)據(jù)確定所述路段在設定時間段的交通流量?？蛇x地，所述根據(jù)所述路段的事故影響因素確定所述路段的事故頻度，包括：根據(jù)所述路段的事故影響因素查詢預設的模糊評價表確定模糊關系矩陣；根據(jù)所述路段的事故影響因素的影響程度確定所述路段的事故影響因素的權重；根據(jù)所述模糊關系矩陣和所述路段的事故影響因素的權重確定所述路段的事故頻度?？蛇x地，根據(jù)所述路段的事故嚴重度和所述路段的事故頻度確定所述路段的事故風險值符合下述公式(1)：f＝sev*occ……………………………………………(1)其中，f為路段的事故風險值，sev為路段的事故嚴重度，occ為路段的事故頻度。相應地，本發(fā)明實施例還提供了一種高速公路安全隱患路段識別裝置，包括：獲取模塊，用于獲取路段的交通流量數(shù)據(jù)和事故影響因素，所述交通流量數(shù)據(jù)包括歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)，所述事故影響因素為引起事故的因素；處理模塊，用于根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)確定所述路段的事故嚴重度，所述事故嚴重度為路段發(fā)生事故后對整個路網(wǎng)的影響程度；根據(jù)所述路段的事故影響因素確定所述路段的事故頻度，所述事故頻度為路段發(fā)生事故的可能程度；根據(jù)所述路段的事故嚴重度和所述路段的事故頻度確定所述路段的事故風險值；識別模塊，用于在所述處理模塊確定出路網(wǎng)內所有路段的事故風險值之后，對所有路段按照事故風險值由高到低的順序進行排序，將排在前n個的路段確定為安全隱患路段，n為正整數(shù)?？蛇x地，所述處理模塊具體用于：根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)預測所述路段在設定時間段內的交通流量；根據(jù)所述路段在設定時間段內的交通流量查詢預設的事故嚴重度評價列表確定所述路段在所述設定時間段內的事故嚴重度?？蛇x地，所述處理模塊具體用于：以所述路段的當前交通流量數(shù)據(jù)為基準，確定所述路段的歷史交通流量數(shù)據(jù)與所述路段的當前交通流量數(shù)據(jù)的相似度；將滿足相似度大于設定閾值的歷史交通流數(shù)據(jù)確定為所述路段的相似交通流量數(shù)據(jù)；根據(jù)所述路段的相似交通流數(shù)據(jù)確定所述路段在設定時間段的交通流量?？蛇x地，所述處理模塊具體用于：根據(jù)所述路段的事故影響因素查詢預設的模糊評價表確定模糊關系矩陣；根據(jù)所述路段的事故影響因素的影響程度確定所述路段的事故影響因素的權重；根據(jù)所述模糊關系矩陣和所述路段的事故影響因素的權重確定所述路段的事故頻度。可選地，所述處理模塊具體用于：根據(jù)下述公式(1)確定所述路段的事故風險值：f＝sev*occ……………………………………………(1)其中，f為路段的事故風險值，sev為路段的事故嚴重度，occ為路段的事故頻度。本發(fā)明實施例表明，獲取路段的交通流量數(shù)據(jù)和事故影響因素，所述交通流量數(shù)據(jù)包括歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)，所述事故影響因素為引起事故的因素。根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)確定所述路段的事故嚴重度，所述事故嚴重度為路段發(fā)生事故后對整個路網(wǎng)的影響程度。根據(jù)所述路段的事故影響因素確定所述路段的事故頻度，所述事故頻度為路段發(fā)生事故的可能程度。然后根據(jù)所述路段的事故嚴重度和所述路段的事故頻度確定所述路段的事故風險值，在根據(jù)上述方法確定出路網(wǎng)內所有路段的事故風險值之后，對所有路段按照事故風險值由高到低的順序進行排序，將排在前n個的路段確定為安全隱患路段，n為正整數(shù)。