高速公路入城段碰擦与追尾事故分析

高速入城段的车流混杂,驾驶环境复杂,交通事故高发,其中以碰擦与追尾事故为主。采集G2京沪高速公路上海入城段事故数据,以平均兴趣度作为最优指标,采用改进的关联规则Apriori算法挖掘高兴趣度的碰擦与追尾关联规则,发现碰擦、追尾事故与天气、车型、地点等因素关联较大。在上述基础上,基于支持向量机构建高速公路入城段的追尾与碰擦判断模型,输入所有事故因素组合,得出所有可能发生追尾与碰擦的因素组合。研究成果可为高速公路安全管理与事故预防工作提供理论支持,制定精准的交通安全改善措施和管理。     

基于Ordered Probit模型的追尾事故严重性影响因素分析

为了减少机动车事故带来的人身财产损失,给相关管理部门提供决策意见的理论支持,分析追尾事故的独特规律,以及研究环境因素、道路因素、车辆因素和驾驶员因素等影响因素与追尾事故严重程度之间的致因关系至关重要。通过对北卡罗来纳州2010—2014年的交通事故数据进行筛选分析,最终得到1 315条具有完整信息的追尾事故数据,并对数据重新编码。考虑到事故严重性的分类具有次序的特性,研究拟采用Ordered Probit模型(ORP)对影响追尾事故严重程度的各种因素进行回归分析。为了找出具有统计学显著的影响因素,采用向后删除变量法筛选变量,从而得到了包含全部显著因素的模型。最终对模型进行了平行线检验和似然比检验,分析模型的统计学合理性,并选取指标进行了模型数据拟合度优劣的评价。研究结果表明:使用安全带、光照条件、道路线型条件、交通控制条件以及道路交通量这5个方面的因素与追尾事故严重程度的相关度较大。模型的边际影响值显示,正确使用安全带、良好的光照条件、合理的道路线型条件、适宜的交通控制措施能够显著降低追尾事故的严重性;而过大的交通量由于易产生多车追尾事故,事故严重性程度增加。显著性检验结果显示ORP模型对于分析追尾事故严重性及其影响因素具有明显作用。     

基于TAN网络的地铁区间与车站施工事故致因分析

为解决不同类型的地铁施工事故关键致因识别，以便于支持事故相关方在风险分析、预防和控制进行决策的问题。在收集国内2011—2021年间发生的202起事故报告数据的基础上，采用树增强朴素贝叶斯（tree augmented naive, TAN）和EM算法，从事故经过、直接原因、间接原因3个角度分别对事故报告进行统计处理、风险指标提取及合并、风险指标筛选、模型图形结构构建、模型参数确定，并采用GENIE软件训练数据建立最终分析模型。贝叶斯模型分析结果表明： 1）通过正向推理明确不同类型事故的关键致险因素，并对各风险因素引发事故的总体影响程度进行重要度排序； 2）通过反向诊断说明所建模型在不同风险因素组合情境下对风险预测的决策支持作用； 3）10折交叉验证证实了模型的有效性。     

基于SVM事故分类的连环追尾事故影响因素分析

以美国公路2013—2015年所有的追尾事故数据为样本,研究导致连环追尾事故发生的关键影响因素.通过随机森林进行特征筛选,选取了与时间、驾驶人、车辆、道路和环境有关的14个相关因素作为支持向量机的输入变量,建立了基于SVM的2车追尾事故与连环追尾事故二分类模型.得到分类准确率:训练集为97.42%,测试集为80.32%,AUC为0.7,说明2种事故之间存在显著差异,且SVM模型能够较好的将2种事故进行区分.根据SVM-RFE算法计算影响分类效果的特征变量的相对重要度,得到4个对2种事故产生区别影响较大的因素,依次为:碰撞前首车的运动情况、道路的限速、季节和车道数.进一步对比各因素下2种事故发生的百分比发现,在首车停车或减速、道路限速超过80 km/h、夏季以及车道数大于2车道的情况下,更容易发生连环追尾事故.      

