事故分析方法及设备

技术领域

本申请涉及数据处理技术领域，尤其涉及一种事故分析方法及设备。

背景技术

在交通规划刚要中，道路交通安全被放置在重要的位置中。因此，识别事故多发路段成为交通管理部门的重点任务。

现有技术中，事故多发路段的识别过程可以包括：人为统计某个路段上发生的历史事故数量，如果该历史事故数量大于或等于预设阈值，则将该路段确定为事故多发路段。

然而，上述方案存在准确度较差、时间成本较高的问题。

发明内容

本申请提供一种事故分析方法及设备，用以提高事故分析准确度，降低时间成本。

第一方面，本申请提供一种事故分析方法，包括：

获取事故数据和路段数据；

将所述路段数据和所述事故数据进行关联，以确定路段在所述路段数据中对应的路段形状和所述路段在所述事故数据中对应的事故信息；

根据所述事故信息和所述路段形状确定事故多发路段。

可选地，所述根据所述事故信息和所述路段形状确定事故多发路段，包括：

根据待识别路段上的事故信息确定所述待识别路段是否为事故多发路段，所述待识别路段包括至少一个所述路段；

若根据所述事故信息确定所述待识别路段不为所述事故多发路段，则确定所述待识别路段的预设距离范围内，是否存在所述路段形状为预设风险形状的路段；

若所述待识别路段的预设距离范围内，存在所述路段形状为所述预设风险形状的路段，则确定所述待识别路段为所述事故多发路段。

可选地，所述事故信息包括事故数量、伤亡人数，所述根据待识别路段上的事故信息确定所述待识别路段是否为事故多发路段，包括：

根据所述待识别路段的事故数量和所述待识别路段的尺寸，确定所述待识别路段的事故密度；

根据所述待识别路段的事故密度和所述待识别路段的伤亡人数，确定所述待识别路段是否为所述事故多发路段。

可选地，所述根据所述待识别路段的事故密度和所述待识别路段的伤亡人数，确定所述待识别路段是否为所述事故多发路段，包括：

根据所述待识别路段的伤亡人数确定事故等级；

若所述事故密度大于或等于预设事故密度，和/或，所述事故等级高于或等于预设等级，则确定所述待识别路段为事故多发路段；

若所述事故密度小于所述预设事故密度，以及，所述事故等级低于所述预设等级，则确定所述待识别路段不为所述事故多发路段。

可选地，所述方法还包括：

确定所述事故多发路段所对应的至少一个目标隐患因子，所述目标隐患因子用于指示所述事故多发路段的事故发生原因；

根据所述目标隐患因子的隐患类型、以及所述目标隐患因子与所述事故多发路段之间的距离，对所述至少一个目标隐患因子进行排序，所述隐患类型用于指示所述目标隐患因子对所述事故多发路段出现事故的影响，与所述距离之间的关系。