本發(fā)明實施例中，通過實時采集高速公路路段的事故影響因素和預測高速公路路段的交通流量，對高速公路路段事故風險進行動態(tài)評估及安全隱患路段的動態(tài)識別。相對于以往靜態(tài)、固定不變的安全隱患路段確定方法，本發(fā)明實施例更能夠反映高速公路安全特性隨事故影響因素的時變性而變化的特征，能夠更全面的識別出高速公路網(wǎng)絡中需重點監(jiān)測的安全隱患路段，提高了安全隱患路段的識別精度。附圖說明為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡要介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域的普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例提供的一種高速公路安全隱患路段識別方法的流程示意圖；圖2為本發(fā)明實施例提供的一種確定事故嚴重度的流程示意圖；圖3為本發(fā)明實施例提供的一種確定事故頻度的流程示意圖；圖4為本發(fā)明實施例提供的一種事故影響因素分類示意圖；圖5為本發(fā)明實施例提供的另一種高速公路安全隱患路段識別方法的流程示意圖；圖6為本發(fā)明實施例提供的一種高速公路安全隱患路段識別裝置的結構示意圖。具體實施方式為了使本發(fā)明的目的、技術方案及有益效果更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。圖1示例性示出了本發(fā)明實施例提供的一種高速公路安全隱患路段識別方法的流程，該流程可以由高速公路安全隱患路段識別裝置執(zhí)行。如圖1所示，該流程的具體步驟包括：步驟s101，獲取路段的交通流量數(shù)據(jù)和事故影響因素。步驟s102，根據(jù)路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)確定路段的事故嚴重度。步驟s103，根據(jù)路段的事故影響因素確定路段的事故頻度。步驟s104，根據(jù)路段的事故嚴重度和路段的事故頻度確定路段的事故風險值。步驟s105，在確定出路網(wǎng)內所有路段的事故風險值之后，對所有路段按照事故風險值由高到低的順序進行排序，將排在前n個的路段確定為安全隱患路段，n為正整數(shù)。具體地，在步驟s101中，路段為可用于安全隱患路段識別的基本路段，故在獲取路段的交通流量數(shù)據(jù)和事故影響因素之前，需將高速公路網(wǎng)絡劃分為基本路段，具體過程為：以1到3公里的長度為標準對路段進行劃分，每個基本路段單元需滿足如下要求：高速公路出入口應為基本路段單元的起點或終點，以確?；韭范螁卧獌冉煌髁康木|性。高速公路出入口之間的交織區(qū)單獨為一個基本路段單元。每個基本路段單元內的道路線形不發(fā)生明顯變化。需要說明的是基本路段單元劃分為靜態(tài)數(shù)據(jù)處理，并不隨著評估時段的改變而變化。劃分基本路段后，從高速公路交通流數(shù)據(jù)庫中獲取路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)。高速公路交通流數(shù)據(jù)庫中的數(shù)據(jù)來源于交通流檢測設備和收費站。若有交通流檢測設備，則直接使用交通流檢測設備的檢測數(shù)據(jù)建立高速公路交通流數(shù)據(jù)庫；若沒有流量檢測設備，則利用高速公路收費數(shù)據(jù)推算交通流量，可根據(jù)收費數(shù)據(jù)記錄的車輛進入入口站時間、車輛運行速度推算車輛到達目標路段的時刻，進而得到目標路段交通流量及大型車比例，存入高速公路交通流數(shù)據(jù)庫中。在步驟s102和步驟s103中，事故嚴重度為路段發(fā)生事故后對整個路網(wǎng)的影響程度。