高速公路交通事故预测研究

为判别高速公路交通流状态参数对交通事故的影响,提取了美国I-10号州际高速公路的实时交通流数据和交通事故数据,建立了实时交通流状态下的高速公路交通事故泊松分布预测模型,并对模型中显著变量进行了弹性分析。结果表明:泊松分布模型能够很好地拟合高速公路交通事故;平均交通量、平均占有率、大车比例和速度标准差4个参数显著影响高速公路交通事故,并且与之呈正相关关系;交通量是诱导高速公路交通事故发生最突出的因素,交通量增长1%,可导致交通事故增长7.96%。     

基于广义线性模型的干线公路交通事故预测

为掌握干线公路交通安全状况,探究影响其事故发生的显著影响因素,收集国道主干线昌金(昌傅—金鱼石)高速公路K905—K982段2010年发生的240起交通事故数据和交通流数据,按照定长法对路段进行划分,共获得77个样本路段,建立了基于广义负二项线性回归的干线公路事故预测模型,并引入弹性系数概念对影响因素的影响程度进行量化分析。结果表明交通量、道路平均占有率、大车比例和速度标准差对干线公路交通事故的发生影响显著,且均与之呈正相关关系;应用该模型对该路段2011年事故数进行预测,总体相对误差为7.6%,预测精度满足要求。     

基于线形与交通状态的山区高速公路追尾事故预测

为了进行山区高速公路追尾事故预测并识别追尾事故突出诱导因素,在对两车追尾事故进行类别划分并确定出典型两车追尾事故的基础上,分析了典型两车追尾事故的事故率与线形指标、车速差、大型车混入率、交通量等单一因素间的相关关系。鉴于单一因素与追尾事故率间的关系不能准确描述追尾事故发生规律的缺陷,建立了线形与交通状态组合条件下的追尾事故次数负二项分布预测模型,并给出了模型变量弹性系数计算方法,用以确定追尾事故的突出诱导因素。研究结果表明：基于线形与交通状态的追尾事故负二项分布预测模型能够对追尾事故进行准确预测,利用弹性系数计算方法确定出车速差、年平均日交通量（AADT）以及竖曲线半径为典型两车追尾事故的突出诱导因素。     

考虑车道变换影响的高速公路交通事故预测模型研究

考虑车道变换可能对交通安全造成不利影响,结合广东省3条高速公路64个路段的交通运行状况数据和交通事故历史数据,利用负二项分布预测方法,建立并标定了基于交通量、路段长度、车道变换次数、大型车变道比例、单位里程变道次数等5个解释变量10组不同组合的交通事故预测模型.通过计算各组模型的Akaike信息量准则指标,得到了3组权衡了模型结构(即解释变量数量)和数据拟合度的最优模型.结果表明,虽然3组最优预测模型的预测精度仍有待提高,但是考虑车道变换影响的交通事故预测模型明显优于其他模型.这说明与车道变换相关的变量可以作为交通事故预测的有效解释变量,并且引入该类型变量可以更好地预测高速公路交通事故的发生.     

基于轨迹和气象数据的高速公路行车安全风险研究

气象因素是影响高速公路行车安全的因素之一。以往研究较少采用实时气象数据,且大多只针对某类气象因素进行研究。现利用TJRD平台上的高速公路车辆轨迹数据和道路实时气象信息系统(Road Weather Information System, RWIS)数据,综合考虑了交通流因素和气象因素对交通冲突的影响,采用负二项分布模型,构建了高速公路交通冲突致因分析模型。分析表明,纵向风速和纵向速度标准差是影响高速公路行车安全的主要因素,能见度和路面湿滑系数为次要因素。研究结果可以为高速公路安全管控策略制定提供理论依据。     

基于大数据的高速公路交通事故分析系统研究

高速公路交通事故数据体量大、类型多、时效性要求高,应用大数据理论深度挖掘数据特征以提升运营安全已成为趋势。为建立交通事故分析系统,集合道路线形、交通流、历史事故数据等,首先采用邻近度技术、关联分析法清洗数据;然后从行车危险度角度,界定并筛选高速公路事故特征路段;最后利用变量柔性的广义负二项分布构建特征路段的事故预测模型。该系统的建立将可以充分挖掘事故数据特征,并辅助道路交通管理者实施决策。     

