一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法

摘要

本发明公开了一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法，属于先进驾驶辅助技术领域。本发明通过结合多种基于GIS的空间分析和提取方法，在基于历史事故前提下，通过数据分析和提取道路黑点地图，并和导航地图以图层叠合的形式，形成局部的动态地图数据库，并用于支持各类实时ADAS的应用。本发明可低成本、高效率地获取各种ADAS安全应用所需要的事故黑点数据库。同时，通过该方法可将黑点数据和现有导航地图相结合生成黑点数据库，为各类道路实时黑点安全应用提供有效的数据支撑。

说明书

技术领域

本发明涉及先进驾驶辅助技术领域，更具体地说，涉及一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法。

背景技术

为提高道路交通的安全，先进驾驶辅助系统(ADAS)及其相关的车载技术受到了汽车工业的广泛关注。目前为止，许多先进驾驶辅助系统得到了研发和应用，比如，车道偏离警告系统、自适应巡航控制系统等等。随着相关系统的研究和发展，各类ADAS系统应用对驾驶环境的识别及其对应的数字地图数据库提出了更高的要求。

开发ADAS的应用，需要将更多有关道路的细节和数据整合到数字地图里。因此，通过数字地图提供丰富的道路和环境信息，获取现实里不可获得的，超越驾驶员视野范围内的道路安全数据变得尤为重要。在这些数据里，一些数据，比如法定限速、交通标志、道路坡度、车道信息等等，可以通过现实量测和信息提取得到。但是，不是所有属性都可从现有的数据源中得到，典型的例子就是道路事故黑点，并不存在于现实的交通数据库，但在交通安全应用中却十分重要。

所谓道路事故黑点，是指集中于路网上的某些频发路段。根据以往对交通事故的研究调查指出，交通事故在路网上并非均匀分布，而是频繁发生于某些道路路段，这些路段一般也被称之为道路交通黑点。发展道路黑点的安全技术对合理配置交通资源，降低整体的交通事故率有很重要的意义和作用。

获取准确和精密的黑点数据库(包括黑点分布位置和详细的事故黑点信息)是开发各类实时车载黑点应用的技术基础。比如，发明申请【基于增强现实和云端智能决策的车联网事故黑点警告系统及方法，申请号201710022303.7】就需要使用数字黑点地图。在此系统中，车载系统和云端控制系统都需要提取事故黑点数字地图内部存储的黑点信息和数据，并通过各类算法提供事故黑点的警告和相关应用。

目前的各类黑点数字地图数据服务商的相关产品供应对象主要是政府机构。在这些应用中，道路黑点的主要作用是道路黑点展示和管理，主要利用计量方法统计事故黑点。比如，获取道路事故黑点的方法主要是基于事故黑点计量模型分析，通过分段道路网并统计道路网单位长度上在单位时间内的事故量辨识黑点风险。例如，通过划分一个区域内道路网到100米路段，并统计在3-5年内的道路事故数量，设定黑点辨识的阈值，并统计每个路段的黑点集聚程度和风险程度。这种方法需要对大规模的路网实行分段划分，并依次对每个路段进行单独黑点分析统计，用到的计算资源大，黑点辨识所需数据量大，数据种类复杂，而且数据处理慢，耗时长。如果应用此方法生成ADAS的黑点地图，需要较多的人力成本用于前期数据整理，中期数据校核，人力成本极高且效率很低。除此之外，因为统计方法一般需要对现有道路几何特征进行长度分段，分段长度可能从几米到几百米，因此较难通过一致的事故黑点量化指标区分事故黑点。同时，在区域型道路黑点(比如，道路交叉口黑点或者交叉口等)，很难以用这样一种基于单位路段的线性方法来处理区域型的事故黑点。因此，对于考虑到商业销量和实时性的黑点应用，此种方法很难推广应用。

另一种获取道路黑点的方法是基于道路线型风险统计。该方法基于现有道路几何特征和历史数据集，对道路分段并为不同的路段提供了一个通用的风险向量评估，并将这些风险统计分析后加入黑点数字地图数据库。虽然这种方法比事故黑点统计方法更可行，但仍然存在一些缺点，比如道路连接在导航地图中的规格可能会有所不同，道路分段可能从几米到几百米，因此在较长的路段很难通过分布的事故量界定准确的事故黑点。而且，对于此种方法，道路交叉口黑点等区域也很难用这样一种基于路段的线性方法来处理。