事故影響因素為引起事故的因素，比如人、車、路、交通流和環(huán)境等，事故頻度為路段發(fā)生事故的可能程度。在步驟s104和步驟s105中，將路段的事故嚴重度和路段的事故頻度的乘積確定為事故風險值，具體如公式(1)所示：f＝sev*occ……………………………………………(1)其中，f為路段的事故風險值，sev為路段的事故嚴重度，occ為路段的事故頻度。事故風險值越大，則說明發(fā)生事故的風險越高，在確定出路網(wǎng)內所有路段的事故風險值之后，對所有路段按照事故風險值由高到低的順序進行排序，將排在前n個的路段確定為安全隱患路段，n為正整數(shù)。另外也可設定第一閾值，將事故風險值大于第一閾值的路段確定為安全隱患路段。本發(fā)明實施例中，通過實時采集高速公路路段的事故影響因素和預測高速公路路段的交通流量，對高速公路路段事故風險進行動態(tài)評估及安全隱患路段的動態(tài)識別。相對于以往靜態(tài)、固定不變的安全隱患路段確定方法，本發(fā)明實施例更能夠反映高速公路安全特性隨事故影響因素的時變性而變化的特征，能夠更全面的識別出高速公路網(wǎng)絡中需重點監(jiān)測的安全隱患路段，提高了安全隱患路段的識別精度。本發(fā)明實施例中，主要通過路段的事故嚴重度和路段的事故頻度識別安全隱患路段，下面具體介紹路段的事故嚴重度和事故頻度的確定過程。首先介紹確定事故嚴重度的過程，具體包括以下步驟，如圖2所示：步驟s201，以路段的當前交通流量數(shù)據(jù)為基準，確定路段的歷史交通流量數(shù)據(jù)與路段的當前交通流量數(shù)據(jù)的相似度。步驟s202，將滿足相似度大于設定閾值的歷史交通流數(shù)據(jù)確定為路段的相似交通流量數(shù)據(jù)。步驟s203，根據(jù)路段的相似交通流數(shù)據(jù)確定路段在設定時間段的交通流量。步驟s204，根據(jù)路段在設定時間段內的交通流量查詢預設的事故嚴重度評價列表確定路段在設定時間段內的事故嚴重度。具體地，設定時間段為未來的某一個時間段，比如未來2小時。事故嚴重度評價列表為與路段的交通流量對應的評分列表，由于路段單位時間內交通流量越大，在發(fā)送事故時對整個路網(wǎng)的影響就越大，故對應的評分就越高，事故嚴重度也就越高。為了更清楚地介紹事故嚴重度的確定過程，本發(fā)明實施例結合具體場景提供以下示例，設定當前時刻為當天的時刻t，設定時間段為t到t+2之間兩個小時，當天時刻t之前的數(shù)據(jù)為當前交通流量數(shù)據(jù)，當天之前的數(shù)據(jù)為歷史交通流量數(shù)據(jù)。從歷史交通流量數(shù)據(jù)中確定出時刻t之前10小時與當天具有相似特征的歷史交通流量記錄，相似特征包括天氣狀況，比如降水量、降雪量、能見度、溫度是否低于零度等相似、星期相似，若為節(jié)假日則節(jié)假日類型相似、年度大型活動時期相似等。將每條歷史交通流量記錄以一定時間間隔建立時間-交通流量序列，建立的序列為x。按照同樣的方法建立當天時刻t之前的時間-交通流量序列，建立的序列為y。對序列x和序列y都進行傅里葉變換(discretefouriertransform，簡稱dft)分別得到x′和y′，由于將交通流量數(shù)據(jù)從時域空間變換為頻域空間序列，從而去除原始數(shù)據(jù)中的有關時間漂移等時域空間的噪聲。然后以當前交通流量數(shù)據(jù)經(jīng)過dft變換后的序列y′為標準，對序列x′進行序列的相似性挖掘，將歐式距離j作為相似性度量函數(shù)，即將歐氏距離j小于給定閾值的序列識別為與序列y′相似的序列。接著搜索出所有相似序列對應的原歷史交通流量數(shù)據(jù)記錄，將這些記錄在時刻t到t+2之間的交通流量平均值作為當天時刻t到t+2之間交通流量的預測值。