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。     

山区公路小半径弯道路段事故严重度影响因素及其异质性比较分析

为分析影响山区公路小半径路段典型事故的严重程度的相关因素及其异质性效应，基于某山区双车道公路1 067起交通事故数据，从驾驶员、车辆、道路和环境4个方面选取15个潜在特征变量，采用二项Logit模型和随机参数二项Logit模型，分别构建小半径弯道路段上追尾碰撞、正面碰撞和侧面碰撞3类典型事故的严重度分析模型，分析3类典型事故严重度的显著影响因素，并采用边际弹性系数量化分析影响因素的作用强度。结果表明，小半径弯道路段上不同形态事故的严重度影响因素存在明显差异:①追尾碰撞严重度的显著影响因素依次为摩托车、夜间、弯道转角、驾驶员年龄、季节，摩托车和冬季分别是服从(2.716.1.5642)和(-1.495，2.1162)正态分布的异质性影响因素，导致发生伤亡事故的概率为95.72%和23.58%；②正面碰撞严重度的显著影响因素依次为货车、摩托车、驾驶员超车、弯道转角和弯道长度，货车导致其伤亡事故概率增加108.8%，摩托车和弯道长度分别是服从(6.941，9.9012)和(-0.004，0.0032)正态分布的异质性影响因素，导致发生伤亡事故的概率为76.11%和9.18%；③侧面碰撞严重度的显著影响因素依次为摩托车、驾驶员年龄及弯道有接入口，摩托车和接入口分别是服从(5.211，5.1112)和(-1.408，2.1462)正态分布的异质性影响因素，导致发生伤亡事故的概率为88.87%和25.47%。④与传统二项Logit模型相比，追尾碰撞、正面碰撞和侧面碰撞的随机参数二项Logit模型的拟合优度分别提高了2.85%，4.15%，6.76%，且定量捕捉了异质性影响因素，更适用于事故严重度的精细化分析。      

道路因素对典型较严重道路交通事故严重性的影响分析

基于道路交通事故数据探究事故影响因素对于认识事故的影响因素、提高交通安全水平具有重要意义。利用近年来国内典型较严重道路交通事故数据,应用泊松模型和负二项模型,以区分事故形态的方式建立追尾事故、侧碰事故及撞行人事故的事故死亡率的道路影响因素分析模型。这些模型以三类事故中涉及人员的死亡数为因变量,以一系列道路因素为自变量,将事故涉及人数作为偏移变量。模型的具体形式以过离散系数及赤池信息量准则(AIC)为依据进行选择。结果显示,追尾事故的死亡率与道路等级、路侧防护设施显著相关;侧碰事故则与天气、路表情况、路口路段位置、坡度以及道路结构有关;撞行人事故与路表情况、道路等级、车道数、平曲线半径有关。本文拓展了事故严重性研究的深度,其研究成果对于更好地利用重特大事故的深入调查数据有现实意义,也可为事故分析及道路设计等提供借鉴。      

双车道公路接入口安全影响分析

在对大量的双车道公路进行了调研和采集了海量的公路、交通、事故数据基础上,针对接入口对双车道公路交通安全的影响进行了量化分析。采取的分析方法包括接入口单因素对安全影响分析、考虑交通量和路段长度因素接入口对安全影响分析、接入口和其他因素综合对安全影响分析等。分析结果表明,接入口对双车道公路的总事故率尤其是追尾事故率有重要的影响,并得出了双车道公路接入口对交通安全影响的量化结论。全部事故、一般以上事故、路侧事故、追尾事故和碰撞事故等的次数都随接入口密度增加而增加;在山区双车道公路上,在其他要素不变的情况下接入口密度每增加一个单位,全部事故增加4.36%,追尾事故增加11.9%。     

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.      