发明内容

1.发明要解决的技术问题

鉴于现存方法的缺陷，本发明提供了一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法，快速有效地获取事故黑点精确的空间分布，生成可供ADAS系统使用的数字黑点地图，本发明的主要应用对象是ADAS系统，因而充分考虑了ADAS应用的速度、成本、流程化、商业成本等特征，本发明首次提出了基于GIS内的基于密度的分布估算和光栅密度网格提取，用于快速和低成本地获得ADAS系统事故黑点数据，同时，将道路黑点的属性信息简化，用以满足ADAS系统的集成和更新性的需要，并将道路黑点的大小和范围提取出来和导航地图相结合，可以有效形成局部动态地图支撑实时ADAS应用。

2.技术方案

为达到上述目的，本发明提供的技术方案为：

本发明的实施主要通过结合三种基于GIS的空间方法用于分析黑点、确定黑点、提取黑点。这三种方法分别涉及核密度估计法、体积百分比轮廓法和属性编辑法。核密度估计法用来确定道路事故黑点的空间分布和范围。基于道路空间黑点分布，体积百分比轮廓法与核密度估计法结合用来提取黑点的边界和范围。属性编辑法分析黑点历史事故数据评估事故风险的权重。除此之外，本发明制定了一系列的流程方法，详细规范了依照此方法获取黑点的实施步骤，包括数据前期准备到与传统的导航地图相结合，以及与导航地图形成动态导航地图的应用。

为进一步了解本发明的内容，结合理论对本发明各步骤理论方法做进一步详细描述：

1.核密度估计法

所述的核密度估计法是一种密度统计技术，英文称之为Kernel DensityEstimation，简称KDE，通过估算所选观测数据结构样本在地理位置空间的空间密度，用于确定事故黑点的空间分布，目前已经发展成为一种地理信息系统中的空间方法。

核密度估计的理论公式如下：

在事故黑点的密度估算中，每一个交通事故数据的地理坐标数据被当作为一个独立的二元数据。所有事故的坐标数据在二维地理空间内用矢量表示成X1＝[x1，y1]，X2＝[x2，y2]到Xn＝[xn，yn](包括评价参考点)。数值x-X_i代表评价参考点与其他事故点之间的距离。在这个公式中，f(x)表示每一个评价参考点在位置X的预估事故密度，评价参考点即为事故黑点的历史事故数据。n值是本发明中使用的事故样本数。h值是带宽，也可以称为搜索半径或窗口宽度，由此来控制评价事故黑点的搜索半径。K是核密度函数，这是一个对称二元概率函数，可用来确定每个事故点的概率分布形状。核密度函数多种多样，用户可以从三角形，正态，双权，高斯核函数，叶帕涅奇尼科夫核函数等函数中挑选核密度函数K。

图1展示了核密度估计法在地理空间内计算的具体步骤。实施核密度估计的计算分为两个步骤，分别被称为点对点的评价和像素对点的评价，如图1所示，核密度估算的过程分为6个步骤，并依次以(a)-(f)表示，前(a)-(c)代表了点对点的评价过程，后面(d)-(f)代表了像素对点的评价过程。如图(a)中的实例点P1(可代表一个坐标点)。在搜索半径h的基础上，附近的其他实例点R1，R2和R3(在半径h内)也被包括在内。如图(b)所示，在已选择的核函数K和他们与点P1的距离的基础上，计算出选定点的密度值。这一过程通过循环程序重复进行，直到把所有分布区域内的点进行了评估。如图(c)所示，计算出各点的密度值，分别为D1，D2和D3。注意，为了计算密度f(x)，必须要已知一些参数，如核函数K，搜索半径h，样品参数(点坐标和样本数)。如果事故点被包含在密度估计里，其对密度的贡献会被一个以距离为基础的加权函数所加权。图(d)至图(f)，密度估算对每个点重复估算，在评价点附近的点在权重上比那些远离评估点的有更多的贡献。