基于交通流稳定性系数的高速公路交通事故实时风险预测

预测交通事故实时风险时，存在大量指标变量，导致数据难以采集，不仅不利于构建预测模型，且带来的过拟合问题会降低模型预测可靠性。为了减少预测指标数量，提升预测模型可用性，降低预测模型过拟合影响，构建具有可解释性的2种交通流稳定性系数以简化指标集，分别为纵向交通流稳定系数和横向交通流稳定系数。采集西安市G3001高速公路交通事故与交通流历史数据，选用支持向量机、随机森林、Logistic回归模型，分别构建高速公路交通事故实时风险预测模型。通过改进的GI指数评估交通流稳定性系数的显著性，以检验其有效性；通过指标集在训练与测试数据中的预测精度、AUC值差异评估交通流稳定性系数对降低预测模型过拟合的作用，并通过训练耗时评估模型的计算效率，以检验新方法的可靠性。研究结果表明:2种交通流稳定性系数对应的改进GI指数分别为0.952和0.922，显著大于其他受试指标，与交通事故实时风险显著相关。在3种预测模型中，包含2种交通流稳定性系数的简化指标集在训练和测试数据中的预测精度分别为91.1%和90.5%，与完整指标集相近。2种指标集在训练与测试数据中的平均预测精度差异分别为0.69%和4.87%；平均AUC值差异分别为1.61%和5.87%；平均训练时间下降了15.2%。交通流稳定性系数大幅提高了预测模型的可靠性，同时显著提升了模型的计算效率。      

一段典型山区高速公路的事故频次建模研究

山区高速公路是道路交通系统中的一个重大安全隐患。文中通过对一段典型山区高速公路上事故频次建模,获得了对主要风险因素的安全效应评价;通过数据预处理及对其中"过度离散"和"零膨胀"特征的观察与统计检验,建立了基于零膨胀负二项回归技术的事故预测模型;对比传统泊松和负二项模型,该模型具有更好的数据拟合度和鲁棒性。研究结果表明陡坡、弯道、季节、隧道等是影响山区高速公路事故发生的主要因素。同时提出了一种计算"零事故状态"下各因素相对重要性的方法。     

路侧事故预测模型的统计分析方法研究

介绍了泊松分布、负二项分布、零堆积泊松和零堆积负二项4种概率分布形式及模型的评价和检验。并介绍了确定模型中单个变量对路侧事故边际影响弹性分析方法。为道路设计人员和养护人员针对路侧隐患设施给出量化的整改方案,并对各改善措施进行经济评价提供理论依据。     

双车道高速公路追尾事故实时预测模型

现有的高速公路实时事故预测模型对高速公路信息化采集设备的布设密度和采集的数据粒度要求很高,在低信息化的高速公路管理工作上难以得到应用.结合国内高速公路信息化现状,使用单个检测器所采集的数据,对高速公路追尾事故实时风险进行研究.基于江苏省扬州市启扬高速公路上布设的超声波交通流检测器所采集的交通流数据,采用配对案例对照方法和二元逻辑回归,建立了双车道高速公路追尾事故实时预测模型.对事故前5~20 min的交通流数据分别构建流量时空矩阵、速度时空矩阵、平均车头间距时空矩阵,通过引入矩阵特征值简化建模过程并避免了指标间的相关性过高问题.模型总体精度85.7%,事故预测精度33.3%,误报率低于2%,相比已有模型总体预测精度较高,误报率较低,表明了该方法应用于追尾事故实时预测领域的可行性和有效性.      