可选地，所述根据所述目标隐患因子的隐患类型、以及所述目标隐患因子与所述事故多发路段之间的距离，对所述至少一个目标隐患因子进行排序，包括：

根据所述目标隐患因子的隐患类型、以及所述目标隐患因子与所述事故多发路段之间的距离，确定所述目标隐患因子对所述事故多发路段的风险贡献参数；

根据所述风险贡献参数对所述事故多发路段的所述目标隐患因子进行排序。

可选地，所述根据所述目标隐患因子的隐患类型、以及所述目标隐患因子与所述事故多发路段之间的距离，确定所述目标隐患因子对所述事故多发路段的风险贡献参数，包括：

若所述隐患类型包括第一隐患类型，则根据所述距离确定所述风险贡献参数，所述风险贡献参数与所述距离负相关；

若所述隐患类型包括第二隐患类型，则将所述风险贡献参数确定为预设风险贡献参数。

可选地，所述确定所述事故多发路段所对应的至少一个目标隐患因子，包括：

根据所述事故数据、所述路段数据和路况数据中的至少一项，识别所述路段上的隐患因子；

根据所述事故数据的空间分布，确定所述隐患因子的隐患类型；

从所述路段上的所述隐患因子中，确定所述事故多发路段所对应区域内的隐患因子，作为所述目标隐患因子。

可选地，所述根据所述事故数据、所述路段数据和路况数据中的至少一项，识别所述路段上的隐患因子，包括：

从所述路段数据中提取预设风险形状的路段，以将所述预设风险形状作为所述路段的隐患因子；

根据所述事故数据和所述路况数据，确定所述路况数据中的拥堵路段与事故的关联关系；

若所述拥堵路段与所述事故存在关联关系，则将拥堵确定为所述拥堵路段的隐患因子。

第二方面，本申请提供一种事故分析装置，包括：

数据获取模块，用于获取事故数据和路段数据；

数据关联模块，用于将所述路段数据和所述事故数据进行关联，以确定路段在所述路段数据中对应的路段形状和所述路段在所述事故数据中对应的事故信息；

多发路段识别模块，用于根据所述事故信息和所述路段形状确定事故多发路段。

可选地，所述多发路段识别模块还用于：

根据待识别路段上的事故信息确定所述待识别路段是否为事故多发路段，所述待识别路段包括至少一个所述路段；

若根据所述事故信息确定所述待识别路段不为所述事故多发路段，则确定所述待识别路段的预设距离范围内，是否存在所述路段形状为预设风险形状的路段；

若所述待识别路段的预设距离范围内，存在所述路段形状为所述预设风险形状的路段，则确定所述待识别路段为所述事故多发路段。

可选地，所述事故信息包括事故数量、伤亡人数，所述多发路段识别模块还用于：

根据所述待识别路段的事故数量和所述待识别路段的尺寸，确定所述待识别路段的事故密度；

根据所述待识别路段的事故密度和所述待识别路段的伤亡人数，确定所述待识别路段是否为所述事故多发路段。

可选地，所述多发路段识别模块还用于：

根据所述待识别路段的伤亡人数确定事故等级；

若所述事故密度大于或等于预设事故密度，和/或，所述事故等级高于或等于预设等级，则确定所述待识别路段为事故多发路段；

若所述事故密度小于所述预设事故密度，以及，所述事故等级低于所述预设等级，则确定所述待识别路段不为所述事故多发路段。

可选地，所述装置还包括：

隐患因子识别模块，用于确定所述事故多发路段所对应的至少一个目标隐患因子，所述目标隐患因子用于指示所述事故多发路段的事故发生原因；

隐患因子排序模块，用于根据所述目标隐患因子的隐患类型、以及所述目标隐患因子与所述事故多发路段之间的距离，对所述至少一个目标隐患因子进行排序，所述隐患类型用于指示所述目标隐患因子对所述事故多发路段出现事故的影响，与所述距离之间的关系。

可选地，所述隐患因子排序模块还用于：

根据所述目标隐患因子的隐患类型、以及所述目标隐患因子与所述事故多发路段之间的距离，确定所述目标隐患因子对所述事故多发路段的风险贡献参数；

根据所述风险贡献参数对所述事故多发路段的所述目标隐患因子进行排序。

可选地，所述隐患因子排序模块还用于：

若所述隐患类型包括第一隐患类型，则根据所述距离确定所述风险贡献参数，所述风险贡献参数与所述距离负相关；

若所述隐患类型包括第二隐患类型，则将所述风险贡献参数确定为预设风险贡献参数。

可选地，所述隐患因子识别模块还用于：

根据所述事故数据、所述路段数据和路况数据中的至少一项，识别所述路段上的隐患因子；

根据所述事故数据的空间分布，确定所述隐患因子的隐患类型；

从所述路段上的所述隐患因子中，确定所述事故多发路段所对应区域内的隐患因子，作为所述目标隐患因子。

可选地，所述隐患因子识别模块还用于：

从所述路段数据中提取预设风险形状的路段，以将所述预设风险形状作为所述路段的隐患因子；

根据所述事故数据和所述路况数据，确定所述路况数据中的拥堵路段与事故的关联关系；

若所述拥堵路段与所述事故存在关联关系，则将拥堵确定为所述拥堵路段的隐患因子。

第三方面，本申请提供一种电子设备，包括存储器和至少一个处理器；

其中，存储器存储计算机执行指令；

至少一个处理器执行存储器存储的计算机执行指令，使得电子设备实现前述第一方面的方法。

第四方面，本申请提供一种非易失性计算机可读存储介质，其上存储有计算机执行指令或计算机程序；和/或，一种计算机程序，所述计算机执行指令或计算机程序被处理器执行时用于实现第一方面的方法。

第五方面，本申请提供一种计算机程序产品，用于实现第一方面的方法。

本申请提供的事故分析方法及设备，可以获取事故数据和路段数据；将路段数据和事故数据进行关联，以确定路段在路段数据中对应的路段形状和路段在事故数据中对应的事故信息；根据事故信息和路段形状确定事故多发路段。事故数据可以反应历史事故情况，路段数据可以反应路段情况，可以理解为路段本身的情况。本申请实施例实现了从事故上分析事故多发路段的基础上，从路段本身的情况分析事故多发路段，拓展了事故分析的维度，有助于提高事故分析准确度。并且相较于人为分析，本申请实施例的时间成本较低。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请实施例提供的结合事故数据和路段数据实现的一种事故分析示意图；

图2是本申请实施例提供的一种事故分析方法的步骤流程图；

图3是本申请实施例提供的一种事故分析过程的详细流程图；

图4是本申请实施例提供的一种事故分析装置的结构框图；

图5是本申请实施例提供的一种电子设备的结构框图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在交通管理场景中，分析事故多发路段是尤为重要的，可以使相关部门对事故多发路段进行改造，以降低事故发生率。