考虑数据不平衡的城市道路乘用车致命事故率分析

城市道路交通事故频发,而事故数据存在明显不平衡,不同因素间的耦合作用对城市道路乘用车致命事故率分析造成极大挑战。为此提出了1种集成重采样、贝叶斯网络（Bayesian networks,BN）和关联规则（association rule method,ARM）的三阶段事故率分析方法。基于国家事故深度调查体系的1 105例城市道路乘用车事故数据,从驾驶人、车辆、道路、环境这4个方面选取16个潜在特征变量构建BN模型;鉴于数据不平衡时会导致BN模型性能下降的问题,提出在构建BN模型前利用合成少数类过采样技术（Synthetic Minority Over-sampling Technique,SMOTE）和聚类中心进行数据重采样,并比较分析各类采样技术下不同BN模型的综合性能;基于最优BN模型并结合ARM,推理不同影响因素及因素的耦合作用对致命事故率的影响。结果表明：重采样方法可以显著提升BN模型的综合性能,以及识别风险因素的能力。其中SMOTE采样技术结合GTT算法构建的BN模型的AUC最高,达0.793。此外,相较于原始不平衡数据构建的BN模型,经SMOTE采样后构建的BN模型多挖掘了...     

基于贝叶斯空间相关模型的城市快速路安全影响因素研究

快速路是城市交通的主骨架,其运行安全态势直接影响整体通行效率的发挥。利用线圈检测器数据和由事故视频监控系统采集的2011~2013年共50069起事故数据,应用贝叶斯空间相关模型,对上海市南北高架、延安路高架、内环和中环4条快速路进行建模分析。为了反映路段间的潜在空间联系,在负二项模型的基础上,加入空间随机影响项建立相邻空间相关模型;进一步改进了该空间随机项的协方差矩阵,建立距离空间相关模型。通过贝叶斯回归方法比较3个模型的回归效果。结果显示,距离空间相关模型具有最优的拟合效果,其方差信息标准(DIC)较负二项模型降低6.04%。由此证明,事故在道路中的分布存在空间关联,且其相关性受距离影响。在道路几何特性影响因素中,路段前后1 km 内匝道数越多,每公里转角越大,事故风险越大;入口-出口型交织路段事故发生几率较高。日均交通量与事故风险显著正相关。不同快速路对比分析表明内环事故风险偏高,中环事故风险较低。      

基于XGBoost的自动驾驶汽车事故风险预测研究

自动驾驶汽车风险具有复杂性和隐蔽性,不易被人为地发现和预防。为了更好地预测这些风险,利用美国加州自动驾驶事故数据集,从时间、地点、人员参与、天气等多维度提取数据,数据经过预处理从而构建自动驾驶事故数据库。然后,将XGBOOST算法与数据相结合,建立自动驾驶汽车事故风险预测分类模型。将XGBOOST算法与多种算法进行比较分析,结果表明,XGBOOST算法为较优,其训练和测试预测精度分别超过92.27%和97.06%,能够有效地识别出高风险和低风险的自动驾驶汽车事故情况。     

基于碰撞相容性因素的车辆追尾事故深入数据分析

为详细了解北京市追尾事故车辆的分类对比情况,基于车辆碰撞相容性因素构建了追尾事故的深入数据分析模型,包括追尾事故车辆的基本类型、结构形式及几何特征对比、车辆碰撞损坏特点、车内乘员伤害情况及其相关性等方面内容。利用真实交通事故案例对车辆碰撞相容性相关因素进行统计分析,为车辆追尾事故的预防与伤害减轻等项研究提供参考,指出今后研究的侧重点。     

高速公路施工作业区追尾风险及其突出影响因素识别

针对高速公路施工作业区的追尾风险及其突出影响因素识别问题开展了研究.首先,采集和分析了处于高速公路半幅封闭施工区和单向超车道封闭施工区合流段和施工区段的车型、车速、车头时距等基于车辆个体的交通参数数据,然后引入了避免追尾碰撞减速率(aD)的概念并提出了基于aD的追尾风险度计算方法,进而归纳总结了追尾风险的影响因素并构建了4个用于描述追尾风险度与影响因素之间关系的模型.基于关系模型提出了应用灵敏度分析识别突出影响因素的方法.最后,针对典型半幅封闭施工作业区及单向超车道封闭施工作业区的合流区和施工区段,应用上述方法进行了案例分析,验证了方法的可行性和可用性.     