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

零截尾负二项模型在交叉口事故预测中的应用

事故预测模型是广泛采用的交通安全定量分析方法，但往往要求具有完备的道路、交通和事故数据。然而，基础数据相对不健全是包括中国在内的发展中国家交通安全管理面临的主要问题之一，例如仅有发生事故路段或者交叉口的相关属性特征（即零截尾数据）。为此，为确保基础数据不全的情况下交叉口事故预测的准确性，提出了基于零截尾的广义负二项回归模型；采集了246个非信号控制交叉口的交通与事故数据，采用传统负二项模型和新提出的零截尾负二项模型对全数据和零截尾数据分别进行对比分析。结果表明：在针对截尾数据的分析中，零截尾负二项模型明显优于传统负二项模型，并且零截尾负二项模型的参数估计值与基于全数据的负二项基准模型的估计值非常接近；在所有模型中，交叉口的主路交通量和支路交通量与交叉口的安全性之间存在较大的正关联。此外，同等条件下，十字形交叉口的事故数量高于T形交叉口的事故数量；利用传统负二项分布模型分析截尾数据得到的事故预测模型与使用全数据的基准模型有显著差异，其结果不可靠；采用零截尾负二项分布模型的参数结果与基准模型基本一致，截尾模型的置信区间包含基准模型相应的参数估计值。当受条件所限无法获取全部数据时，可以考虑使用零截尾负二项模型进行安全分析。     

考虑降雨影响的城市交通流车速多层线性模型研究

应用多层线性模型研究了降雨强度对城市道路交通流平均行驶车速的影响.研究资料包括道路特征数据(25个路段)、广州市城市道路交通流平均行驶车速数据(有效车速样本量超过160万)和降雨量数据(样本量93 462).采集时间从2011年6月至2012年4月一共330 d.基于以上大规模数据,应用多层线性模型(HLM),建立了一个降雨条件下道路交通流车速的短时动态预测模型.结果表明:交通流信息存在嵌套、分层的数据结构,相较于传统交通流研究方法,多层线性模型对交通流影响因素的研究将更为合理;降雨对车速的影响具有普遍的空间变异性,这是因为每个路段具有不同的物理特征;交通流的影响因素之间存在着显著的跨层交互效应,这与传统理论对交通流的认识不同;本文提出的降雨条件下交通流车速的短时动态预测模型具有路段适用性广的突出优点,这与大多数传统交通流模型适用范围较为狭窄的特点较为不同.     

基于径向基神经网络的高速公路交通事故影响因素分析

为实现多重因素作用下的高速公路交通事故分析，基于径向基神经网络理论建立交通事故预测模型，综合考虑道路线形（圆曲线半径、转角、纵坡）、交通组成（自然交通量、折算交通量、货车率）及路面技术状况指标（PCI、RQI、RDI、SRI）三类因素，对某高速公路2018年—2022年的交通事故进行建模训练，并分析各因素对诱发交通事故的贡献。结果表明：径向基神经网络用于预测交通事故，可行性强、准确率高（91.6%）；相较于线形指标而言，交通组成与路况指标对交通事故影响较大；各因素对诱发交通事故的贡献排序为自然交通量>SRI>折算交通量>RDI>货车率。     

基于监控数据的高速公路实时事故风险模型

近年来,高速公路事故发生率高居不下.同时,对于高速公路而言,其交通流检测器安装又较为普遍.因此研究如何深入挖掘交通流检测数据以实现对高速公路事故风险实时预测很有必要.基于美国加州2012年发生事故最多的4条高速公路I5,I10,I405和I15的全年事故数据和交通流数据,以病例对照基本思路选取事故组和对照组数据,选定交通流数据研究范围,并选用ADASYN算法处理不平衡数据集问题.基于随机森林模型,利用事故发生前10~40 min内的事故地上游4个检测器、下游2个检测器的3种基本交通流数据构建高速公路实时事故风险模型,事故预测准确率可达到88.02%.选取重要性前十的变量作为事故重要诱导因素,对事故重要诱导因素进行调值,将调值后的测试集放入之前构建的随机森林模型进行分类预测,结果显示减少了41.82%的事故,故可认为利用事故重要诱导因素可进行事故先兆预警工作,从而减少事故的发生.      

