基于随机森林的电动自行车骑行者事故伤害程度影响因素分析

为研究电动自行车道路交通事故对骑行者伤害程度影响因素的重要性排序,分析电动自行车骑行者事故伤害程度的影响因素。收集某市2013-2015年电动自行车交通事故数据,对其进行描述性统计分析,从中选出与交通事故严重程度相关的22个影响因素。利用随机森林模型对电动自行车骑行者受伤严重程度进行预测,并对相关因素的重要程度进行排序。研究表明,影响电动自行车骑行者受伤严重程度的最主要因素依次为车辆间事故类型、受伤部位、道路物理隔离类型等。针对交通事故相关因素提出改进建议,研究结论可为电动自行车事故预防提供决策参考。     

建成环境对老年人交通事故严重程度异质性影响

为量化建成环境因素对事故伤害严重程度的影响,本文构建基于均值和方差异质性的随机参数Logit模型对老年人交通事故伤害严重程度进行异质性分析。采用2019年美国某州老年人交通事故数据,从老年人特性、车辆特性、道路特性、道路环境特性、建成环境特性这5个方面选取17个影响因素,利用平均弹性系数捕捉各因素对事故伤害严重程度的影响。结果表明：基于均值和方差异质性随机参数Logit模型的拟合优度更高;建成环境因素中事故发生地300 m缓冲区 内存在购物中心为随机变量,其均值与男性老年人、车道数为3显著相关,方差与道路控制方式为未控制显著相关;摩托车、直线、湿润等因素显著增加了老年人交通事故伤害严重程度。研究结果有助于交通管理者采取适当的策略降低老年人交通事故伤害严重程度。     

基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度。使用2015-2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利用平均边际效应量化各显著变量对事故严重程度的影响。结果表明,均值异质性随机参数Logit模型具有更好的拟合优度;女性、老年人、酒后驾驶、车辆无安全气囊、能见度低于50 m、夜间无路灯照明等因素显著增加了驾驶员受伤害严重程度;随机参数Logit模型的效用函数中,夜间有路灯照明和事故发生在夜间为随机变量,且夜间有路灯照明与柔性护栏和车辆无安全气囊相关;事故发生在夜间与路侧行道树相关。     

公交驾驶员违规类型同交通事故间的关联分析

公交车驾驶员违规行为是引起交通事故的重要原因之一,以往文献在研究驾驶员违规行为与事故频率之间的关系时,未能深入探究违规行为类型差异及其异质性。为了进一步揭示不 同违规行为的差异化影响并为行为管控措施提供依据,利用某市2019—2020年4532起公交违规及事故数据,将驾驶员事故频率作为研究对象,将17类违规行为及人口统计学因素作为解释变量,综合考虑数据特征及异质性分析需求,构建考虑均值与方差异质性的随机参数零膨胀泊松模型。模型分析结果表明：不同类型的违规行为对于驾驶员事故频率影响存在明显区别,当驾驶员同时存在若干特定违规行为时,事故频率明显高于其他驾驶员。具体包括：未走公交专用道等行 为次数越多,则该驾驶员事故频率越高;未系安全带、未礼让斑马线次数和及时更换失效驾照等行为的影响具有随机特征,其作用效果具有随机波动的属性;未礼让斑马线行为影响参数的均值和方差受到其他变量的影响,即当驾驶员未礼让斑马线次数和越线行驶次数均较多时,期望事故率愈高。     

交通事故持续期内行程时间的可靠性研究

为研究交通事故影响下路网性能的随机性,定义路网行程时间可靠性为路网在交通事故持续期内平均行程时间小于预定阈值的概率.假定事故持续时间为服从正态分布的随机变量,将给定的事故持续时间离散化为相同长度的子时段,综合运用Logit路径选择准则和路段传输模型,提出了基于Monte-Carlo法的路网行程时间可靠度模拟算法.用一个测试网络来验证算法,其事故持续时间均值为8～20 min、方差为0.5～5.0 min, 子时段出行需求为4.0和4.5辆,时间阈值为事故前走行时间的2.0和2.2倍.研究结果表明:路网行程时间可靠度均随事故持续时间均值的增大而减小;当出行需求为4.5辆、时间阈值为事故前走行时间2.0倍时,行程时间可靠度随着事故时间方差的增大而增大;当需求小于4.5辆、时间阈值大于2.0倍时,可靠度随着时间方差的增大而减小.      

