基于多元回归分析的事件持续时间预测

事件持续时间预测是实现先进的事件管理系统的一个重要基础。本文通过多元回归分析法对高速公路事件持续时间预测问题进行研究。首先通过方差分析(ANOVA)确定对事件持续时间具有显著影响的因素。在此基础上,通过逐步回归分析确定用于高速公路事件持续时间预测的最佳变量组合并建立多元线性回归模型。经检验,预测值与实际值的相关系数为0.8573,预测结果基本能够反映真实的事件持续时间情况。     

交通事件持续时间影响因素分析及其回归模型

交通事件的快速处置对于交通事故的快速救援、交通拥堵的及时疏导、交通安全隐患的有效排除具有重要意义。文中就某高速公路交通事件管理系统中记录的近3年的交通事件信息进行数据统计处理;采用方差分析的方法,分析高速公路交通事件持续时间的影响因素及其作用;采用多元逐步回归建模的方法找出主要影响因素并进行多元回归预测。经样本检验,此回归模型能够很好地预测交通事件持续时间。     

文本数据驱动下的高速公路事故持续时间预测模型

事故持续时间的预测是高速公路应急管理的基础,及时准确的事故持续时间预测可为道路疏导和组织救援提供可靠依据.针对道路交通事故信息及其异质性主要以自由流文本存在的问题,研究了基于文本数据的高速公路事故持续时间预测方法,可应用于以自然语言形式存在的任何信息文本.并在此基础上,构建V-Fisher有序聚类模型,结合多种文本分类算法,开展模型结果的对比分析.结果表明,与一般回归算法相比,V-Fisher有序聚类模型可更好的实现对事故持续时间的预测,且通过集成学习(SVR+LR)建立的分类模型准确率达到0.82,取得良好的预测效果.      

交通事件持续时间预测方法综述

对交通事件持续时间的预测方法进行综述。分析了交通事件对交通拥堵的影响,解释了交通事件持续时间的含义。交通事件持续时间预测方法主要包括：基于统计分析的模型,如概率分布、条件概率、回归分析、时间序列,其次包括不需要知道其分布特点的决策树模型、非参数回归模型,模糊逻辑模型。分析了各种方法的优缺点和适用性,并指出交通事件数据的质量影响了模型的准确性和精度。大量的研究发现事件持续时间的分布近似于正态分布,并向左侧偏斜。最后,提出今后交通事件数据库的建立和交通事件的科学分类可从根本上提高基于统计学模型的精度。     

高速公路清障救援机制的分析及其改进研究

介绍了国外两种成熟的公路清障救援模式,英国汽车协会提供的清障救援以及美国的高速公路巡逻项目,并总结了两者的特点。在此基础上,分析了国内高速公路清障救援模式,发现其中存在一些问题：与国外的成熟模式相比,国内的清障救援模式主要存在三个问题：管理职能重叠;清障资源无法共享;无有效的事故确认手段。最后提出了明确管理关系和改变资源配置模式的意见以提高国内高速公路清障救援的效率。     

高速公路清障救援机制的分析及其改进研究

文章首先介绍了国外两种成熟的公路清障救援模式,英国汽车协会提供的清障救援以及美国的高速公路巡逻项目,并总结了二者的特点。在此基础上分析了国内高速公路清障救援模式,发现其中存在一些问题:与国外的成熟模式相比,国内的清障救援模式主要存在三个问题:管理职能重叠;清障资源无法共享;无有效的事故确认手段。最后提出了明确管理关系和改变资源配置模式的意见以提高国内高速公路清障救援的效率。     

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.      