检测数据缺失条件下的交通流估计方法研究

城市路网中部分交通量检测器失效会导致路段的交通流观测数据缺失,从而影响路段实时交通拥堵状况的辨识和分析.基于路网交通流数据的时空分布特性和道路交通流特征,研究了一种改进重构算法,对缺失的交通量数据进行估计.构建了交通量时空数据的三维张量模型;综合考虑道路交通流分布与环境特性,提出了基于T ucker重构模型的目标优化函数,进而求解得到检测器失效路段的交通量估计值;对改进重构算法、T ucker重构算法和时空插值算法在不同交通量数据缺失情况下的估计效果进行了比较.实验结果表明,在6条路段组成的实验路网中,早高峰交叉口进口道实时观测交通量随机缺失50% 或其中3条道路完全缺失的情况下,估计结果的平均绝对误差(MA E)分别为13.9614和14.2763,均方根误差(RMSE)分别为18.7648和18.7070.相较于Tucker重构算法,MA E分别下降了32.29% 和44.26%,RMSE分别下降了31.73% 和48.57%.      

高速公路交通事故非线性负二项预测模型

以京港澳高速公路（G4）粤境北段3年发生的1 354起交通事故为研究对象,将基础数据根据路段长度一致、曲线半径一致和坡度一致划分路段单元对基础数据进行处理,从道路线形和环境条件2个方面选取13个自变量,分别采用负二项（Negative Binomial,NB）回归模型和非线性负二项（Nonlinear Negative Binomial,NNB）回归模型建立交通事故起数预测模型,根据模型的拟合优度和预测准确性对比分析负二项回归和非线性负二项回归模型的优劣,并找出影响交通事故起数的显著自变量,分析显著自变量对交通事故起数的影响程度。研究结果表明：无论采用上述何种路段划分方法,非线性负二项回归模型构建的交通事故起数预测模型均优于负二项回归模型;采用坡度一致划分方法明显优于路段长度一致和曲线半径一致划分方法,更适合应用于山区高速公路交通事故数预测研究;从显著变量相关性来看,路段长度、相邻路段坡度变化值、弯坡组合、曲率、是否存在隧道路段以及是否为易结冰和起雾路段均是非线性模型的显著影响因素。     

高速公路交通事故和干涉车流波的非线性数学模型

建立了一种模拟高速公路交通事故和干涉车流波的非线性交通流数学模型，并采用二阶精度无振荡差分格式对其求解，复例显示能够模拟高速公路交通事故引起的冲击的传播过程，模拟干涉作用所引起的冲击波对排除消散的影响过程，所得结果比线性交通流模型更加丰富。     

双车道等级公路路侧事故预测模型研究

借鉴国内外事故预测模型(也称安全性能函数SPF)研究领域的最新成果,收集了31条双车道公路(总里程约740 km)的事故、交通量和线形数据,采用了泊松、负二项、零堆积泊松和零堆积负二项四种统计概率分布,从路侧事故数、路侧事故死亡人数、路侧事故受伤人数三方面对路侧事故规律进行了研究,通过弹性分析从量化的角度给出了道路几何条件、交通量水平与构成等指标与路侧安全的关系。     

基于冲突概率的无信号控制T形交叉口安全评价

为了更合理地评价无信号控制 T 形交叉口的安全水平,研究在交叉口类型划分的基础上,提出1种以交通冲突数的概率分布为评价指标的安全评价方法。其中,交通冲突数的均值和分布分别采用广义线形模型和泊松分布描述,在广义线形模型中,交通冲突数的均值为被解释变量,冲突交通流的交通量为解释变量,根据交通冲突数的均值估算,计算交通冲突数的泊松分布的概率。在利用实测数据对广义线形模型的参数进行标定后,根据主路直行与非直行交通流量之间的差异性,进一步提出了简化模型,将主路直行交通的影响简化为影响系数,并根据流量不同划分为4个等级,通过分析交通冲突数的概率计算值与安全阈值数的概率临界值之间的关系,进行无信号控制 T 形交叉口的安全评价。最后通过实际案例,对模型的可操作性和准确性进行了检验。研究表明,非直行流向流量较直行交通流量对交叉口安全水平的影响更大,利用文中所提出的简化模型,可重点调查其它流向流量,而主路直行交通流量只需观测其流量大致范围即可,平均工作效率提升25%。