背景技术 随着汽车保有量的持续增加，道路交通安全形势显得尤为严峻，识别公路交通事故多发路段对于交警部门根据不同时间、天气情况合理分配警力及救援设备部署，从而提高交通管制能力有重要意义。 目前，国内外交通事故多发路段识别方法主要有以下几类： 第一类是运用交通冲突分析技术(TCT)，通过预测车辆运行轨迹判断可能存在的交通冲突点，将交通冲突较为严重的位置判断为事故多发路段。该方法对交通事故历史数据的依赖程度较小，但是由于交通冲突分析方法工作量较大，因此只适用于小范围城市道路的交通事故黑点鉴别。 第二类是建立在历史交通事故数据上，首先对所研究道路人工分段，然后直接运用事故数法和事故率法鉴别事故多发路段，或者通过构建泊松回归、负二项回归以及经验贝叶斯方法等模型回归分析事故数据，根据对事故发展趋势的预测判断事故多发路段。这一类方法由于需要人工在识别前对道路进行分段，分段的结果将直接影响交通事故多发路段的影响。另一方面，时间和天气情况对于交通安全有重大的影响，但以上现有技术中交通事故多发路段识别方法并未考虑时间和天气情况，大大降低了识别结果准确性。 发明内容 为避免上述现有技术所存在的不足，提供一种基于事故危险度的交通事故多发路段识别方法，提高识别结果的准确性，为交警部门根据不同时间、天气因素合理部署警力和救援设备提供依据。 为解决技术问题采用如下技术方案： 基于事故危险度的交通事故多发路段识别方法的特点是按如下步骤进行： 1：针对被识别道段A中已发生的历史交通事故，确定每起历史交通事故的发生时间、发生天气和发生地点； 2：在所述历史交通事故中，选择出所有符合设定的时间和天气的历史交通事故构成交通事故数据集S； 3：根据设定的时间和天气，确定符合条件、且以天计的时间长度T； 4：依据式(1)所表征的高斯分布函数计算获得交通事故数据集S中每一个历史交通事故Si对所述被识别道段A中的被识别点Aj的事故危险度的影响值f(xi|Aj)： 式(1)中，m0为被识别点Aj距离被识别道段起点A0的距离；xi为历史交通事故Si的发生地点距离被识别道段起点A0的距离；k是与历史交通事故Si的伤亡人数相关的系数，σ是与被识别道段A最高限速相关的系数； 由式(2)计算获得被识别点Aj的事故危险度f(Aj)： |S|是指交通事故数据集S中的历史交通事故的个数； 5：设定事故危险度安全阈值为L，判断事故多发路段： 若有：f(Aj)≥L，则判断被识别点Aj为事故多发点； 6、按步骤4和步骤5获得被识别道段A中每一个被识别点Aj的事故危险度f(Aj)，并判断其是否为事故多发点，将所有事故多发点组成的区间识别为事故多发路段。 基于事故危险度的交通事故多发路段识别方法的特点也在于：在所述步骤1中，将历史交通事故的发生时间设置为季度、星期、昼夜和时刻等的不同描述形式；将历史交通事故的发生天气设置为气温、天气、风力和风向等不同的描述形式，将事故发生地点定义为事故发生地距离道路起点的距离。