搜索半径(带宽)和核函数是密度估计的两个要素。带宽的确定是一个重要的问题，因为它极大地影响了核密度估计的结果。此处，主要有两种方法，一种统计方法和一种非统计方法用来确定带宽。这个统计方法通常用于标准多元正态分布样本并用数学方法选择带宽。常见的方法就是最小二乘交叉验证的过程(LSCV)。然而，事故的发生很少接近标准正态分布。一个事故的发生往往是受一系列复杂事故组成参数(如路形、天气、照明等)所影响。使用统计方法选择带宽可能违反假设的分布，因而导致数据过于平滑。因此，非统计方法被经常使用，虽然它更主观，而且不都总是重复的。非统计方法首选的参数，是通过为合理选择带宽提供指导的一些因素来选择的。这个合适的带宽是基于目标结果的“最佳拟合”。举个例子，如果黑点精度需要在十米，则会选择生成带宽为一个半径为五米的近似圆形区域，以满足这一要求。

在核密度估算的地理信息系统的事故分析中，需要注意的是核密度估计法是基于栅格计算的。首先，栅格地图空间被分为有行和列的网格，每行和每列的交集创建出一个基于正方形的像素或单元格，如图2所示。在栅格地图中一个对象的几何图形由一组相邻的像素所表示，图2左边的栅格尺寸选取小于右侧。每个像素可以容纳离散或连续值。其次，核密度估计可以计算出表示密度的单元格值，还可以把像素转换成不同颜色或为同一颜色的密度分布着色。因为栅格的大小决定了密度分布的精度和提取精度，在后续实施中需要考虑案例情况来确定栅格的大小关系。

以上内容仅指出核密度估算的基础理论方法，为避免重复叙述，此方法在事故黑点生成中的具体实施将在具体实施方式中详细描述。

2.体积百分比轮廓法

核密度计算完成后需要用密度边界提取事故黑点边界。西曼和鲍威尔于1996年提出了体积百分比轮廓法，主要用于小范围密度分析的边界提取。在栅格计算中，传统的轮廓法是从栅格数据中提取特定值的边界。体积百分比轮廓法是不同的，因为它更接近于概率积累，而事故的发生是随机概率，所以这个方法对识别和提取实际事故黑点是非常有用的。这个体积百分比轮廓线的边界代表了一定比例的概率体积。

体积百分比轮廓法的基本原理如下：

首先，如前面所述，在黑点栅格格式中每个单元格被赋予了一个在单元格区域内的事故密度值。在数学上，我们假定研究区域是二维的(x和y)笛卡儿坐标系，分为一组边长为h的网格。在任何位置(x，y)的单元格的密度值的函数表示为f(x，y)。单位栅格单元的微观概率v可以表示为：

v(x,y)＝h²f(x,y)

每一个单元格都被赋予了一个核密度估计法算出的密度值。密度在图中由颜色的阴影表示。一个百分比阈值定义为所需的概率黑点区域，即一个积分，值是p(x,y)，如0.7或70％。

这意味着必须要有70％的概率体积的积累量。这个算法在所有单元格中循环，来找出具有最大密度值的单元格，如网格P1。P1的概率计算累加到一个特定的概率变量PX。PX会比较用户定义的值PH。如果PX>PH，循环停止，边界确立，

如图3所显示的计算过程所示。但如果PX<PH，则第二个循环开始，下一个最高密度概率单元被累积，比如是两个P2的网格，如图3中的(b)所示。PX值现在等于P1+2*P2的积累。迭代将持续到PX>PH满足及建立起所有边界网格。一般来说，10％的间隔通常是体积百分比轮廓法的默认值。它可以配置在一些体积百分比轮廓工具中。这意味着10％百分位数面积是事故密度最高的核心区，密度最低的地区占90％几乎包含所有事故点。这些方法的优点是它们是可重复的，具有可预测的结果，更准确地反映了事故黑点分布的关键区域。

以上内容仅指出体积百分比轮廓法的基础理论方法，此方法在黑点生成中的实施将在具体实施方式中详细描述。

3.黑点安全属性编辑

事故黑点可以被视为一个重要的属性，用于显示现有路网的空间的几何道路黑点。黑点的基础地理信息系统属性(如黑点位置、风险指数等)对于开发黑点数字地图是重要的。比如，黑点预警系统通过引用黑点数据库来确定黑点的预警，因此一般情况下，事故需要一些描述性属性数据用于描述黑点的风险系数，为相关黑点应用，比如，决策系统的开发提供数据库依据。