城市死亡交通事故形态影响因素分析

为研究城市道路环境下各因素对不同死亡交通事故形态的影响,以深圳市死亡交通事故数据为研究对象,将事故形态作为因变量,并划分为车辆间、车辆与行人、单车事故三类,选取驾驶员、车辆、道路、环境和时间特征为潜在影响事故形态的自变量.在多项Logit模型的基础上,创新性地引入能够反映数据异质性的混合Logit模型,并引用弹性分析定量讨论各自变量对事故形态概率的影响.结果表明:驾驶员年龄、车辆类型、道路有无隔离、路面是否干燥、是否道路交叉口、道路线形、照明条件、能见度、事故发生时间都会对死亡交通事故形态有显著影响,其中,能见度200 m以上为服从正态分布的随机参数,表明由于未观测到异质性的影响,该参数对事故形态的影响在事故个体间存在显著差异.     

7种因素对电动自行车忍耐时间的实证研究

忍耐时间是分析电动自行车骑行者不安全过街行为的重要参数,是信号交叉口交通管控的重要约束条件.以红灯期间到达信号交叉口处违章过街的电动自行车为研究对象,应用多元线性回归分析和生存分析法中的Cox回归方法,统计分析骑行者在信号交叉口处的过街忍耐时间.该方法运用中国电信的"全球眼"网络视频监控技术,获取不同影响因素下宁波市电动自行车的实时视频数据,共采集了57 213个电动自行车过街忍耐时间样本.统计发现:电动自行车忍耐时间与5种影响因素存在强相关关系;7种影响因素对电动自行车忍耐时间的影响程度差异性较大,其中天气、人行横道长度和有无交警执法等3种因素的影响程度最大,出行时间和时段的影响最小;电动自行车过街忍耐时间的均值为48.600 s,标准偏差为300.341.     

基于SMI的电动自行车骑行者视觉行为分析

为研究电动自行车骑行者的视觉行为特征,明确其对电动自行车行驶安全的影响,采用德国SMI IVIEW X帽子式眼动仪对电动自行车骑行者在包含机非混行、行人非机动车混行、机非隔离3种类型的固定路段开展了眼动实验,获取了骑行者在不同的道路环境中的眼动参数,包括眼动时间、视角分布、注视持续时间和注视点分布等。根据数据结果,结合现状电动自行车路段行驶状况提出了相应的管理对策建议：在有条件的地方应当尽量将非机动车和机动车分离,设置合理的非机动车道和路边停车带,减少机动车对非机动车骑行的影响;同时应将人行道和非机动车道分离,减少电动自行车和行人之间的冲突隐患。     

基于GIS的城市道路交通事故黑点鉴别

结合GIS系统与交通事故数据,对事故数据的属性信息和空间位置进行融合,采用以事故发生次数为主、事故严重程度为辅的方法对事故黑点的鉴别进行了研究。使用基于ArcGIS的核密度分析工具利用事故点的危险程度近似服从正态分布的特点,实现多个事故点的危险程度的重叠,从而可以得到城市道路的真实危险情况。并对长春市经济技术开发区的交通事故数据进行了前述处理,验证了前述方法的有效性。     

基于Multinomial Logit模型的美国北卡罗莱纳州慢行交通事故严重程度分析

为分析慢行(自行车与行人)交通事故严重程度的显著性影响因素,将交通事故分为仅财产损失事故、潜在伤害事故、非伤残事故、伤残事故、死亡事故5类,从人、车、路、环境4个层次选出11个自变量,以交通事故严重程度为因变量,基于Multinomial Logit模型计算每个变量对慢行交通事故严重程度的边际效应。结果表明,驾驶员性别、驾驶员饮酒状态、行人年龄、道路特征、路面状态、一天内发生时间、光线条件、年平均日交通量、地形等9个变量均与道路交通事故严重程度显著相关。     

电动自行车风雨天的安全行驶

电动自行车风雨天的安全行驶问题,应该引起我们的关注。刮大风时,有些行人会用围巾及风衣帽捂头盖脸,行走时视野势必会受到一定的限制;有些行人会加快脚步狂奔乱跑,往往难以顾及路况的变化。因此,骑行电动自行车时必须严密注意,尽可能地降低电门车速,多观察行人及自行车。否则,极易引发交通事故给行人和自己带来伤害。尤其是在十字路口,有些骑自行车的人低着头只顾拼命往前骑,此时最好以低速滑行骑行,并随时准备应急制动停车,以防备自行车与电动自行车迎面或侧面相碰撞。     