最后根據(jù)預測的路段在時刻t到t+2之間的交通流量查詢預設的事故嚴重度評價列表確定事故嚴重度，事故嚴重度評價列表可根據(jù)實際情況設定，下面示例性給出一種事故嚴重度評價列表，如表1所示：表1事故嚴重度評價列表預測的交通流量值(pcu/h)嚴重度分值大于4499104000-449993500-399983000-349972500-299962000-249951500-199941000-14993500-9992小于5001其中，pcu/h表示等效通行能力，即單位時間內可能通過的的最大交通實體數(shù)。若預測的路段在時刻t到t+2之間的交通流量為3000pcu/h，通過查詢表1可知路段的事故嚴重度為7。由于交通事故大多在一段時間內會處理完并恢復正常交通，所以并不能靜態(tài)的按照日均交通流量評估路段的事故嚴重度，而利用設定時間段內預測的交通流量作為路段事故嚴重度的評分依據(jù)更符合高速公路上交通流量動態(tài)變化的場景，從而能更加全面地識別出安全隱患路段。下面再具體介紹事故頻度的確定過程，具體包括以下步驟，如圖3所示：步驟s301，根據(jù)路段的事故影響因素查詢預設的模糊評價表確定模糊關系矩陣。步驟s302，根據(jù)路段的事故影響因素的影響程度確定路段的事故影響因素的權重。步驟s303，根據(jù)模糊關系矩陣和路段的事故影響因素的權重確定路段的事故頻度。具體地，在步驟s301中，事故影響因素包括人、車、路、交通流和環(huán)境五方面的因素，由于人的因素和車輛本身的因素近乎是完全隨機的，所以本發(fā)明實施例只考慮道路因素、交通因素和外界環(huán)境因素。道路因素、交通因素和外界環(huán)境因素具體分類如圖4所示。由圖4可知，道路因素包括路面條件和道路線形，路面條件根據(jù)路面摩擦系數(shù)不同又可以分為四種，分別為路面摩擦系數(shù)為1，比如干燥路段；路面摩擦系數(shù)為0.5，比如積水路面；路面摩擦系數(shù)為0.2，比如積雪路面；路面摩擦系數(shù)為0.1，比如積冰路面。道路線形包括不良線形(比如急彎、長坡、陡坡、平縱曲線不良組合、超高不合理)和正常線形。交通因素包括大型車的比例，大型車的比例分為不小于30％和小于30％。環(huán)境因素包括天氣條件和時段，天氣條件包括惡劣天氣(比如大雨、大雪、大霧等)和正常天氣。時段包括夜間和白天。除上述因素外，事故率也是需要考慮的事故影響影響因素，于是確定出路段的事故影響因素集合為u＝{u1，u2，u3，u4，u5，u6}＝{事故率、路面條件、天氣條件，道路線形、時段、大型車比例}。事故影響因素集合中，路面條件、天氣條件、時段和大型車比例是動態(tài)變化的，需要根據(jù)實時數(shù)據(jù)進行更新，事故率和道路線形是靜態(tài)數(shù)據(jù)。各因素的數(shù)據(jù)來源如表2所示：表2事故影響因素數(shù)據(jù)來源表根據(jù)表2確定路段各事故影響因素的取值后，查詢預設的模糊評價表確定模糊關系矩陣，下面給出確定模糊關系矩陣的示例，設定模糊評價表如表3所示：表3模糊評價表設定根據(jù)表2的數(shù)據(jù)來源確定路段m的各事故影響因素的具體取值為：事故率80次/億車公里、路面摩擦系數(shù)為0.7(積水路面)、正常天氣、不良線形、白天且大型車比例大于30％，則根據(jù)事故影響因素的具體取值查詢表3可得路段m的模糊關系矩陣r為：在步驟s302中，根據(jù)各事故影響因素的影響程度確定事故影響因素的權重，比如事故率的影響程度最大，則權重相對較大；道路線形、時段和大型車比例的影響程度較小，則權重相對較小。設定路段m的事故影響因素集合u對應的各事故影響因素的權重集合為a＝{a1，a2，a3，a4，a5，a6}，根據(jù)影響程度確定的權重集合的具體取值可以為a＝{0.3、0.2、0.2、0.1、0.1、0.1}。