如下所示提供事故黑点段的加权公式。Si表示事故黑点严重的程度指数。用计数器(Si)统计单位时间内为某个事故黑点的事故严重程度上的函数。Wi是严重程度的加权。其他如历史汽车事故或保险损失等指标可以相应转化为事故严重程度指数。

注意，通过体积轮廓法提取后的黑点表示为折线，但仅仅折线不能被直接采用来描述黑点，因为它们仅仅是一个黑点的抽象边界。在GIS的数据格式中，多边形则是黑点对象最好的表达方式，因此，此处提出了一个在地理空间对象之间的转换要求。一些集成地理信息系统平台可以提供基于表格属性和地理信息系统层的数据集成。例如，如图5的(c)图所示，事故黑点可以通过提取后获得黑点的形状和其各个多边形顶点的坐标，并通过这些坐标转换成为黑点多边形。需注意，在道路网络的核心区域，黑点聚集地区被一个连通区域所覆盖。很难使用这样的大面积作为黑点预警，在这区域需要更详细的黑点。一个潜在的解决方案是减少在这区域的带宽但在其他区域保持相同的带宽。

同理，以上内容仅指出黑点安全属性编辑的基础理论方法，为避免重复叙述，对于如何具体的计算和应用黑点安全属性方法将在具体实施方式中进行详细描述。

3.有益效果

采用本发明提供的技术方案，与已有的公知技术相比，具有如下显著效果：

(1)本发明的一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法，可以通过地理信息系统快速、低成本的获取数字黑点地图，可快速计算路网事故密度，将路网黑点数据和导航相关的地图和数据库进行有效匹配，数字黑点地图可以用于支持与安全相关的ADAS，为其提供丰富的道路和环境信息(包括提供详细的道路黑点信息)；

(2)本发明的一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法，首次提出了将基于GIS内三个空间方法(核密度估计，体积轮廓法和属性编辑法)集成用于数字黑点地图的生成，相对于传统复杂的计量分析方法，本发明的统计原理是基于密度的分布估算和光栅密度网格提取，操作流程少，成本低，无需理解各类复杂计量模型，通过空间关系提取黑点分布；

(3)本发明的一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法，该方法无需应用巨量的事故数据，可利用较小区域内相对短时(1-3年内)的事故数据，所需数据量较少，同时在数据集成部分简化复杂的黑点属性数据，降低黑点数字地图的存储空间，可以通过远程服务实时更新数字地图和黑点信息，有效集成到导航地图中，能够有效解决ADAS系统有关实时的黑点数字地图的需求；

(4)本发明的一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法，操作流程可以规范化，并且所需计算资源少(仅仅需要基于GIS的空间分析软件和历史数据库)，通过GIS内的模型建造器(Model Builder)实现操作流程化，规范化，运行速度快，低耗时低成本的获取ADAS所需要的事故黑点数据库；

(5)本发明的一种用于先进驾驶辅助系统应用的GIS道路黑点地图生成方法，获得的数字地图具备地理信息系统的兼容性，可以通过格式转换成各种导航数据并和车载导航地图相结合，也可以与其他交通平台的地图相结合，应用范围广泛。

附图说明

图1中的(a)～(f)是本发明中核密度黑点方法空间估算步骤展示图；

图2中的(a)和(b)是栅格数据尺寸大小及黑点精度对比图；

图3中的(a)～(d)是体积轮廓法提取黑点边界步骤展示图；

图4是本发明中道路事故黑点实施方法和步骤框图；

图5中的(a)～(d)是本发明中核密度估计和体积轮廓黑点提取展示图。

具体实施方式

本发明通过采用一系列的基于GIS的空间方法和工具，在基于历史事故前提下，通过数据分析和提取道路黑点地图，并和导航地图以图层叠合的形式，形成局部的动态地图数据库，并用于支持各类实时ADAS的应用。为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1

