基于贝叶斯时空建模的高速公路事故黑点判别

为了识别高速公路事故黑点,基于历史交通事故数据,建立贝叶斯时空交互模型,估计高速公路路段事故率和超常事故率.根据其后验期望序号对路段安全性进行排序,将排序靠前的一定比例路段判定为事故黑点.利用该方法对广东开阳高速公路进行事故黑点判别,并与基于贝叶斯层级泊松模型的黑点判别结果进行对比.结果表明,时空交互模型和层级泊松模型的事故路段排序结果存在显著差异.以事故率为安全评价指标时,2个方法判别的事故黑点中有73%相同;以超常事故率为安全评价指标时,2个方法判别的事故黑点中仅有20%相同.这与类似研究的结论一致,体现了解析时空关联和交互对事故黑点判别的重要性.另外,还对比了基于评价指标后验期望序号和后验均值的事故路段排序序号.结果显示二者的一致性较高.      

基于空间聚类的城市路网事故多发区域共性特征分析应用

为了针对性地识别与治理城市道路事故黑点,需要深入挖掘事故特征。文中采用国内某市内城市道路交通事故数据,分别提取年事故数、每公里事故数为指标,利用空间聚类算法对事故点进行聚类,经过数据可视化得到城市道路交通事故风险分布的聚类结果图并进行特征分析。结果表明,该方法可以有效关联事故多发位置鉴别与特征分析,能在路网层级准确识别事故多发区域,为城市道路交通安全管理提供决策指导。     

交通事故黑点鉴别与改善排序研究

为降低路段统计尺度对交通事故黑点识别结果的影响,汲取动态划分路段原理的优点,考虑不同间距上空间相邻事故发生概率,提出基于动态分段的泊松分布黑点鉴别方法和计算模型;引入时间维度,考虑事故发展趋势,采用重要性-绩效分析方法(Importance Performance Analysis,IPA)对事故黑点严重程度进行排序;将该方法与基于动态分段的当量事故数法进行对比,结果表明该方法在动态路段长度划分上更符合实际,避免了把事故黑点拆分成多个,得出的事故黑点更精确,更便于事故成因的系统分析,同时在确定黑点改善顺序时考虑了事故黑点发展趋势变化,可在有限资金约束下实现效益最大化。     

事故多发点鉴别及其成因分析

对比分析了事故多发点鉴别及其成因方法,归纳总结了各种方法的优缺点及适用条件。提出了基于BP神经网络的高速公路事故多发点鉴别方法,并应用实际高速公路交通事故数据,标定了网络的权值矩阵和偏置向量,该方法能有效解决矩阵法中人为确定边界的不足。针对事故多发点的突出事故诱导因素问题,提出了基于动态模糊聚类的多发点成因分析方法,该方法能将众多的事故诱导因素聚类为从主要原因到隐患原因等4个类别,进而得出较客观的成因分类结果。     

麻昭高速公路交通事故特性与对策

统计、分析麻昭高速公路交通事故,获得其空间与时间分布规律;对交通事故进行非路致因剔除,将事故损失程度当量为事故次数,以1Km为基本单元、采用200m移动步长对全线进行路段划分,获得5组区段划分相对应的事故次数状况,使用当量事故数—累计频率曲线法鉴别事故多发路段;选取典型事故黑点路段,从路况、道路线形和实际运行车速三方面进行原因分析,并提出针对性的处治对策。     

面向 NSM 的高速公路大区段事故风险预测方法

为探究路网交通安全管理(NSM )中的事故风险预测方法,以国内高速公路的大区段路段为研究对象,首先分别采用系统聚类、k-means动态聚类和二阶聚类方法对路段进行聚类,确定最优聚类方法和聚类数量,然后对"同质性路段"分别建立负二项回归、贝叶斯负二项回归、随机或固定效应的负二项回归和多层混合效应负二项回归4种模型,通过精度评价指标选择出最优的事故预测模型,最后计算出相应路段的事故风险大小并识别出事故多发路段.结果表明:选择最优的聚类方法和聚类数量相较于未聚类的情况将有效提高事故预测的拟合精度,其均方方差下降了64% .当选择二阶聚类方法且聚类数量为3时,"同质性路段"负二项回归的事故模型拟合精度最高,其模型的赤池信息量 A IC为464 .79 ,贝叶斯信息量 BIC为476 .98 ,均方方差为99 .22 .在4种事故预测模型中,负二项回归具有良好的预测精度,其预测结果的均方方差最小,为108 .64 .采用统计学方法识别"同质性路段"的事故多发路段,共识别出辽宁省22条事故多发路段.      