基于生存分析的交通事故持续时间预测模型

收集了江苏省某高速公路事件数据,提出了基于条件概率的生存分析预测事件持续时间的实现方法,并用实例试验了基于条件概率的生存分析模型的效果,给出了预测事件持续时间的一般过程,通过最终得到的累积结束概率图给出事件持续时间的预测值及其对应的概率值。     

基于风险分析的高速公路交通量预测模型

高速公路交通量预测过程涉及众多的输入因素,其中许多因素的不确定性将导致预测结果存在一定程度的风险。该文运用风险分析方法,对影响交通量的风险因素进行了分类和识别,阐述了风险的产生及其特性,估计了主要风险因素的概率分布,并用蒙特卡罗方法对未来交通量进行了模拟,得到了交通量的概率分布曲线,为合理计算高速公路建设规模与制定投资决策提供了可靠依据。     

基于决策树的高速公路事件持续时间预测

利用决策树方法对高速公路事件持续时间预测问题进行研究。首先在借鉴各国研究经验的基础上，根据所研究事件数据集中的事件持续时间数据的分布特征确定构造基于决策树的预测方法；然后用整理得到的660组事件数据，通过对各类事件的显著性分析，建立高速公路事件持续时间预测决策树，并用同一数据集中未用于决策树构造的170组数据对决策树的预测效果进行检验。检验结果表明：所开发决策树的预测值与实际值的相关系数为0．8423，预测结果基本能够反映真实的事件持续时间情况。     

高速公路车速离散性与交通事故的关系及车速管理研究

对高速公路的车速标准差和亿车公里事故率的数据进行回归分析,建立了二者的关系模型,模型表明车速分布越离散,事故率越高,从而为高速公路的车速限制提供了理论依据。利用中国14条高速公路的地点车速调查数据,对15％位车速、85％位车速与单圆曲线的曲率变化率CCRs进行回归分析,分别建立了85％位车速与CCRs的回归模型以及15％位车速与CCRs的回归模型,利用这些模型提出了合理的基于交通安全的车速限制建议值。     

基于PCA和ICA的交通流量数据压缩方法比较研究

针对交通流量数据的特点,分别采用基于主成份分析(PCA)和独立成份分析(ICA)的方法对其进行数据压缩研究和比较。首先,对城市道路和高速公路的交通流统计特性进行分析:发现采样时间的大小不会影响研究结果,而流量离差的统计分布为接近高斯分布的超高斯分布。然后分别采用基于PCA和ICA的方法进行交通流数据的压缩与重构,并对结果进行全面比较。试验结果表明:由于城市道路和高速公路的交通流离差数据均接近高斯分布,因此PCA在数据压缩中的效果较好;而高速公路的交通流数据压缩结果优于城市道路,因为其更加规律和稳定。这一结果反映了交通流波动的随机特征,对于进一步的交通流分析有着重要的意义。     

水泥红粘土的强度试验研究

红粘土是碳酸盐岩系出露区的岩石,在我国分布广泛,不同地区的红粘土表现的工程性质具有差异性。就湘中南地区的粘性红壤土通过不同水泥掺入比及不同龄期下的无侧限抗压强度试验,分析了水泥红粘土的强度增长机理,对试验结果进行了回归分析,给出了不同掺量、不同龄期水泥土之间的强度推算公式。     

基于光纤光栅技术的沥青路面结构应变场分析

在北京某高速公路埋设了光纤光栅传感器以开展应变研究,两组三维传感器组分别被布设于沥青路面的中、下面层以获取各层位内的三维应变信息。通过改变车辆的加载重量和运行速度,分别监测应变响应的变化趋势和规律。试验选用的接地压力范围由0.49~0.97 MPa,而车辆的运行速度包括17、30、44、56、69 km/h等。基于采集数据的计算和分析表明,不同层位的各传感器应变值均随车速降低和轴载增加而显著增加,该规律与力学分析及经验预测的结果一致,这不但验证了将光纤光栅传感器进行路用的可行性,并且提升了传感器现场埋设的流程和工艺。试验结果说明了光纤光栅传感器具有良好的路用性质,将其应用于沥青路面结构的应变场测试是可行的。     

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.      

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。      

城市快速路交通事故持续时间预测

有效的交通事件管理系统需要对交通事故持续时间进行准确的预测。基于北京市122事故报警系统的65000组数据,分别运用多元回归和分类回归树的方法对北京市快速路上的交通事故持续时间进行了建模,并运用另外的8000组数据对预测模型的精度进行了检验,回归模型的误差平均值为30．7463％,分类回归树的误差平均值为29．5197％,误差分析结果表明,多元回归模型和分类回归树模型的结果都比较令人满意;分类回归树并不能显著的提高模型预测的精度。