一种基于时变状态转移概率马尔可夫链的行车风险预测方法

摘要

本发明提供了一种基于时变状态转移概率马尔可夫链的行车风险预测方法，一、线下行车风险预测模型训练：基于事故和临近事故样本，通过对时间窗特征参数聚类划分实时行车风险状态并将其作为马尔可夫链可列状态，建立不同行车风险状态下的行车风险状态转移多项logistic模型；二、线上行车风险模型实时预测：在车联网环境下，实时采集预测模型所需变量参数，通过风险状态聚类中心位置和马尔可夫性质计算初始状态概率分布向量及未来任一时刻马尔可夫链n步转移概率，获得未来车辆风险状态预测结果。本发明通过递推算法实现了马尔可夫链n步时变状态转移概率的估计，可反映行车风险状态转移概率随交通系统特征变化而变化的特征，并能满足预警实时性要求。