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.      

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.      

常规公交风险的 SEM 与 Bayesian Network组合评估方法研究

常规公交系统具有载客量大、班次多、线路固定等特点,存在多种安全风险隐患.为综合评估常规公交风险,对国内外554条事故数据分析整理,构建了常规公交风险指标体系.建立了常规公交风险评估的结构方程模型,得到常规公交风险因素对事故的单向拓扑结构.在结构学习的基础上,利用信息熵理论研究风险因素对预测结果可信度的影响权重,从而进行变量筛选.以失火事故为例利用贝叶斯网络模型进行了城市常规公交风险评估参数学习.研究结果表明,失火事故的主要风险因素为油气泄漏、车内外温度均较高等.在风险因素组合作用下失火事故发生概率范围为 0 .002 1至0 .842 9 .所建模型预测精度高,验证了方法的科学性和准确性,可用于进行定量化的常规公交风险评估.      

基于改进贝叶斯网络模型的高速公路交通设施风险评估

交通设施对高速公路交通安全起着关键作用,对交通设施进行风险评估是预防交通事故的有效方法之一.为实现对高速公路交通设施风险的评估,分析了交通设施对交通安全的影响机理.通过因子分析法提取了各作用节点和作用网络,根据网络中各节点之间的关系,结合条件概率知识对贝叶斯公式进行了变形与推导,舍去无关变量和无影响常量,构建基于改进贝叶斯网络的高速公路交通设施风险评估模型.用高速公路历史事故数据对模型概率参数进行标定和校准之后,可将高速公路交通设施现状调查结果带入模型进行风险评估.模型计算得到的 值越小,高速公路交通设施风险越大.采用珲乌高速公路实地调查数据,带入模型分析发现,值小于0.5时,事故数相对较高,设施风险较大;值大于0.5时,设施风险较小.      

基于多时间尺度一步外推的短时交通参数多步预测方法

为了进一步提高短时交通参数多步预测的效果,以自适应指数平滑法、BP神经网络法和小波分析理论作为基础模型,利用前一时刻预测误差确定基础模型在组合模型中所占权重,提出了一种交通参数一步预测组合模型;通过分析交通参数合成和分解机理,在分别提出多时间尺度交通参数合成方法和交通参数分解方法的基础上,设计了一种基于多时间尺度一步外推的短时交通参数多步预测方法,采用某大城市感应线圈1 min时间尺度的交通参数数据进行了验证和对比分析.验证结果表明,交通参数一步预测组合模型的预测效果明显优于任一基础模型,且该方法的多步预测效果明显优于循环一步外推短时交通参数多步预测方法.     

高速公路运行状态评价方法研究

目前,高速公路管理已从事故发生后的交通组织研究扩展到事故前的交通状态分析和事故预警,较差的运行状态会导致交通事故发生概率增加并影响道路综合效益的发挥,故正确判断高速公路运行状态非常重要.文中通过建立多目标综合评价模型,将多个评价指标采取逆指标化处理和归一化处理,通过综合评价函数计算获得高速公路运行状态的综合评价值,并参考已有研究成果得出指标分级阈值,最终得出运行状态等级,为高速公路的管理和预警提供科学依据.     

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

基于时空交互模型的高速公路季节事故频次影响因素分析

为了深入了解影响高速公路事故频次的显著因素，采集2014年广东省开阳高速公路的事故、道路、交通和气象数据，以曲率和坡度同质性为原则将整条公路划分为154条路段，采用时空交互模型拟合路段季节事故数和道路设计参数、交通特征、气象因素间的内在关系。该模型不仅解释了相邻路段间的空间效应和相邻季节间的时间效应，而且还考虑了时空效应间的相互作用，有助于提高模型的拟合预测性能、减少参数估计偏倚。基于贝叶斯推断的模型估计和评价结果显示：事故数据中存在显著的时空关联和交互效应；时空交互模型比传统层级泊松模型的拟合优度更高；路段长度与事故频次线性相关，而交通量则与事故频次间存在非线性关系；高速公路交通安全性随着中、大型客、货车（三类车）比例的增加而显著提高；路段曲率、坡度越大，交通事故风险越高；风速越高、降水量越多的季节，事故频次将显著上升。研究结果可为高速公路交通安全改善方案的制定提供理论依据。     

