基于广义线性模型的高速公路交通事故预测

为分析高速公路交通流状态参数对交通事故的影响,建立了基于广义线性模型的高速公路交通事故预测模型。采用美国8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泊松分布预测模型和负二项分布预测模型,并给出了模型变量弹性系数的计算方法,用以确定高速公路交通事故的突出诱导因素。研究结果表明:广义线性模型能够很好的拟合高速公路交通事故,并且负二项分布预测模型的预测精度高于泊松分布预测模型;交通量、占有率、大车比例和速度标准差是高速公路交通事故的显著影响参数,并且与之呈正向关系;交通量是诱导高速公路交通事故发生最突出因素,交通量增长1%,可导致交通事故增长5.8%。     

基于线形指标的山岭重丘区高速公路事故预测模型

依据我国山岭重丘区高速公路几何线形和交通事故数据,建立了基于交通流量和几何线形指标的高速公路基本路段事故预测模型.首先,基于几何线形条件对基本路段进行了划分,确定了路段单元.其次,分析并确定了理想线形条件的范围,建立了理想线形条件下的基本事故率预测模型.再次,应用BP神经网络与敏感性分析相结合的方法,确定出了对事故发生有突出影响的道路纵坡、平曲线半径和直线段长度3个线形指标,并确定了上述线形指标的事故率修正系数.依据基本事故率预测模型及事故率修正系数即可进行事故预测.模型验证结果表明:该模型能够对路段单元进行事故预测,事故总体预测值与实际值的相对误差在-5.85％～-7.87％之间.     

高速公路半幅封闭施工区交通特性与交通冲突特性研究

对双向四车道高速公路半幅封闭施工区的交通特性和交通冲突特性开展研究.以交通流参数调查和交通冲突调查为基础,应用统计分析方法,研究了施工区上游过渡段车辆的排队特征,标定了描述车头时距分布的爱尔朗模型;分析了施工区各组成区段的速度分布特征,确定了基于统计分布原理的各区段限速范围;总结了施工区交通冲突的种类,给出了基于距离碰撞时间的追尾冲突严重程度判别方法,建立了基于负二项分布的追尾冲突预测模型.最后,应用VISSIM软件开展了施工区交通仿真试验.结果表明:基于车辆排队特征所确定的施工区上游过渡段合理长度应在45～70m之间;施工区各区段的限速值应根据交通量设定;在相同交通量水平下当限速值高于50km·h-1时,交通冲突数量会随着限速值提高而显著增加.     

基于Tobit回归的山区高速公路事故率分析模型

以事故率为因变量来建立事故分析模型或预测模型时,由于事故率是连续型随机变量,传统的泊松分布、负二项分布及零堆积类分布模型已不再适用。加之,当统计年限较短或路段划分较短时,统计样本中的事故率会出现较多"0"值的情况,此时,事故率就属于受限的连续型变量,即受限因变量。通过对比分析可适用于受限因变量建模的Truncated回归和Tobit回归方法,基于Tobit回归建立了山区高速公路事故率分析模型并计算了模型中自变量的边际效应。模型的因变量为路段上的亿车公里事故率,自变量为路段上的年平均日交通量、路段长度及几何线形指标变量。研究结果表明:针对事故率这样一个受限因变量,采用Tobit回归来建立事故率分析模型是适宜的,所建立的事故率分析模型较好地反映了年平均日交通量、路段长度、几何线形条件等对事故率的影响。模型标定结果及边际效应数值表明:纵坡类型对山区高速公路事故率的影响最大;其次是纵坡坡度、路段长度和年平均日交通量;最后是竖曲线曲率。若设竖曲线曲率对事故率的影响程度为1.0,则年平均日交通量、路段长度、纵坡坡度、纵坡类型的影响程度分别为3.1、4.1、9.1、和9.7。     

上海市二级公路事故风险等级预测模型及致因分析

随着上海市规划建成区不断向郊区扩大,原有的二级公路很多转变为过境和集散功能兼具的城镇化道路。现收集了2017年上海市33条典型二级公路的历史事故数据和路段基础设施数据,对事故率进行了负二项分布拟合,拟合通过了K-S检验,以事故率为初始因变量,道路基础设施属性为变量,构建二级公路事故预测模型。将事故率进行风险等级划分作为最终因变量,构建事故风险等级预测模型。该模型训练集预测整体准确率为90.3%,测试集预测准确率为89.3%。通过模型结果对上海市二级公路事故致因进行分析,发现:路面宽度、人非隔离形式、机非隔离形式、接入口密度和机非分隔带开口密度对事故风险有显著的影响,应作为设计和管理中的控制对象。     

基于负二项分布的高速公路交通事故影响因素分析

为分析高速公路交通事故的影响因素,构建基于负二项分布的事故分析模型,探究事故数与交通特性、公路线形及路面性能间关系.鉴于传统固定参数模型难以刻画各因素对事故风险影响的异质性,引入了随机参数建模方法.结果表明:相比于固定参数负二项模型,构建的随机参数负二项模型有更好的拟合优度,且能更合理地反映各因素对事故的作用效果;将随...     