在一些相关技术中，在传统的六合一的单一要素模型中，通过人为统计一个或多个路段上的历史事故数量以分析得到事故多发路段。例如，当路段A1的历史事故数量大于或等于100时，可以将路段A1作为事故多发路段；当路段A2的历史事故数量小于100时，可以认为路段A2为非事故多发路段。

可以看出，上述方案仅依赖于一个维度的数据去分析事故多发路段，可能会遗漏掉部分事故多发路段，导致分析事故多发路段的准确度较差。并且，人为分析会导致时间成本较高，效率较低，以及，人为主观因素也会导致准确度较差。

为了解决上述技术问题，考虑到影响事故出现的最深层原因在于路段本身的情况，因此，本申请实施例结合路段数据和事故数据，以实现事故多发路段的分析。事故数据可以反应历史事故情况，路段数据可以反应路段情况，可以理解为路段本身的情况。例如，路段形状。因此，结合路段数据和事故数据可以实现历史事故情况和路段形状分析事故多发路段，从事故上分析事故多发路段的基础上，从路段本身的情况分析事故多发路段。

事故数据和路段数据可以通过路段标识关联。可以理解的是，事故数据中可以包括发生事故的路段标识，路段数据中也包括路段标识，因此，可以通过该路段标识将事故数据和事故数据关联，以从路段数据中获取到发生事故的路段所对应的路段形状。为结合路段形状和历史事故情况分析事故多发路段提供了实现基础。

图1是本申请实施例提供的结合事故数据和路段数据实现的一种事故分析示意图。参照图1所示，事故数据表用于存储事故数据，路段数据表用于存储路段数据。事故数据表至少包括以下两个事故的事故数据：事故B1和事故B2，事故B1所在路段的路段标识为A1，事故B2所在路段的路段标识为A2。路段数据表中至少包括以下两条路段的路段数据：路段标识A1对应的路段和路段标识A2对应的路段。路段标识A1对应的路段形状为C1，路段标识A2对应的路段形状为C2。

因此，可以将图1所示的事故数据和路段数据关联得到两条关联后数据：路段A1的事故及路段形状数据和路段A2的事故及路段形状数据。路段A1对应事故B1和路段形状C1，路段A2对应事故B2和路段形状C2。

需要说明的是，在将事故数据表和路段数据表关联后，可以得到路段数据表中每个路段分别对应的路段形状和该路段上发生的一个或多个事故的事故数据。当然，当某一路段A3上未发生事故时，关联后数据中该路段A3的事故数据可以为空，或关联后数据中不包括该路段A3的事故及路段形状数据。

基于路段的事故及路段形状数据，可以分析得到事故多发路段，该事故多发路段可以是路段数据表中的任意一条路段。

综上所述，本申请实施例在事故数据的基础上结合路段数据实现事故多发路段的分析，拓展了事故多发路段的分析维度，有助于提高事故多发路段的分析准确度。另外，相较于人为分析，通过事故数据和路段数据进行分析，可以降低时间成本，以及避免人为因素导致的准确度较差，有助于进一步提高分析准确度。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图2是本申请实施例提供的一种事故分析方法的步骤流程图。参照图2所示，本申请的事故分析方法可以包括：

S201：获取事故数据和路段数据。

参照图1所示，可以从数据库中的事故数据表中获取事故数据，以及，从数据库中的路段数据表中获取路段数据。

每条事故数据用于表示一个事故的相关信息，事故的相关信息可以包括但不限于：事故标识、事故的发生时间、事故的车牌信息、事故的车牌类型、路段标识、事故的经纬度位置、伤亡人数等。

每条路段数据用于表示一个路段的相关信息，路段的相关信息可以包括但不限于：路段的路段标识、路段类型、路段形状、路段位置、路段的起始位置、路段的结束位置、路段的管辖部门、路口信息、红绿灯信息、限速信息等。

上述事故数据表和路段数据表是从公安交通管理综合应用平台上同步得到的。

需要说明的是，上述数据库中除上述事故数据表和路段数据表之外，还可以存储其余数据表。例如，管辖单位数据表，用于存储管辖单位名称、管辖单位标识、管辖单位所管理区域等；路段属性表，用于存储路段的通行方向、路段等级、路段长度、所归属行政区域、限速等级、车道数等；路段形状数据表，用于存储路段标识、路段的高程信息、路段的曲率、路段的通行方向、坡度等；地图兴趣点数据表，用于存储地图上兴趣点的标识、位置、分类等，兴趣点可以是地图上的一个目标显示对象；水域数据表，用于存储水域类型、所归属的行政区域、水域的坐标信息、水位高度等级等；标识标牌数据表，用于存储标识标牌方向、标识标牌类型、看到标识标牌所需要的车辆与标识标牌之间的最大距离等；路段数据表，用于存储路段标识、拥堵等级、路段的平均行驶速度、路段的车流量等；气象数据表，用于存储降水、风向、气温、气象预报等数据。