基于FTA-改进层次分析评价法的有轨电车道路交叉口运营风险分析

为有效预防和减少城市有轨电车道路交叉口运营事故的发生,以34起经典城市有轨电车安全事故数据为数据集,对有轨电车在道路交叉口运营风险因素进行相关分析。利用历史事故数据分析将运营风险因素分为人员、设备、环境和管理这4类,并构建城市有轨电车运营风险评价指标体系。为了使研究结论具有统一性与可靠性,减少主观因素影响,结合事故树结构重要度与传统层次分析法的优点,提出事故树（FTA）-改进层次分析评价法对各风险因素进行分析。在采用此方法针对有轨电车运营风险因素的分析中,将风险因素对顶上事件的影响程度进行量化,同时优化工作人员对引发有轨电车安全事故风险因素的刻板印象,精准提高其运营的安全性,并根据研究结果提出相关建议。     

城市道路无信号控制路段行人过街风险分级预警模型

为量化城市无信号控制路段下的行人过街风险,避免人车冲突事故频发,提出基于K-means算法的行人过街风险量化分级方法,并在此基础上建立了基于随机森林的行人过街风险分级预警模型。考虑时空接近程度及潜在碰撞伤害大小,选取冲突时间差、潜在碰撞距离与潜在碰撞能量3个指标,准确刻画出实际的人车交互场景,并利用K-means算法对行人过街风险状态进聚类划分,明确相应的行人过街风险等级。综合行人过街场景中包含的天气状况、道路交通设施、行人交通特征、机动车交通特征与历史事故等5类风险隐患因素,提出了30项行人过街风险二级指标,依据基尼不纯度对风险指标进行筛选并构建出最优的预警指标集,以此为模型输入,利用随机森林算法建立了能对行人过街风险进行细化、量化预测的分级预警模型。以山西省某市3处行人过街样本数据为算例验证模型的可行性。算例分析表明：行人过街风险等级分为5级时,量化分级结果能与实际行人过街情景较好吻合;本文提出的分级预警模型对各风险等级预测的整体正确率可达86.67%,其中对一级与四级风险的预警能力最为突出,一级风险识别准确率达到100%,四级风险识别准确率达到94.7%。本研究提出的行人过街风险...     

信号交叉口行人受伤严重程度生存分析

为研究信号交叉口行人受伤严重程度,确定其影响因素,应用生存分析对受伤严重程度随时间变化进行探究,同时解决不同信号交叉口因未被观察到的因素而产生异质性问题。采用美国拉斯维加斯大都市圈2004年至2008年事故数据,包括450个信号交叉口的550起行人事故数据,利用stata 14对数据进行Gamma异质性韦布尔分布模型分析,并与韦布尔分布模型进行对比,结果表明不同信号交叉口存在异质性。研究认为:增加行人受伤严重程度概率的潜在重要因素包括行人交通事故数量、星期、光照条件和次干道年平均日交通量。研究结论将为交通行业从业者和管理者提高信号交叉口行人安全提供有益的思路。     

基于FCM聚类的山区高速公路事故多发点成因分析

归纳总结了现有事故成因分析方法的特点和适用条件,提出了包括人、车、路和环境的山区高速公路交通事故影响因素,分析了各因素间的交互作用.提出了基于FCM聚类的山区高速公路事故多发点成因分析方法,并以京珠高速公路为例进行了验证.结果表明,该方法目标函数的聚类方法设计简单、解决问题范围广、易于计算机实现;山区高速公路最主要的事故因素是车辆追尾和刹车失灵.     

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。     

基于互信息贝叶斯网络的交通事故严重程度分析

为掌握省际客运行业事故严重程度影响因素, 采用互信息及贝叶斯网络方法构建模型, 分析各因素变化与事故严重程度的定量互动关系。鉴于行业样本量较小及专家知识建模存在主观性, 采用改进离散算法挖掘数据, 提出结合互信息与交叉验证的先验网络构造方法。以上海市2005—2019年741起省际客运事故数据为例进行模型分析。结果表明: 对事故最敏感的影响因素为驾驶员性别、天气和车辆类型; 其中“女性驾驶员”“雪、大风、雾”“中型客车”对事故严重性的权重占比分别为13.5%, 8.8%和5.7%;此外, 驾驶员年龄对群死群伤事故贡献较小; 客车尺寸与安全性非单调关系; 00:00—05:00引发7人以上受伤的概率同比上升9%;季节、天气、时间因素与财产损失无直接关联。模型泛化能力优于对比模型, AUC均值为0.644 588, 命中率达到97.3%。