如图4所示，本实施例的GIS道路黑点地图生成方法，整个过程分为三个阶段和九个步骤。其中，数据准备阶段主要用于事故黑点提取程序的前期数据准备和标准化的工作，主要步骤包括：(1)收集历史事故数据；(2)标准化历史事故数据；(3)整理事故数据格式。分析提取阶段主要用于事故黑点生成的具体实施，实施原理基于如上文所示的方法和原理，主要步骤包括：(4)实施核密度估计；(5)实施体积轮廓提取；(6)实施黑点风险评估。数据集成阶段主要用于数据黑点提取程序的具体实施，主要步骤包括：(7)实施黑点数据格式转换；(8)实施导航数据格式集成；(9)实施导航地图应用。

各个步骤的具体实施细节如下：

步骤一、收集历史事故数据：

收集历史交通事故数据是获得黑点分析和提取数据源的前提条件。一般情况下，历史交通事故数据从交管部门获得，大多数已经按照时间序列和事故类型分类存储管理。此处，需注意事故一般应该基于文本格式存储或存储于事故数据库中，大多情况下分为车、路、人等各类别相关数据。事故数据可通过线下获得数据格式文件，进一步的，如果交管部门有专用的交通事故数据库，可以根据连接数据库的方式来直接调取需要的数据源。获取事故数据方式多种多样，本发明此处不限获得事故数据的内容和方法。

步骤二、标准化历史事故数据：

因为事故数据来源多样化，在许多情况下由于事故记录数据都未按照需录入格式标准化，因此有必要将有用的事故数据按照分析要求提取，并将事故数据标准化后存储为文本格式或存入数据库中，以方便后面的黑点生成。

重要的分析信息包括事故日期、事故时间、事故坐标、事故类型、发生位置、具体成因等，应当区分存储。一般情况下，标准化的数据库按照地址信息逻辑格式【编号I，坐标D，信息S】的格式存储。I代表事故数据的编号或编码，D代表事故发生的街区和地理坐标，S表示事故发生的成因，损失等。比如，一个标准的事故格式可以设计和存储如下：

数据按标准化做前期准备，并按照约定的格式存储为文本格式或数据库中以便于后面的GIS输入。相应冗余的交通事故信息应该予以删除，有用信息应该予以保留，保证节省后期数据运算资源。本发明事故数据前期数据处理方法不做特殊要求，并且依据后面事故分析的需要，相应的事故数据格式可以变动并不做特别要求，但数据以标准化的格式存储和兼容的格式须存储到地理信息系统平台数据库并进行相应的有效计算。

步骤三、事故数据格式转换：

本实施例中，事故数据编辑后需充分考虑到相应的导航地图坐标框架，以便于后面与对应导航地图的坐标系统匹配。这包括：(1)导航数据的投影坐标系统必须一致，防止出现匹配错误。比如，如果事故数据分布的GIS图层的坐标体系基于WGS世界坐标系统，而路网数据库是基于局部的国家坐标系统，则需要将两个GIS图层调整为相同坐标系统；(2)数据格式和各类路网数据格式的存储格式兼容。通过事故数据存储到地理信息系统软件后，在地理信息系统里构建事故分析的数据层，比如SHP格式，用于后续黑点数据的计算和提取。

步骤四：利用步骤三获得的事故数据库实施核密度估计，在GIS系统软件内部估算事故黑点的分布；具体过程为：

1)设置分析事故方图层的栅格大小。栅格大小确定需要的事故地图精度和提取精度，这包括黑点需求的精度和密度。它表示地图的细致程度，也影响黑点提取质量。栅格大小根据提取黑点的精度的需要做相应的调整，比如，如果事故黑点精度要求不高，仅仅需要辨识路段级别的黑点，可以设定一个较大的值(比如，100)；如果需要精确的黑点估计，则需要较小的值(比如，50)。栅格和分辨率调整组合测试以获得最好的组合值。注意，两个不同大小的栅格在后续核函数和搜索半径的计算性能会有显著区别。较小尺寸的栅格，对应的分辨率越高，黑点生成速度较慢；栅格尺寸越大，对应的分辨率越低，黑点生出速度快。