S202：将路段数据和事故数据进行关联，以确定路段在路段数据中对应的路段形状和路段在事故数据中对应的事故信息。

其中，上述关联可以理解为数据表的关联，例如，可以将路段数据左关联(leftjoin)事故数据表。

事故数据表中包括但不限于：事故标识、事故的发生时间、事故的车牌信息、事故的车牌类型、路段标识、事故的经纬度位置、伤亡人数等。

路段的事故信息可以包括：路段上的一个或多个事故的事故数据以及，这些事故数据的统计结果。例如，统计结果可以包括但不限于：事故数量、伤亡人数。

路段形状可以为路段在路段表面上、纵断面、横断面等多个面上的几何形状，例如，直线形状、圆弧形状、直角形状、弯曲角度大于预设角度的形状等。

可以理解的是，S202的步骤可以理解为按照路段对事故信数据进行分组，以得到每个路段的事故信息。

S203：根据事故信息和路段形状确定事故多发路段。

在一种实施方式中，每条路段的事故信息中包括该条路段上的事故数量，若该事故数量大于或等于预设事故数量，和/或，该路段的路段形状为预设风险形状，则可以确定该路段为事故多发路段。若该事故数量小于预设事故数量，且该路段的路段形状不为该预设风险形状，则可以确定该路段为非事故多发路段。

在另一种实施方式中，每条路段的事故信息中包括该条路段上的伤亡人数，若该伤亡人数大于或等于预设伤亡人数，和/或，该路段的路段形状为预设风险形状，则可以确定该路段为事故多发路段。若该伤亡人数小于预设伤亡人数，且该路段的路段形状不为该预设风险形状，则可以确定该路段为非事故多发路段。

其中，路段上的事故数量是该路段上的所有事故的数量。路段上的伤亡人数可以是该路段上的所有事故的伤亡人数之和。当然，还可以结合事故信息中的其余信息和路段形状确定事故多发路段。本申请实施例对事故信息不加限制。

上述预设风险形状包括可能导致事故的形状，例如，圆弧形、直角形状、弯曲角度大于预设角度的形状等。例如，当路段在路段表面上为预设风险形状时，对应具有急转弯的路段；当路段在纵断面上为预设风险形状时，对应路面前后不平整的路段；当路段在横断面上为预设风险形状时，对应路面左右不平整的路段。

在另一种实施方式中，可以将所有路段按照地理位置进行拼接，得到拼接路段，不同拼接路段包括的路段数量相同，不同拼接路段包括的路段不同。其中，拼接路段中包括的路段数量可以预先设置，可以理解为预先设置拼接路段、待识别路段以及事故多发路段的长度。当拼接路段包括的路段数量为1时，将每个路段作为一个拼接路段。当拼接路段包括的路段数量大于1时，依次将起始位置与结束位置重叠的路段进行拼接，得到拼接路段。例如，路段A1的结束位置和路段A2的结束位置重叠，路段A2的结束位置和路段A3的结束位置重叠，因此，可以将路段A1、A2和A3依次拼接，得到一个拼接路段。

因此，可以以上述拼接路段为单位，通过以下过程确定事故多发路段：首先，对于任意一个拼接路段，将该拼接路段作为待识别路段；然后，根据待识别路段上的事故信息确定待识别路段是否为事故多发路段。若根据事故信息确定待识别路段为非事故多发路段，则确定待识别路段的预设距离范围内，是否存在路段形状为预设风险形状的路段。若待识别路段的预设距离范围内，存在路段形状为预设风险形状的路段，则确定待识别路段为事故多发路段。若待识别路段的预设距离范围内，不存在路段形状为预设风险形状的路段，则确定待识别路段为非事故多发路段。

其中，待识别路段是否为事故多发路段的策略和上述路段是否为事故多发路段的策略相同，也就是说，当待识别路段的事故信息中包括待识别路段的事故数量时，将事故数量大于或等于预设事故数量的待识别路段作为事故多发路段；或，当待识别路段的事故信息中包括待识别路段的伤亡人数时，将伤亡人数大于或等于预设伤亡人数的待识别路段作为事故多发路段。

可以理解的是，待识别路段上的事故数量是该待识别路段包括的所有路段的事故数量之和。待识别路段上的伤亡人数是该待识别路段包括的所有路段的伤亡人数之和。

本申请实施例可以先通过事故信息识别事故多发路段，再根据路段形状识别事故多发路段，以从多个维度尽可能的挖掘出来更多的事故多发路段，进而降低事故发生率。

在一些可选的实施方式中，在根据事故数量和伤亡人数，识别待识别路段是否为事故多发路段时，可以根据待识别路段的事故数量和待识别路段的尺寸，确定待识别路段的事故密度，以根据待识别路段的事故密度和待识别路段的伤亡人数，确定待识别路段是否为事故多发路段。相较于根据事故数量，事故密度可以消除待识别路段的尺寸对识别结果的影响，有助于提高事故多发路段的识别准确度。