基于PCA-RF组合模型的隧道交通事故持续时间预测

使用主成分分析(PCA)和随机森林(RF)组合模型对高速公路隧道交通事故持续时间进行预测.主成分分析用来提高随机森林模型的精度与效率.此外,通过调节2个模型参数,包括决策树数目和最大树深度来提高模型精度和避免模型过拟合.参数优化的结果表明,建模时决策树数目取150、最大树深度取10可降低模型的泛化误差.用以建模的数据包括了山西省的所有高速公路隧道自2012—2017年内的2115起事故数据.每起事故数据包括16个变量,包括隧道类型,事故发生位置类型,事故类型等.结果表明,PCA-RF组合模型的平均绝对误差为12.80 min,误差20 min以内的准确率为89.15%,取得了良好的预测效果.并且,PCA-RF组合模型的精度高于RF模型,说明PCA-RF组合模型能够提高事故持续时间预测的精度.且PCA能够降低数据维度,提高算法的效率.与人工神经网络模型的结果表明,PCA-RF组合模型预测结果精度高且其模型更简单、效率更高.      

基于重要指示变量和特征的高速公路浓雾短临预测研究

浓雾天气严重影响高速公路车辆运行安全,导致道路交通事故频发,而对高速公路浓雾天气的有效预测是解决交通事故多发问题的有效途径。因此,通过交通气象监测站获取全时段高速公路气象数据,立足浓雾形成机理和车辆运行实际需求,选用"滑动窗+模糊统计和线性插值"方法对其气象数据进行预处理,获取浓雾产生过程的连续气象要素数据,并提取出浓雾产生前3 h的各气象指标数据。利用统计分析方法获取和分析浓雾形成前各气象要素数据变化趋势,进而采用先决条件阈值和滑动窗口算法,确定出浓雾形成的重要指示变量及变量的变化特征。最终,提出了基于"能见度前期振荡"和"大气温度回温波动"特性的浓雾短临预测模型,利用沪宁高速公路沿线江苏境内交通气象监测站2013—2015年浓雾发生前3 h气象数据对短临预测模型参数进行标定,进而对其2016年气象数据进行浓雾短临预测。结果表明:浓雾短临预测模型的预测结果中22组数据与实际结果相符,遗漏数据组7组,其预测准确率达到了75.86%,漏检率仅为4.35%,故该模型可以实现对高速公路沿线浓雾产生前短时间内进行有效预测,能及时警示公路运营管理部门提前做好预防处理准备,降低因突发浓雾而造成的交通事故发生的概率,极大的保障高速公路车辆运行安全。     

双目标优化下的高速公路应急资源调度策略

根据高速公路交通事件应急救援要求,以最低救援成本和最小救援时间为目标,首先对研究区域的事故黑点、黑点事故发生频率以及事故严重程度进行预测。结合预测结果分析救援资源需求,在保证应急抢险及时高效的前提下结合救援中心物资储存、购置成本提出了基于事故黑点预测的综合成本最小的双目标应急资源调度方法。最后,利用LINGO求解器和某高速公路实际数据对模型进行求解分析。结果表明:该模型可以在保证突发事故发生时资源及时配送的前提下减少物资的运输成本和储存成本,节约资源。     