在步驟s303中，根據(jù)模糊關系矩陣和路段的事故影響因素的權重確定路段的事故頻度具體為：根據(jù)模糊關系矩陣和路段的事故影響因素的權重建立模糊綜合評價模型b，具體符合下述公式(2)：b＝a·r＝{b1，b2，b3，b4，b5，b6，b7，b8，b9，b10}……………(2)比如將路段m的模糊關系矩陣和事故影響因素的權重代入式(2)確定路段m的綜合評價模型為：然后根據(jù)最大隸屬度原則，取評價集v中與b中最大值bi對應的vi作為該基本路段單元的事故頻度。例如設定事故頻度的評價集為v＝{v1，v2，v3，v4，v5，v6，v7，v8，v9，v10}＝{1，2，3，4，5，6，7，8，9，10}。路段m的綜合評價模型b中最大值為0.189，對應評價集v中的v5，則路段m的事故頻度為5。相較于靜態(tài)、固定不變的安全隱患路段識別方法，本發(fā)明實施例實時采集事故影響因素并確定事故頻度，更能夠反映高速公路安全特性隨事故影響因素的時變性而變化的特征。為了更好的解釋本發(fā)明實施例，下面通過具體的實施場景描述本發(fā)明實施例提供的一種高速公路安全隱患路段識別方法的流程，如圖5所示，包括以下步驟：步驟s501，獲取路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)。步驟s502，從路段的歷史交通流量數(shù)據(jù)中確定出與當前交通流量數(shù)據(jù)相似的交通流量數(shù)據(jù)。步驟s503，根據(jù)相似交通流量數(shù)據(jù)預測路段在設定時間段的交通流量。步驟s504，根據(jù)路段在設定時間段內的交通流量確定路段在設定時間段內的事故嚴重度。步驟s505，獲取路段的事故影響因素。步驟s506，根據(jù)路段的事故影響因素查詢預設的模糊關系評價表確定模糊關系矩陣。步驟s507，根據(jù)事故影響因素的影響程度確定路段的事故影響因素的權重。步驟s508，根據(jù)模糊關系矩陣和路段的事故影響因素的權重確定路段的事故頻度。步驟s509，根據(jù)路段的事故嚴重度和路段的事故頻度確定路段的事故風險值。步驟s510，在確定出路網(wǎng)內所有路段的事故風險值之后，對所有路段按照事故風險值由高到低的順序進行排序。步驟s511，將排在前n個的路段確定為安全隱患路段，n為正整數(shù)。需要說明的是，步驟s501至步驟s504為確定事故嚴重度的過程，步驟s505至步驟s508為確定事故頻度的過程，確定事故嚴重度的過程和確定事故頻度的過程時間不分先后，也可同時進行，本發(fā)明實施例不做具體限定。本發(fā)明實施例表明，獲取路段的交通流量數(shù)據(jù)和事故影響因素，所述交通流量數(shù)據(jù)包括歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)，所述事故影響因素為引起事故的因素。根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)確定所述路段的事故嚴重度，所述事故嚴重度為路段發(fā)生事故后對整個路網(wǎng)的影響程度。根據(jù)所述路段的事故影響因素確定所述路段的事故頻度，所述事故頻度為路段發(fā)生事故的可能程度。然后根據(jù)所述路段的事故嚴重度和所述路段的事故頻度確定所述路段的事故風險值，在確定出路網(wǎng)內所有路段的事故風險值之后，對所有路段按照事故風險值由高到低的順序進行排序，將排在前n個的路段確定為安全隱患路段，n為正整數(shù)。本發(fā)明實施例中，通過實時采集高速公路路段的事故影響因素和預測高速公路路段的交通流量，對高速公路路段事故風險進行動態(tài)評估及安全隱患路段的動態(tài)識別。相對于以往靜態(tài)、固定不變的安全隱患路段確定方法，本發(fā)明實施例更能夠反映高速公路安全特性隨事故影響因素的時變性而變化的特征，能夠更全面的識別出高速公路網(wǎng)絡中需重點監(jiān)測的安全隱患路段，提高了安全隱患路段的識別精度。基于相同構思，圖6示例性的示出了本發(fā)明實施例提供的一種高速公路安全隱患路段識別裝置的結構，該裝置可以執(zhí)行高速公路安全隱患路段識別的流程。