其中，事故密度可以是事故数量和待识别路段的尺寸的比值，待识别路段的尺寸可以是面积或长度。当待识别路段的尺寸是面积时，事故密度是待识别路段的单位面积上的事故数量，当待识别路段的尺寸是长度时，事故密度是待识别路段的单位长度上的事故数量。

在得到事故密度时，可以将事故密度大于或等于预设事故密度的待识别路段确定为事故多发路段，将事故密度小于预设事故密度的待识别路段确定为非事故多发路段。

当然，在得到上述事故密度之后，还可以结合事故密度和待识别路段的伤亡人数确定事故多发路段。例如，将事故密度大于或等于预设事故密度，和/或，伤亡人数大于或等于预设伤亡人数的待识别路段，确定为事故多发路段。将事故密度小于预设事故密度，且伤亡人数小于预设伤亡人数的待识别路段，确定为非事故多发路段。

在结合事故密度和待识别路段的伤亡人数确定事故多发路段时，还可以根据待识别路段的伤亡人数确定事故等级，以根据事故密度和事故等级确定事故多发路段。具体的，若事故密度大于或等于预设事故密度，和/或，事故等级高于或等于预设等级，则确定待识别路段为事故多发路段。若事故密度小于预设事故密度，以及，事故等级低于预设等级，则确定待识别路段为非事故多发路段。

其中，事故等级与伤亡人数正相关，当伤亡人数越多时，事故等级越高，当伤亡人数越少时，事故等级越低。

综上所述，本申请实施例可以结合路段的事故信息和路段形状，识别得到事故多发路段。在得到事故多发路段之后，还可以进一步对事故多发路段进行分析，得到事故多发路段的至少一个目标隐患因子。其中，目标隐患因子用于指示事故多发路段的事故发生原因，以根据事故多发路段的每个目标隐患因子的隐患类型、以及事故多发路段的每个目标隐患因子与该事故多发路段之间的距离，对事故多发路段的至少一个目标隐患因子进行排序。如此，实现了对事故多发路段的根因分析，有助于快速解决事故多发路段的隐患，降低事故发生率。

上述目标隐患因子可以通过以下步骤得到：确定事故多发路段所对应区域，以根据该区域内的路段形状以及路况数据，确定该事故多发路段的目标隐患因子。

在一种隐患确定策略中，对于一个事故多发路段，可以将该事故多发路段所对应的区域内的预设风险形状作为该事故多发路段的目标隐患因子。例如，如果事故多发路段所对应区域内存在直角形状的路段，那么可以将该直角形状作为该事故多发路段的一个目标隐患因子。事故多发路段可以对应有一个或多个这样的预设风险形状的目标隐患因子。

在第二种隐患确定策略中，对于一个事故多发路段，可以确定该事故多发路段所对应的区域内是否出现拥堵路段，若该事故多发路段所对应的区域内出现拥堵路段，则可以将拥堵作为该事故多发路段的目标隐患因子。若该事故多发路段所对应的区域内未出现拥堵路段，则确定该事故多发路段的目标隐患因子不包括拥堵。

其中，上述事故多发路段所对应的区域至少包括事故多发路段的分布区域和该分布区域周围的临近区域。例如，可以以事故多发路段的分布区域为中心，预设距离范围内的区域作为该事故多发路段所对应的区域。事故多发路段所对应的区域可以为圆形，此时，预设距离范围可以为预设直径。事故多发路段所对应的区域还可以为矩形，或其余任意形状，本申请实施例对其形状不做限制。

在实际应用中，可以通过上述至少一种隐患确定策略得到目标隐患因子。

在另一些实施方式中，上述目标隐患因子还可以通过以下步骤得到：首先，根据事故数据、路段数据和路况数据中的至少一项，识别路段上的隐患因子；然后，根据事故数据的空间分布，确定隐患因子的隐患类型；最后，从各个路段上的隐患因子中，确定事故多发路段所对应区域内的隐患因子，作为目标隐患因子。

可选地，在根据事故数据、路段数据和路况数据中的至少一项，识别路段上的隐患因子，可以看以下两方面：

一方面，从路段数据中提取预设风险形状的路段，以将预设风险形状作为该路段的隐患因子。可以理解的是，每个路段的路段数据中包括该路段的路段形状，因此，对于每个路段，如果其路段形状为该预设风险形状，那么可以将预设风险形状作为该路段的隐患因子，如果其路段形状不为该预设风险形状，确定该路段的隐患因子不包括该预设风险形状。例如，如果一条路段的路段形状为直角形状，那么可以将直角形状作为该路段的隐患因子。

另一方面，根据事故数据和路况数据，确定路况数据中的拥堵路段与事故的关联关系。若拥堵路段与事故存在关联关系，则将拥堵确定为拥堵路段的隐患因子；若拥堵路段与事故不存在关联关系，则不将拥堵作为拥堵路段的隐患因子。