基于信息分配的道路黑点鉴别方法

为解决传统的道路黑点鉴别方法中存在的小样本问题及事故样本的信息损失问题,深入分析了事故数据的小样本特性及事故样本反映路段行车风险的多维性;并引入信息分配技术对交通事故数据进行处理,通过计算和比较事故样本分配给各路段单元的事故信息量(而不是事故频次)进行道路黑点鉴别。结果表明:信息分配技术能充分挖掘小样本事故数据提供的道路黑点鉴别信息,事故信息量比事故频次更能反映各路段单元行车风险的大小。     

基于GIS的高速公路交通事故时空分析系统

针对传统数理统计方法对交通事故的时空分析可视化效果差且多发路段识别等数据挖掘深度不足的问题,提出并建立基于地理信息系统(GIS)的高速公路交通事故时空分析系统。为准确掌握交通事故时空分布特征和识别事故时空多发路段,在传统数理统计方法的基础上,结合GIS与改进的时空密度聚类方法对高速公路交通事故进行时空可视化统计分析与事故多发路段识别;利用2016—2018年湖南省高速公路交通事故数据进行测试,结果表明该系统可直观展示2016—2018年湖南省高速公路交通事故时空分布特征和事故多发路段。     

事故多发点鉴别本质及基于BP神经网络的鉴别方法研究

首先对常规事故多发点鉴别方法进行了分析和评述,并通过实例揭示了多发点的鉴别本质。在此基础上,建立了基于三层BP神经网络的城市干道路段事故多发点鉴别模型。该模型考虑了交通事故7个方面的影响因素,并能将常规鉴别方法不易识别出的多发点鉴别出来。其次,应用哈尔滨市市区430个干道路段上1999年至2004年发生的13764起交通事故数据及关联因素数据,对神经网络的权值和偏置值进行了标定,并应用该模型进行了事故多发路段鉴别。最后,分别应用了事故次数概率分布法、矩阵法和质量控制法对430个路段进行了多发点鉴别,并对鉴别结果进行了对比分析。     

驾驶员隧道段夜间行车动视点特征模糊聚类评价

通过隧道路段行车试验,利用SmartEyeAB型眼动仪对驾驶员夜间隧道动视点数据进行采集并进行处理。选取视点停留比率、显著可见区域、扫视幅度、扫视峰值速度、扫视持续时间5项指标作为驾驶员动视点特征主要影响因素。利用模糊聚类分析中的传递闭包聚类方法对驾驶员夜间隧道路段行车视觉特点进行了分析与评价。通过驾驶员对路段的熟悉程度可将动视点特征分为6类。结果表明：该模糊聚类评价方法能够有效反映驾驶员夜间路段视觉信息获取与加工特征,可为保障夜间行车安全提供理论与实践依据。     

107国道岳阳至长沙段事故多发路段研究

道路事故状况评价和事故多发路段鉴别是道路安全研究中的重要内容，以107国道岳阳至长沙段的事故多发路段研究为背景，介绍了事故相关因素分析的方法，通过对事故历史资料的统计分析，寻找与道路交通 关的事故成因；针对我国不同地区道路安全状况差异大的特点，提出了适用于我国事故多发位置鉴别的新方法－累计频率曲线法，并在107国道岳阳至长沙段的事故多发路段研究中得到了应用。     

基于GIS分析的深圳市道路交通事故空间分布特征研究

掌握城市道路交通事故空间分布特征是城市道路交通安全管理的重要基础。基于深圳市2014~2016年的道路交通事故数据，首先应用地理编码方法对原始事故记录进行空间定位，形成事故的空间分布。其次针对考虑/不考虑路网密度的2种情况，应用密度分析方法对道路交通事故多发的区域和事故严重程度较高的区域进行鉴别，比较2种情况下区域分布的差异并分析造成这种差异的可能原因。最后利用异常点分析和热点分析2种空间聚类分析模型对事故严重程度较高的区域进行进一步鉴别，并对密度分析和聚类分析2种方法得到的结果进行了比较。密度分析结果表明：就事故频度而言，深圳市中心城区单位面积上的交通事故频度较高，而郊区单位长度道路上的交通事故分布更为密集；就事故严重程度而言，郊区的交通事故平均严重程度高于市中心区域。造成上述差异的原因可能与郊区道路限速较高等因素有关。聚类分析结果与密度分析结果相近，在郊区形成了高严重程度的事故聚类，而在中心城区形成了低严重程度的事故聚类，说明郊区的交通事故严重程度总体高于市中心区域。从2种方法的比较来看，密度分析简单易行，有助于交通管理部门对城市交通事故空间分布特征直观快速的了解；聚类分析可精确到事故点，为精细化的交通安全管理工作提供支撑。研究结果表明基于密度分析和聚类分析的研究方法对于确定道路交通事故空间分布特征有良好的作用。     

模糊聚类分析在沥青路面养护路段划分中的应用

划分路段是进行路面养护的关键问题之一。该文将模糊聚类分析方法应用于养护路段划分中,为路段划分提供了一种数学手段。文章介绍了几种模糊聚类法的优缺点,运用传递闭包法分析了实际路面数据,并尝试用F-统计量确定最佳聚类水平α。     