基于灰色马尔可夫链的桥梁荷载随机过程交通量预测

为了克服灰色预测方法的不足,在灰色模型预测方法的基础上,提出灰色马尔可夫链桥梁荷载随机过程交通量预测模型,该模型的灰色预测曲线能反映交通量历史发展趋势,马尔可夫预测可反映随机波动性对交通量预测的影响,从兼顾了趋势值和波动性两方面因素对预测结果的作用,能克服单一预测模型在交通量预测中的局限性,并可结合交通量实际情况,能实现准确、综合预测交通量的目的。在现有交通量统计资料的基础上,对该模型进行了精度检验,并预测出了2007年的交通量。实例计算分析表明,模型精度良好,预测结果与实际状态基本相符,利用灰色马尔可夫理论进行交通量预测是一种行之有效的方法。     

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。     

双向八车道高速公路合流区交通特性与交通冲突特性研究

车辆合流行为是干扰高速公路主线交通运行的主要原因。文中以交通流参数调查为基础,应用统计分析方法,对高速公路合流区的交通量及组成、车速和车头时距进行分析,提出了基于后侵入时间(PET)的冲突严重性判别方法,建立了基于负二项分布的交通冲突预测模型,并结合交通冲突数和冲突率对合流区的安全性进行分析。结果表明,合流区各车道的车头时距与爱尔朗分布拟合较好,外侧2条车道的车速服从正态分布;严重冲突、一般冲突和轻微冲突对应的PET阈值分别为1.23、2.50和4.44s;合流区交通冲突的发生与交通量、大型车比例、速度差及车道位置等显著相关;根据安全水平可将合流区划分为安全、危险及两者之间3组。     

汽车追尾事故车速估算结果的不确定度分析

在汽车追尾事故再现分析中存在着各种不确定因素。针对汽车追尾事故碰撞速度计算模型,运用多元函数的不确定度理论,建立相应的不确定度分析方法,分别计算各不确定参数的标准不确定度分量,然后通过标准不确定度的合成,最终得到车速估算结果的合成标准不确定度和扩展不确定度。从而得出合理的车速估算结果。文中结合一个典型车速分析案例,验证了该方法的适用性。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

基于FHWA交通噪声预测模型的公路交通噪声简化计算方法

在分析影响交通噪声传播要素的基础上,基于FHWA公路交通噪声预测模型,提出公路交通噪声增加量随车流量变化的简化计算模型,探讨其在公路建设项目环境保护中的应用及其适用条件。该模型简化了公路交通噪声预测计算,且不影响结果的准确性。     

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。     

二次指数平滑在交通信息短期预测中的应用

通过对当前交通道路信息的实际情况的分析并结合指数平滑预测模型,提出了符合当前交通信息的分段二次指数平滑模型,该模型主要根据某城市一天各时段的拥堵情况计算平滑系数表,在通过二次指数平滑模型对交通信息进行短期预测。该方法充分考虑到了交通道路信息的实际情况,提高了交通信息短期预测的合理性。经过实际交通信息数据验证,结果表明基于该方法预测未来短期交通信息准确率满足使用需求,并为其他交通信息短期预测提供一种新的方法。     

大规模施工对城市路网交通影响评估技术研究

传统的施工期交通组织研究一般只针对单个建设项目，而城市在举办特别重大活动之前往往有一轮建设高潮，形成大范围集中性施工，对城市路网运行的影响很大，需从全局角度系统性评估其交通影响。针对大批量建设项目同时施工对路网整体的交通影响，提出了路网敏感路段划分、路网通行能力损失测算、基于交通模型推演的交通拥堵指数预测等评估技术，并在杭州“迎亚运”重大基础设施建设中予以运用，应用效果较好。     

基于交通流元胞自动机模型的车辆当量换算

将一维元胞自动机模型用于模拟周期性边界条件下高速公路的车流运动,用随机慢化FI模型对一定交通环境下车流的车速与密度之间的关系进行仿真分析。探讨了不同车型和车速对道路最大流量(最大通行能力)的影响。依据不同车型在同一道路上的不同通行能力,提出了一种不同车型车辆之间当量换算系数的确定方法。在模拟仿真过程中,考虑不同类型车辆的最大行驶速度及所占空间不同,仿真模型具有不同的参数。通过计算机模拟,得到不同车型的交通流基本图,根据相同道路条件下的最大流量值,给出了以通行能力作为基准时当量换算系数的计算公式。     

基于道路线形的智能汽车事故多发路段预判模型

分析了道路线形对智能汽车行驶安全性的影响,分别使用数据驱动的机器学习方法和模型驱动的经典数学建模方法,建立了以道路线形技术指标为输入的神经网络模型和多元数学模型,预测事故多发路段;计算了各个道路线形技术指标与事故率之间的偏相关系数,从中挑选出与事故率相关程度较大的道路线形特征,使用T检验和F检验验证了道路线形特征组合和单个特征对事故率的影响。结果表明：基于机器学习的神经网络模型和基于数值逼近理论的多元数学模型预测正确率基本相近,大约为90%;2种模型对道路安全影响较大的道路线形相关不利因素组合相同,均为平曲线转角、横向力系数和纵坡坡度;各种不利因素组合中,平曲线转角、横向力系数和纵坡坡度出现的频率分别为100.0%、91.7%和83.3%,远远大于其他因素;事故多发路段道路线形因素不仅与平曲线转角、横向力系数和纵坡坡度有关,而且与其线形组合有密切关系,组合不当亦会导致事故增加;2种模型可相互验证,考虑计算速度及参数的可解释性,实际中应优先选择多元数学模型进行事故预判。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

基于判别分析法的交叉口进口道交通状态预测

针对交叉口进口道交通状态的模糊性和不确定性,在综合考虑影响进口道交通状态因子的基础上,选取到达率、排队长度、信号周期、饱和度和车道数为预测交叉口进口道交通状态的影响因子。采用判别分析法中的Fisher判别法,利用调查得到的样本数据建立了交叉口进口道交通状态预测模型,并用调查得到的验证样本进行验证,结果表明利用Fisher判别法能够有效的进行交叉口进口道交通状态的预测。