可以理解的是，事故数据中包括事故所在的路段标识，路况数据中包括路段标识所对应的路段的拥堵情况。因此，可以通过路段标识将事故数据和路况数据关联起来，以确定路段标识对应的路段是否出现事故，以及该路段的拥堵情况。若一个路段标识对应的路段出现拥堵和出现事故的时间重叠度大于或等于预设时间匹配度，那么可以确定该路段标识为拥堵路段，并且该拥堵路段与事故存在关联关系。若该路段标识对应的路段出现拥堵和出现事故的时间重叠度小于预设时间匹配度，那么可以确定该路段与事故不存在关联关系。

其中，时间重叠度用于表示路段出现事故和出现拥堵是否相伴出现。当时间重叠度越大时，代表路段出现事故和出现拥堵总是相伴出现，此时，代表路段出现事故很可能是出现拥堵引起的，两者存在关联关系。当时间重叠度越小时，代表路段出现事故和出现拥堵不是相伴出现，此时，代表路段出现事故可能并不是出现拥堵引起的，两者不存在关联关系。

在得到各个路段的隐患因子之后，还需要根据事故数据的空间分布，确定隐患因子的隐患类型。具体的，可以分析隐患因子的位置和事故发生路段之间的空间关系，以确定隐患类型，隐患类型用于指示隐患因子对事故的影响是否和距离相关，该距离是隐患因子和事故发生路段之间的距离。

其中，隐患因子的位置可以通过以下步骤确定：当一个路段的隐患因子包括该路段的路段形状为预设风险形状时，该隐患因子的位置为该隐患因子为该路段出现该预设风险形状的位置。当一个路段的隐患因子为拥堵时，该隐患因子的位置为出现拥堵的该路段的位置。

在得到上述各个路段的隐患因子之后，可以从各个路段上的隐患因子中，确定事故多发路段所对应区域内的隐患因子，作为目标隐患因子。具体的，对于每个路段，若该路段位于事故多发路段所对应区域内，则可以将该路段的隐患因子作为该事故多发路段的目标隐患因子；若该路段位于事故多发路段所对应区域外，则不将该路段的隐患因子作为该事故多发路段的目标隐患因子。

在得到上述事故多发路段的目标隐患因子之后，还可以根据事故多发路段的每个目标隐患因子的隐患类型、以及事故多发路段的每个目标隐患因子与该事故多发路段之间的距离，对事故多发路段的至少一个目标隐患因子进行排序。隐患类型用于指示目标隐患因子对事故多发路段出现事故的影响，与上述距离之间的关系。例如，隐患类型用于指示目标隐患因子对事故多发路段出现事故的影响，与上述距离是否相关。相应的，隐患类型可以包括第一隐患类型和第二隐患类型，第一隐患类型用于指示目标隐患因子对事故多发路段出现事故的影响与上述距离无关，第二隐患类型用于指示目标隐患因子对事故多发路段出现事故的影响与上述距离有关。

本申请实施例对目标隐患因子的排序可以辅助根因分析的按序进行，具体是使根因分析按照隐患类型和上述距离进行，方便查看、管理和处理目标隐患因子，有助于提高消除目标隐患因子的效率。

其中，上述目标隐患因子与事故多发路段之间的距离可以是目标隐患因子所对应的位置和事故多发路段之间的距离。例如，当目标隐患因子是预设风险形状时，上述距离为上述事故多发路段所对应的区域内路段形状为该预设风险形状的路段，与该事故多发路段之间的距离。当目标隐患因子是拥堵时，上述距离是上述事故多发路段所对应的区域内出现拥堵的路段，与该事故多发路段之间的距离。

在一些实施方式中，可以按照隐患类型和距离进行联合排序，包括两种联合排序策略。在第一种联合排序策略中，先按照隐患类型排序得到第一排序结果，然后，再对第一排序结果按照距离进行排序。在第二种联合排序策略中，先按照距离进行排序得到第二排序结果，然后，再对第二排序结果按照隐患类型进行排序。这里的排序可以包括：升序排列或降序排列。

在另一些实施方式中，可以根据目标隐患因子的隐患类型、以及目标隐患因子与事故多发路段之间的距离，确定目标隐患因子对事故多发路段的风险贡献参数，以根据事故多发路段的各目标隐患因子分别对应的风险贡献参数，对事故多发路段的目标隐患因子进行排序。

其中，当一个目标隐患因子对事故多发路段的风险贡献参数越大时，代表该目标隐患因子导致该事故多发路段出现事故的概率越大；当一个目标隐患因子对事故多发路段的风险贡献参数越小时，代表该目标隐患因子导致该事故多发路段出现事故的概率越小。

因此，按照风险贡献参数对事故多发路段的目标隐患因子进行排序，尤其是降序排列，可以辅助快速找到最有可能导致该事故多发路段出现事故的目标隐患因子，以对其进行消除，可以提高消除事故隐患的效率。

在一种实施方式中，事故多发路段的一个目标隐患因子对该事故多发路段的风险贡献参数可以根据隐患类型和上述距离灵活设置。例如，可以将隐患类型用数值表示，以将该隐患类型的数值和距离输入到一个预设函数中，得到风险贡献参数。