2)设置核函数的带宽。如果带宽被设置为一个相对较小值，黑点分布显示将会相对分散，虽说事故黑点分布不会因带宽的设置而改变，但小密度区域可清楚地呈现为独立道路交叉口黑点。然而，事故黑点的数量就会太多太分散。反之，如果半径设置较大，这些黑点区域被聚集和连接起来。在高密度地区，特征的变化就会被模糊化，比如是具有高风险指数的城市中心核心区黑点都会连接在一起无法区分。因此，在选择带宽时，如何来平衡黑点的识别和带宽的选择将根据主观人工分析确定事故黑点密度，或根据过往的历史统计黑点，选择合适的带宽，均需要说明选择的理由，一般需要软件内部确定一个范围内的值，比如，300-500米，然后在这个范围内调整符合客观需要的带宽。

步骤五、在步骤四获得事故黑点的空间分布和范围后，实施体积轮廓法提取黑点的边界和范围，体积轮廓法通过计算积累的密度来提取黑点的边界。具体过程为：

1)用户可以定义一组轮廓提取的边界阈值来作为提取事故黑点的临界值。黑点轮廓边界阈值一般为一个百分比值，决定了黑点的边界，例如，50％、70％和90％。比例值越大，代表其他的概率密度体积越大，反之越小。当需要提取较为精确的事故黑点，需选取较大的体积轮廓比，相应，如对黑点精度要求不高，可选取较小的体积轮廓比。此处，体积轮廓的大小没有约定俗成的规则，需要考虑具体黑点大小的需求后做出评估。在图5的例子展示中，轮廓线是用体积百分比轮廓方法从现有轮廓的密度表面提取的，比如，体积轮廓线可以包括50％(内部)，70％(中间部分)和90％(外侧边界)。此处如果所有黑点轮廓被提取成曲线形式，很难用作一个黑点地图。折线需要转换为基于区域存储的信息。比如，多边形，来存储到数据库中。

2)基于体积轮廓法的理论，小区域可以更好地聚集类型相同的的事故，提供较好事故黑点的区分。例如，一个200米带宽可以提供一个更加分散的模式，来了解许多小面积事故黑点的原因。然而，如果黑点以更大的500米带宽聚集，几乎所有黑点特征都会被忽略，从图案中就无法清楚地确定不同事故黑点的原因，因为他们都被合并在了一起。如前所述，事故的密度分布可以通过核密度估计法建立一个等密度栅格的表面来表示。然而，这个密度表面不可能直接应用于数字地图系统。这是因为事故黑点的风险分布是由以栅格图形为基础的数字地图来表示的，如前面提到，需要使用带宽来确定密度分布区域和体积轮廓法来制定区分阈值，从而提取黑点的边界。如果黑点没有边界，高级驾驶辅助系统就无法确定黑点预警的实际位置，这促使给黑点创建特定的“边境检查点”。因此，在选取体积轮廓的体积比时需充分考虑到这个问题。

步骤六：在步骤五获得事故黑点的边界和范围后，利用属性编辑法实施黑点风险评估，具体过程为：

在上述步骤所建立的事故黑点数据库内，对每一个黑点事故数据的风险属性进行量化计算并将数据写入事故的黑点地图。比如，选择某一个已经提取的黑点，通过提取其覆盖范围内的道路事故黑点数量，可依次得到每个道路事故黑点的事故在单位时间段内发生的事故频数，一般情况下，可将单位时间的事故频数累计加成到事故数据库。

所有的事故黑点的相似之处是一些历史事故都发生在同一个地点。然而，事故黑点因事故的性质变化而有所不同，它们的顶点坐标(用来确定黑点位置和覆盖范围)和风险程度等也会发生变化。总结了有用的数字黑点地图的黑点属性及其功能的定义。事故黑点的各类属性通过使用空间统计方法统计事故黑点区域内的数据来确定。比如，事故黑点的风险程度可以通过对黑点内部的事故数量、事故类型、和事故严重程度做一个权重分析来确定。例如，黑点关键点是精确度坐标，是用于输入到ADAS的关键部分，来确定车辆是否可以通过(进入和离开)黑点。这可以通过提取黑点多边形的顶点坐标获得。类似的属性，可以直接从包含黑点的序号，形状，黑点事故史等的道路数据中提取并使用空间编辑方法存储于数据库，也可根据特定需要编写小程序对整个区域提取后再分布。