二级公路交通流特征对事故严重程度的影响

为有效管控二级公路的交通安全,定量刻画二级公路事故严重程度与交通流特征之间的关系,以元(谋)-双(柏)公路为研究对象,基于长期监测的交通事故数据及交通流数据,利用结构方程中的测量模型实现事故严重程度的量化计算,并运用Spearman分析法、决策树算法及随机森林模型选取影响事故严重程度的关键交通流参数,进一步采用多变量多项式比率法建立关键交通流参数与事故严重程度之间的关系方程,获取二级公路交通流特征对事故严重程度的影响关系。研究结果表明:①相比于事故率、受伤人数、死亡人数等指标,事故规模更能准确且全面地表征事故严重程度;②大车(指大客车、中型货车、大型货车、特大型货车、拖挂货车、集装箱车)平均日交通量、轻型车(指拖拉机、摩托车)平均日交通量、v/c、车速变异系数是影响二级公路事故严重程度的4个关键交通流参数;③各交通流参数之间存在相互作用关系,且不同参数对事故规模的影响程度不同;④当大车平均日交通量、轻型车平均日交通量、v/c、车速变异系数分别取200~340veh·d-1,200~380veh·d-1,0~0.1及0.7~0.77,0~0.15及0.6~1时,二级公路的事故规模较小;当大车平均日交通量、轻型车平均日交通量、v/c、车速变异系数分别取0~200veh·d-1,0~190veh·d-1,0.32~0.63,0.16~0.2及0.4~0.6时,二级公路事故规模较大。     

基于多元非线性回归的高桥隧比高速公路事故预测模型

研究高桥隧比高速公路事故发生的影响因素及规律,首先选择影响事故数量的主要因素路段长度与年平均日交通量AADT,并引入"桥隧比"参数3者作为自变量,采用曲线估计法分别对事故数与路段长度、AADT、桥隧比进行拟合,确定各自的曲线方程。然后,采用多元非线性回归分析法建立事故预测模型。研究结果表明,提出的基于多元非线性回归的事故预测模型精度较高,并考虑桥隧比参数,具有一定的理论意义及研究价值,可为高桥隧比高速公路事故预测研究提供一定的参考。     

高速公路改扩建安全交通组织研究

为了实现高速公路改扩建期间的安全交通组织,解决施工期间的交通流转移将会造成高速公路通行效率低以及交通安全等难题,以理论结合实际项目的观念,依托江西省某高速公路改扩建项目工程,根据高速改扩建期间交通组织的现状分析了安全交通组织的必要性。基于高速公路改扩建期间的交通指标数据,科学合理的构建高速公路改扩建期间交通组织安全性综合评价指标体系,并综合分析确定交通运行安全等级;改进动力学模型增加安全评价等级参数,得到新的参数模型,并根据高速公路改扩建期间车辆的综合运行指标数据计算安全减速距离;最后,基于安全减速距离利用VISSIM软件输出车辆延误事件,根据VISSIM运行轨迹利用SSAM软件输出交通冲突,来进一步确定车辆的减速区间。综上,建立了高速公路改扩建期间交通安全评价模型体系,采用"指标定量+综合打分法"确定指标权重,基于评价后的安全等级,优化了现有动力学模型,利用软件进一步确定提高通行效率的减速距离,保障车辆减速阶段的转向合流,保障道路交通组织的安全,实现道路施工期间的顺畅通行。研究表明:交通组织模型结构首先在宏观层面确定大交通环境下高速公路运行的风险等级,然后微观分析改扩建期间节点交通组织的安全及通行效率,对现状高速公路改扩建期间的交通组织具有一定的指导意义。     

基于数据挖掘的固定型交通检测器配置优化

结合固定型交通检测器空间配置的4条原则和配置密度优化步骤,提出基于数据挖掘技术的固定型交通检测器配置优化方法.设计6种高速公路出口匝道的固定型交通检测器配置密度方案作为实例研究对象,运用数据挖掘技术的时间序列指数平滑方法、ARIMA方法和神经网络方法分别建立高速公路出口匝道小时交通量Winters预测模型、ARIMA预测模型及神经网络预测模型.采用网格搜索技术确定Winters模型参数,设计一种比传统ARIMA模型参数估计方法更精确的算法程序,来估计ARIMA模型参数,采用3项误差指标评价模型预测效果.根据预测结果及高速公路事件管理交通参数精度要求确定可行方案及最佳方案.实例研究表明,在保证满足ITS 对交通参数精度要求的同时,通过数据挖掘技术降低了交通流信息采集固定型检测器的配置密度及成本.     