以一个事故多发路段为例，该事故多发路段的其中一个目标隐患因子对该事故多发路段的风险贡献参数，还可以通过以下过程确定：

若该目标隐患因子的隐患类型包括第一隐患类型，则代表目标隐患因子对事故多发路段出现事故的影响，与该目标隐患因子与该事故多发路段之间的距离相关。此时，可以根据该目标隐患因子与该事故多发路段之间的距离，确定该目标隐患因子对该事故多发路段的风险贡献参数，该风险贡献参数与该距离负相关。

在上述场景下，当该距离越大时，代表该目标隐患因子对该事故多发路段出现事故的影响越小，风险贡献参数越小；反之，当该距离越小时，代表该目标隐患因子对该事故多发路段出现事故的影响越大，风险贡献参数越大。特别的，当上述距离为0时，目标隐患因子位于事故多发路段上，两者的位置重叠，此时，目标隐患因子对事故多发路段的风险贡献参数最大。若该目标隐患因子的隐患类型包括第二隐患类型，则代表目标隐患因子对事故多发路段出现事故的影响是稳定的，与目标隐患因子与该事故多发路段之间的距离无关。此时，可以将该目标隐患因子对该事故多发路段的风险贡献参数确定为预设风险贡献参数。预设风险贡献参数是大于或等于最小风险贡献参数，且小于或等于最大风险贡献参数的任意风险贡献参数。例如，该预设风险贡献参数可以为(最小风险贡献参数+最大风险贡献参数)/2，或预设风险贡献参数可以为最大风险贡献参数，或预设风险贡献参数可以是最小风险贡献参数。

可以理解的是，预设风险贡献参数可以根据实际场景需求以及经验设置，此外，根据距离确定的风险贡献参数小于或等于最大风险贡献参数，且大于或等于最大风险贡献参数。例如，如果需要将第二隐患类型的目标隐患因子降序排列在最前面，可以将预设风险贡献参数设置为最大风险贡献参数。又例如，如果需要将第二隐患类型的目标隐患因子降序排列在最后面，可以将预设风险贡献参数设置为最小风险贡献参数。再例如，如果经验说明第二隐患类型的目标隐患因子的风险贡献参数是中等大小，那么可以将预设风险贡献参数设置为(最小风险贡献参数+最大风险贡献参数)/2。

在一种示例中，当目标隐患因子对事故多发路段的风险贡献参数与距离负相关时，目标隐患因子对事故多发路段的风险贡献参数D可以通过以下公式计算得到：D＝E+F/(G+H)，其中，E、F和G均是常数，H是距离。因此，最大风险奉献参数为E+F/G，最小风险奉献参数为E。

当然，本申请实施例对风险贡献参数和距离之间的负相关函数不做限制，在实际应用中可以根据实际场景灵活设置负相关函数。

综上所述，本申请实施例基于静态的路段数据、动态的事故数据和动态的路况数据，综合采用数据挖掘、空间关系分析、机器学习、数理统计等技术，分析得到事故多发路段和事故多发路段的目标隐患因子。本申请实施例可以适用于各种类型的道路分析中，包括但不限于：高速公路、普通公路和城市道路。