绿闪灯与绿灯倒计时对电动自行车驾驶行为的影响对比

针对过渡信号对驾驶员驾驶行为存在显著影响但缺乏规范化设置的问题,利用图像处理软件获取其驾驶行为特征参数,提出基于电动自行车过街行为的四分类方法。统计分析绿闪灯和绿灯倒计时交叉口信号过渡期间四类到达电动自行车的停车线速度和违章率及违章时间分布等指标,分析结果表明,绿闪灯会导致电动自行车较大的交叉口进入速度,绿灯倒计时会导致电动自行车较高的红灯通过率,因而更容易导致交叉口电动自行车交通事故的发生。     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

建成环境对行人交通事故严重程度的非线性影响

为探索建成环境对行人交通事故的影响并为行人事故预防提供理论依据，本文以建成环境“5D”要素为基础，围绕土地利用、城市设计和交通系统这3个维度构建昼夜建成环境指标体系，基于轻度梯度提升机构建昼-夜间行人交通事故严重程度模型，探究城市建成环境对行人交通事故严重程度的影响机制，结合SHAP(Shapley Additive Explanation)归因分析方法揭示两者之间的非线性关系，并以深圳市为例进行实证分析。结果表明：建成环境对行人交通事故的影响效应存在显著的时段异质性；昼间行人交通事故严重程度主要受人行道可达性、地铁站可达性及学校邻近度等因素的影响；夜间行人交通事故严重程度主要受人行道可达性、娱乐兴趣点(POI)指标及道路照明条件等因素的影响。建成环境对行人交通事故严重程度存在显著的非线性影响。昼间时段学校邻近度介于[0, 3]km时，地铁站可达性小于1km时，对行人事故严重程度有较大抬升作用；夜间时段娱乐POI可达性小于0.5km时，对行人事故严重程度有抬升作用；不论昼夜，人行道可达性对行人事故严重程度均有压降作用，且临街院门密度低的区域行人事故严重程度较 高。昼-夜间模型均表现出优秀的效果，分类准确率分别为96.38%和92.08%。     

城市主干道路段机动车与机动车之间事故的Bow-tie模型

针对城市主干道路段上交通事故的成因、后果及主被动安全控制措施开展研究工作，基于多事件链原理并应用三角模糊数法，建立了城市主干道路段机动车与机动车之间事故的Bow-tie模型.基于Bow-tie模型中的故障树，确定出了主干道路段机动车之间事故的3条主要事故成因链，即追尾事故成因链、侧面碰撞事故成因链和刮擦事故成因链.Bow-tie模型中的事件树表明，驾驶员能够正确使用安全带但道路上无缓冲防撞设施且辖区内无紧急救援系统的事件链发生概率最高，达59.68%；驾驶员没有使用安全带且道路上无缓冲防撞设施时，事故发生后的事故严重程度都较高.针对3条事故成因链及2条事件链，给出了预防事故发生的防控措施和事故发生后可降低其严重程度的减缓控制措施.     

路段摩托车单车事故伤害严重程度原因分析

为了研究影响路段摩托车单车碰撞事故严重程度的因素,以美国印第安纳州2013—2015年1 526起路段单车事故为研究对象,考虑驾驶员特征、车辆属性、道路条件、环境及事故特征5方面共21个自变量,构建了巢式logit模型,分析死亡事故、失能性伤害事故、非失能性伤害事故与仅财产损失事故。利用全信息最大似然法估计模型参数,估计结果显示模型整体拟合度良好。研究发现:在0.1的显著性水平下,驾驶员性别、年龄、是否使用头盔、是否酒驾、驾驶员是否被甩离摩托车、是否超速、是否冲出道路、是否载人、车龄、道路是否潮湿、道路线形与限速、月份、光线条件、是否发生农村地区、摩托车碰撞物(电线杆、路缘、涵洞、护栏、树)与摩托车单车碰撞事故伤害严重程度显著相关。其中,驾驶员被甩出车外、超速、摩托车冲出道路、摩托车车龄超过10年、事故发生在4月、7月份、夜间、事故发生在农村地区、摩托车与电线杆碰撞增加了死亡事故的概率。研究结果有助于交通管理者采取合适的策略用来降低路段摩托车单车事故严重程度,也可以为后期国内摩托车事故的进一步分析提供借鉴。     