如圖6所示，該裝置包括：獲取模塊601，用于獲取路段的交通流量數(shù)據(jù)和事故影響因素，所述交通流量數(shù)據(jù)包括歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)，所述事故影響因素為引起事故的因素；處理模塊602，用于根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)確定所述路段的事故嚴重度，所述事故嚴重度為路段發(fā)生事故后對整個路網(wǎng)的影響程度；根據(jù)所述路段的事故影響因素確定所述路段的事故頻度，所述事故頻度為路段發(fā)生事故的可能程度；根據(jù)所述路段的事故嚴重度和所述路段的事故頻度確定所述路段的事故風險值；識別模塊603，用于在所述處理模塊602確定出路網(wǎng)內所有路段的事故風險值之后，對所有路段按照事故風險值由高到低的順序進行排序，將排在前n個的路段確定為安全隱患路段，n為正整數(shù)?？蛇x地，所述處理模塊602具體用于：根據(jù)所述路段的歷史交通流量數(shù)據(jù)和當前交通流量數(shù)據(jù)預測所述路段在設定時間段內的交通流量；根據(jù)所述路段在設定時間段內的交通流量查詢預設的事故嚴重度評價列表確定所述路段在所述設定時間段內的事故嚴重度?？蛇x地，所述處理模塊602具體用于：以所述路段的當前交通流量數(shù)據(jù)為基準，確定所述路段的歷史交通流量數(shù)據(jù)與所述路段的當前交通流量數(shù)據(jù)的相似度；將滿足相似度大于設定閾值的歷史交通流數(shù)據(jù)確定為所述路段的相似交通流量數(shù)據(jù)；根據(jù)所述路段的相似交通流數(shù)據(jù)確定所述路段在設定時間段的交通流量?？蛇x地，所述處理模塊602具體用于：根據(jù)所述路段的事故影響因素查詢預設的模糊評價表確定模糊關系矩陣；根據(jù)所述路段的事故影響因素的影響程度確定所述路段的事故影響因素的權重；根據(jù)所述模糊關系矩陣和所述路段的事故影響因素的權重確定所述路段的事故頻度?？蛇x地，所述處理模塊602具體用于：根據(jù)下述公式(1)確定所述路段的事故風險值：f＝sev*occ……………………………………………(1)其中，f為路段的事故風險值，sev為路段的事故嚴重度，occ為路段的事故頻度。本領域內的技術人員應明白，本發(fā)明的實施例可提供為方法、或計算機程序產品。因此，本發(fā)明可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本發(fā)明可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、cd-rom、光學存儲器等)上實施的計算機程序產品的形式。本發(fā)明是參照根據(jù)本發(fā)明實施例的方法、設備(系統(tǒng))、和計算機程序產品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設備的處理器執(zhí)行的指令產生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設備上，使得在計算機或其他可編程設備上執(zhí)行一系列操作步驟以產生計算機實現(xiàn)的處理，從而在計算機或其他可編程設備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。盡管已描述了本發(fā)明的優(yōu)選實施例，但本領域內的技術人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明范圍的所有變更和修改。顯然，本領域的技術人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權利要求及其等同技術的范圍之內，則本發(fā)明也意圖包含這些改動和變型在內。當前第1頁12