图3是本申请实施例提供的一种事故分析过程的详细流程图。参照图3所示，上述事故分析过程的详细流程包括以下步骤。

S301：获取事故数据和路段数据。

S302：将路段数据和事故数据进行关联，以确定路段在路段数据中对应的路段形状和路段在事故数据中对应的事故信息，事故信息包括事故数量、伤亡人数。

S303：根据待识别路段的事故数量和待识别路段的尺寸，确定待识别路段的事故密度，待识别路段包括至少一个上述路段。

S304：根据待识别路段的伤亡人数确定事故等级。

S305：若事故密度大于或等于预设事故密度，和/或，事故等级高于或等于预设等级，则确定待识别路段为事故多发路段。

S306：若事故密度小于预设事故密度，以及，事故等级低于预设等级，则确定待识别路段的预设距离范围内，是否存在路段形状为预设风险形状的路段。

S307：若待识别路段的预设距离范围内，存在路段形状为预设风险形状的路段，则确定待识别路段为事故多发路段。

S308：从路段数据中提取预设风险形状的路段，以将预设风险形状作为路段的隐患因子。

S309：根据事故数据和路况数据，确定路况数据中的拥堵路段与事故的关联关系。

S310：若拥堵路段与事故存在关联关系，则将拥堵确定为拥堵路段的隐患因子。

S311：根据事故数据的空间分布，确定隐患因子的隐患类型，隐患类型用于指示目标隐患因子对事故多发路段出现事故的影响，与距离之间的关系。

S312：从路段上的所述隐患因子中，确定事故多发路段所对应区域内的隐患因子，作为目标隐患因子，目标隐患因子用于指示事故多发路段的事故发生原因。

S313：若隐患类型包括第一隐患类型，则根据距离确定风险贡献参数，风险贡献参数与距离负相关。

S314：若隐患类型包括第二隐患类型，则将风险贡献参数确定为预设风险贡献参数。

S315：根据风险贡献参数对事故多发路段的目标隐患因子进行排序。

需要说明的是，上述S301至S315可以在相互独立的基础上，灵活调整顺序，本申请对其顺序不加限制。

图4是本申请实施例提供的一种事故分析装置的结构框图，参照图4所示，上述事故分析装置400包括：

数据获取模块401，用于获取事故数据和路段数据。

数据关联模块402，用于将所述路段数据和所述事故数据进行关联，以确定路段在所述路段数据中对应的路段形状和所述路段在所述事故数据中对应的事故信息。

多发路段识别模块403，用于根据所述事故信息和所述路段形状确定事故多发路段。

可选地，所述多发路段识别模块403还用于：

根据待识别路段上的事故信息确定所述待识别路段是否为事故多发路段，所述待识别路段包括至少一个所述路段；

若根据所述事故信息确定所述待识别路段不为所述事故多发路段，则确定所述待识别路段的预设距离范围内，是否存在所述路段形状为预设风险形状的路段；

若所述待识别路段的预设距离范围内，存在所述路段形状为所述预设风险形状的路段，则确定所述待识别路段为所述事故多发路段。

可选地，所述事故信息包括事故数量、伤亡人数，所述多发路段识别模块403还用于：

根据所述待识别路段的事故数量和所述待识别路段的尺寸，确定所述待识别路段的事故密度；

根据所述待识别路段的事故密度和所述待识别路段的伤亡人数，确定所述待识别路段是否为所述事故多发路段。

可选地，所述多发路段识别模块403还用于：

根据所述待识别路段的伤亡人数确定事故等级；

若所述事故密度大于或等于预设事故密度，和/或，所述事故等级高于或等于预设等级，则确定所述待识别路段为事故多发路段；

若所述事故密度小于所述预设事故密度，以及，所述事故等级低于所述预设等级，则确定所述待识别路段不为所述事故多发路段。

可选地，所述装置还包括：

隐患因子识别模块，用于确定所述事故多发路段所对应的至少一个目标隐患因子，所述目标隐患因子用于指示所述事故多发路段的事故发生原因。

隐患因子排序模块，用于根据所述目标隐患因子的隐患类型、以及所述目标隐患因子与所述事故多发路段之间的距离，对所述至少一个目标隐患因子进行排序，所述隐患类型用于指示所述目标隐患因子对所述事故多发路段出现事故的影响，与所述距离之间的关系。

可选地，所述隐患因子排序模块还用于：

根据所述目标隐患因子的隐患类型、以及所述目标隐患因子与所述事故多发路段之间的距离，确定所述目标隐患因子对所述事故多发路段的风险贡献参数；

根据所述风险贡献参数对所述事故多发路段的所述目标隐患因子进行排序。

可选地，所述隐患因子排序模块还用于：

若所述隐患类型包括第一隐患类型，则根据所述距离确定所述风险贡献参数，所述风险贡献参数与所述距离负相关；

若所述隐患类型包括第二隐患类型，则将所述风险贡献参数确定为预设风险贡献参数。

可选地，所述隐患因子识别模块还用于：

根据所述事故数据、所述路段数据和路况数据中的至少一项，识别所述路段上的隐患因子；

根据所述事故数据的空间分布，确定所述隐患因子的隐患类型；

从所述路段上的所述隐患因子中，确定所述事故多发路段所对应区域内的隐患因子，作为所述目标隐患因子。

可选地，所述隐患因子识别模块还用于：

从所述路段数据中提取预设风险形状的路段，以将所述预设风险形状作为所述路段的隐患因子；

根据所述事故数据和所述路况数据，确定所述路况数据中的拥堵路段与事故的关联关系；

若所述拥堵路段与所述事故存在关联关系，则将拥堵确定为所述拥堵路段的隐患因子。

上述装置实施例与前述方法实施例对应，具体说明可以参照前述方法实施例中的说明，本申请实施例在此不再赘述。

图5是本申请实施例提供的一种电子设备的结构框图。该电子设备600包括存储器602和至少一个处理器601。

其中，存储器602存储计算机执行指令。

至少一个处理器601执行存储器602存储的计算机执行指令，使得电子设备600实现前述图2中的方法。

此外，该电子设备600还可以包括接收器603和发送器604，接收器603用于接收从其余装置或设备的信息，并转发给处理器601，发送器604用于将信息发送到其余装置或设备。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，其上存储有计算机执行指令或计算机程序，所述计算机执行指令或计算机程序被处理器执行时用于实现如前述事故分析方法。

在示例性实施例中，还提供了一种一种计算机程序，该计算机程序被处理器执行时用于实现如前述事故分析方法。

在示例性实施例中，还提供了一种计算机程序产品，用于实现前述事故分析方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。