先进出行信息下事故对行程时间可靠性的影响

定义路径行程时间可靠性为在交通事故期间内平均路径行驶时间小于事故前路径出行时间乘以可接受拥堵水平的概率,由此导出路网行程时间可靠性.假定事故持续时间服从正态分布并将研究时域划分成相同的时段,在先进出行信息下,利用元胞传输模型进行路段流量加载,给出了每一个时段内路径行程时间的递推式,并在每一个时段内更新1次路径出行时间,出行者根据更新的出行时间运用Logit模型进行路径决策,最后基于Monte-Carlo法模拟求解路网行程时间可靠性.算例结果表明,行程时间可靠性随事故持续时间和方差及需求的增加而减小;可靠性随可接受拥堵水平的增加而增加;在拥堵网络中,包含事故路段的OD间需求越高,可靠性越低.     

电动自行车与机动车事故严重性影响因素分析

为减少电动自行车与机动车事故造成的损失，定量剖析不同因素对事故严重程度的差异性影响至关重要。基于上虞区2018年10304起电动自行车与机动车事故，分析该类事故的严重性分布情况和时间与空间分布特性。以事故严重性为因变量，将其有序分为未受伤、轻伤及重伤事故3类，从时间、空间、道路、环境、骑行者及车型6个方面，选取17个事故严重性潜在影响因素， 采用多项Logit模型、有序Logit模型、广义有序Logit模型及偏比例优势模型进行拟合度对比分析，并以最佳模型(偏比例优势模型)和边际效应，量化分析各因素对事故严重性影响的显著性与差异性。结果表明，除节日类型、车道限速、车流相交角及温度对事故严重性影响不显著外，其余 13个因素都有显著影响，事故时间、光线亮度、骑者性别、骑者年龄、车辆类型及电动自行车类型违反平行线假设；对该类事故严重性影响最大的前4个因素为电动自行车类型、机动车类型、骑行者年龄与性别，其边际效应绝对值的最大值均超过61%，事故区位、道路类型及光线亮度的影响较大(20%~30%)，事故时间和风力等级影响较小(10%~20%)，而季节、事故位置、慢行干扰度和天 气状况的影响最小(≤8%)。基于各因素的差异性影响，为交通管理部门提出了有效改善建议。     

基于统计与假设检验的高速公路交通事故数据分布特性

为了研究高速公路基本路段上交通事故数据的分布特征, 将事故数、伤亡事故数、事故死亡人数与事故受伤人数归类为离散型事故数据, 将事故间隔时间与平均每年每公里事故数归类为连续型事故数据; 对于离散型事故数据, 采用均匀划分法、动态聚类法与滑动窗法划分高速公路统计区段, 运用泊松分布、负二项分布、零堆积泊松分布与零堆积负二项分布对事故数据进行拟合; 对于连续型事故数据, 以收费区间为路段划分标准, 用正态分布、负指数分布进行事故数据拟合; 运用皮尔逊卡方值对各种拟合结果进行拟合优度检验。研究结果表明: 在各种区段上, 事故数均服从负二项分布, 有些情况下会同时服从负二项分布与泊松分布, 伤亡事故数与事故死亡人数主要服从零堆积泊松分布或零堆积负二项分布, 拟合优度检验中的概率均大于0.05;平均每年每公里的事故数比较符合正态分布, 而事故间隔时间则主要服从负指数分布, 拟合优度检验中的概率也均大于0.05;交通事故数据的统计分布特征是建立事故预测模型与事故多发点鉴别的前提条件之一, 而事故间隔时间可作为安全可靠度的度量指标。      

基于神经网络的交通事故严重程度影响因素研究

为分析交通事故严重程度的影响因素,运用感知器神经网络理论,从人、车、路(环境)因素及交通流因素等方面选取12个输入参数,以交通事故严重程度为输出参数,搭建基于MATLAB平台的3层前馈人工神经网络模型。对建立的网络模型的拟合优度进行检验,求解回归曲线以及总响应,并通过实例验证模型的有效性。分析表明,驾驶员性别、年龄、事故类型对交通事故严重程度的影响可以忽略不计,交通流特征对交通事故严重程度的影响最大,天气情况、路面情况对交通事故严重程度的影响程度基本相同。