为了评估一个在道路网络中事故黑点的危险程度，事故风险指数是用来评估黑点危险的风险水平的。评估风险的指数可以设置为各类事故损失带来的伤害、死亡、财产损失。比如，累积事故数常用于计算各黑点风险的级别。如果要考虑事故的严重程度，可以对每一次事故的不同严重程度进行加权分配。比如，一个事故在最近三年平均发生了5次轻微事故和3次严重事故，则根据严重程度划分权重指标，得出一个平均的事故指数为W＝0.2*5+0.8*3＝3.4相应的其他事故黑点根据此公式可以进行计算出相应的权重系数，并将数据存储于数据层。此处按步骤可通过程序实现自动处理。

步骤七：实施黑点数据格式转换

实施黑点数据格式转换是将其集成到基于矢量的经典道路网络地图的必要步骤。因为提取后的黑点数据一般是基于GIS的数据文件，但导航数据一般基于实时应用数据存储量较小，可将导航数据的道路文件和黑点数据层以GIS叠加方式整合，依靠数据中介完成数据转换为导航数据格式，比如传统的GDF格式。注意此处需留意黑点数据表和道路数据表在关系数据库中的连接关系。在对移动应用，可采用基于嵌入式数据库存储的方式，可以充分利用数据库的检索特性，提高效率。同时，对地图数据进行更新时，插入、删除等涉及的操作系统底层的字节级的操作由数据库自行维护，这样，地图数据的更新将是以地图要素为单位，仅仅需要对逻辑层的关系进行维护也是采用将交换格式的数据，经过预处理后，编译成导航格式的数据。

步骤八、实施导航数据格式集成：

这个步骤通过将黑点地图数据库嵌入到导航数据数据库进行地图数据的存储。其中，地图显示和道路规划等信息记录在字段中并在数据表存储。黑点地图层作为导航数据的一个数据层集成到导航地图，车辆在实施导航时触发相应黑点执行相关操作。

步骤九：局域动态地图应用

局部动态地图提取完成，可将地图数据库上载到相应的导航系统或数据显示平台做矫正，进行地图的最终修订和应用。并在此基础上，开发应用于手持的或者车载的导航应用，提供黑点地图显示、路径规划，黑点警告等应用。

本实施例中的密度估计和体积轮廓黑点数据提取过程案例已经由图5的四个步骤展示。结合附图对本发明作进一步说明，选取2010-2012年英国诺丁汉市主城区道路网数据为对象，如图5(a)-(d)所示。图5(a)展示经过核密度估计后的事故黑点分布地图，颜色深处为密度最高部分，展示为整个的黑点部分。图5(b)展示经过体积轮廓法后事故黑点分布曲线。图5(c)展示经过体积轮廓法提取后的黑点边界。图5(d)展示经过体积轮廓法提取后的黑点边界及相应范围内的事故数据分布。

注意以下几点涉及本发明专利的详细论述：

本实施例的用于黑点数据的计算和提取，地理信息系统平台可以不限，可以是ARCGIS等商业化平台，也可以是其他具备算法编程的开源GIS软件平台。本实施例中的核密度分析和体积提取等空间工具，可以是软件本身自带工具箱也可以是通过编程实现的工具。

本实施例分析事故所涉及的相对核密度函数带宽和栅格大小不做规定。但是使用核密度函数栅格所实现的密度分布与后续体积密度提取法形成关联关系。核密度核函数和搜索半径运算的性能依据不同平台和软件算法不做规定。

本实施例中通过体积百分比轮廓法实施道路黑点路段的密度概率提取。轮廓百分比确定决定了黑点的边界，所采用参数依据道路黑点的需要或统计分析工具做出主观分析和判断，但参数本身不做规定。

本实施例中的道路网络中事故黑点的风险指数是用来评估道路黑点事故危险风险的等级。评估风险的指数选取可以设置为各类历史交通事故带来的人员伤害，死亡，财产损失等相关参数，但并不能因此而认为参数仅包含伤害，死亡和财产损失三类参数，也可以包括引起事故的相类似参数。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应该理解的是，上述针对实施例的描述较为详细，并不能因此而认为是对本发明专利范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，可以做成替换或者变形，均落入本发明的保护范围之内，本发明的请求保护范围应该以所附权利要求为准。