改进的聚类法在事故多发点成因分析中的应用

道路交通事故多发点的成因分析是道路交通安全管理工作的重要内容,在对交通事故影响因素系统整理的基础上,提出了优化改进的核密度聚类分析方法,即采取"优化窗宽的核密度聚类方法"进行道路交通事故多发点成因的分析。同时,实践性地将该方法应用于某城市的部分交通事故数据分析,产生了有关交通事故多发点各影响因素的聚类图层,进而将各图层进行叠置分析,最终得到两大主要的综合性影响因素。结果表明,提出的优化窗宽的核密度聚类分析技术可以有效地对道路事故多发点成因进行分析,为日益严峻的交通安全问题研究做出一定的探索。     

基于改进K-means算法的城市道路交通事故分析

为有效采集城市道路交通事故数据,分析交通事故时空特征,辨识交通事故原因,利用手机APP方法采集了宁波市鄞州区2016年第四季度的37 654起交通事故数据。鉴于传统K-means聚类算法收敛慢和精度低的缺陷,建立改进的K-means聚类算法以消除孤立点对聚类结果的影响,对研究范围内的交通事故黑点进行识别及分析。结果表明:基于手机APP采集的有效事故数据样本量占实际警情的比例为96.4%,能满足事故数据分析的精度和质量要求;近4年每个季度的事故变化趋势呈现明显的锯齿状变化;机动车与机动车事故数量最大,机动车与非机动车事故数量次之,事故比例分别为58.4%和15.8%;时间特征方面,周一发生的事故数量最大,周四最低,事故比例分别为15.4%和13.2%;空间特征方面,道路交通事故发生地点主要集中在地面路段、交叉口、停车场等,事故比例分别为77.4%、11.6%和7.0%,居民小区和高架事故比例较低,分别为3.2%和0.9%;事故原因方面,跟车距离过近、转弯未让直行、违法变更车道、超速行驶等驾驶行为是引发交叉口机动车与机动车类型事故的主要原因,事故比例分别为28.8%、22.9%、15.6%和7.6%;机动车转弯未让直行非机动车、非机动车闯红灯、机动车与非机动车相互占用车道和非机动车逆向行驶,是诱发交叉口机动车与非机动车类型事故的主要原因,事故比例分别为36.6%、16.6%、9.9%和7.3%。     

安全评价技术在老路改建中的应用研究

结合沪宁高速公路南京连接线改造工程,在已有交通事故统计资料、全线几何设计参数和大量实测数据的基础上,运用事故统计分析、人机工程学理论和运行速度理念等新的安全评价技术对该路段的安全状况进行分析与评价。通过对所得数据的评价分析找出事故隐患路段和事故黑点并提出具体的安全整改措施,为安全评价技术在老路改建中的应用作了有益的尝试。     

基于统计学原理的沥青混凝土路面病害分布规律研究

根据广东省某高速公路路面状况调查结果,研究不同路面病害的形式及分布规律.采用聚类分析法,对全路段进行划分,得到典型路段路面病害基本状况类型,并基于统计学原理,对左右轮迹带出现车辙的差异性做了重要研究,分别分析车辙与路基沉陷、裂缝与路基沉陷尤其是车辙与裂缝的相关性,得到主要病害分布规律及基本成因.结果表明,所采用的方法科学、简便,为公路养护管理提供了一定的参考依据.     

高速公路事故多发路段的鉴别及成因分析

事故多发路段是影响高速公路安全性的关键因素。为了对高速公路事故多发路段进行有效鉴别,采用累积频率法作为事故多发路段的鉴别方法。以广云高速公路马安至河口段为例,结合累积频率法分析了该路段近三年的交通事故数据,确定了事故多发路段并对其事故成因进行了相应的探讨。     

基于K-均值聚类的沥青路面使用性能评价

传统的基于1km路段长度进行路面使用性能评价的方法存在很多不足。本文提出了基于K-均值聚类的路面使用性能评价方法,并运用京藏高速部分路段检测数据对所提出的评价方法进行了实例验证,结果表明:运用聚类分析划分成的几个类别路段分项指标等级出现了不同的组合,反映了完全不同的路况,划分结果科学合理,一方面简化了路面使用性能评价的过程,另一方面更加有利于路面养护施工,节约养护成本和时间。     

基于两阶段K-means聚类的道路运行状况评价方法

为有效评价道路运行状况,通过分析车辆在行驶过程中运行状态的变化,研究了一种基于两阶段K-means聚类(TSKC)的道路运行状况评价方法.针对K-means聚类数选取的任意性和聚类中心选取的随机性问题,提出基于遍历的K-means聚类方法,采用类吸引度确定聚类数和初始中心,并以此为初始条件进行第二阶段K-means聚类,得到交通模式.提出模式吸引度、路段评价指数、分布均衡度,并用这些指标来评价路段交通运行状况.以北京市朝阳区北辰东路为例进行验证,结果表明,该方法比传统道路评价方法更细致、全面、直观地描绘了车辆状态的演变过程和交通模式的分布情况,具有良好的实用性.