考虑大型车因素的支持向量机短时交通状态预测模型研究

高速公路是运输效率高、通行能力大、具备全控制条件的道路,及时发现异常交通状态并采取相应的管制措施是保持良好通行能力的基础。交通状态的短时预测技术能够在实时交通状态数据的基础上对交通状态发展趋势进行预测,为高速公路主线运行管理及匝道交通控制提供决策依据。本研究首先应用灰色关联度理论,分析了道路车型组成比例对交通状态的影响,发现车流中的大型车比例与车流平均速度存在较强的关联性,而且在纵断面线形较为复杂的山区高速公路,车流中大型车比例对车流速度的影响更为显著;然后建立了引入大型车辆比例影响因素的基于支持向量机(SVM)模型的高速公路短时交通状态预测模型,最后通过实测数据及对比试验验证了模型的可行性与准确性。结果表明:本研究设计的支持向量机预测模型具有较为准确的预测效果,均方误差为0. 024 19,决定系数为0. 58;与未引入大型车辆比例的预测方案相比,均方误差减少0. 22,决定系数增大0. 27;与传统的BP神经网络模型相比,支持向量机短时交通状态预测模型预测结果震荡幅度小,所需训练样本量少,具有良好的预测精度,综合性能较好;通过时间序列分析得到,以前6,7个时间点作为输入的预测方案效果较为准确,若时间选取过多,将对模型产生干扰,预测效果反而不好。     

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。     

基于线形风险指数的高速公路线形风险评估方法研究

为使高速公路线形风险评估最终有一个量化的综合评估结果,并克服现有线形风险评估方法的缺陷,在线形风险评估指标研究的基础上,将运行速度协调性线形评估和驾驶员心理指标线形评估相结合。评估过程中综合考虑驾驶员因素及线形本身的影响,规避两方法各自的局限性,提出了一种量化的高速公路线形风险评估综合指标——线形风险指数,实现了高速公路线形风险评估的多元考虑。以湖南某高速公路为依托,通过现场试验对3名驾驶员心率变异指标及实时车速进行采集,采用线形风险指数对试验段线形分段进行了风险评估。通过将2009年至2012年试验段交通事故情况与评估结果进行对比分析,发现试验段线形风险指数与路段事故数变化规律基本一致,验证了线形风险指数进行高速公路线形风险评估的可行性与可靠性。     

高速公路隧道交通安全评估研究

主要介绍了高速公路隧道交通安全评估的理论与方法。隧道交通安全评估主要分为两个方面:一是安全风险评估,二是安全潜力评估。通过对高速公路隧道交通事故进行分析,得出影响隧道交通安全的风险因素,并针对各风险因素,找出可减少事故发生概率和减轻事故严重程度的安全保障措施。根据各种不同情况下所产生的风险因素及相应的安全保障措施,分别给出了安全风险参数和安全潜力参数的评分标准,及隧道安全评估参数的计算方法。最后应用模糊评价的方法,代入隧道安全评估参数,对隧道的交通安全状况进行评价。     

东马各庄隧道运营安全仿真评价分析

高速公路隧道是高速公路上的特殊路段,属交通事故多发段,一旦发生交通事故,道路通行能力将降低。对隧道运营风险的识别和评估不全面,将导致无法有效降低运营风险,加剧隧道事故危害。文中以张涿(张家口—涿州)高速公路东马各庄隧道为例,借助VISSIM交通仿真软件建立公路隧道及交通事故模型,通过隧道运营安全因素分析,从交通流、交通量、持续时间等方面分析隧道内交通事故对隧道通行能力的影响,以更大程度实现高速公路隧道安全行车。