考虑车道变换影响的高速公路交通事故预测模型研究

考虑车道变换可能对交通安全造成不利影响,结合广东省3条高速公路64个路段的交通运行状况数据和交通事故历史数据,利用负二项分布预测方法,建立并标定了基于交通量、路段长度、车道变换次数、大型车变道比例、单位里程变道次数等5个解释变量10组不同组合的交通事故预测模型.通过计算各组模型的Akaike信息量准则指标,得到了3组权衡了模型结构(即解释变量数量)和数据拟合度的最优模型.结果表明,虽然3组最优预测模型的预测精度仍有待提高,但是考虑车道变换影响的交通事故预测模型明显优于其他模型.这说明与车道变换相关的变量可以作为交通事故预测的有效解释变量,并且引入该类型变量可以更好地预测高速公路交通事故的发生.     

基于Tobit回归的山区高速公路事故率分析模型

以事故率为因变量来建立事故分析模型或预测模型时,由于事故率是连续型随机变量,传统的泊松分布、负二项分布及零堆积类分布模型已不再适用。加之,当统计年限较短或路段划分较短时,统计样本中的事故率会出现较多"0"值的情况,此时,事故率就属于受限的连续型变量,即受限因变量。通过对比分析可适用于受限因变量建模的Truncated回归和Tobit回归方法,基于Tobit回归建立了山区高速公路事故率分析模型并计算了模型中自变量的边际效应。模型的因变量为路段上的亿车公里事故率,自变量为路段上的年平均日交通量、路段长度及几何线形指标变量。研究结果表明:针对事故率这样一个受限因变量,采用Tobit回归来建立事故率分析模型是适宜的,所建立的事故率分析模型较好地反映了年平均日交通量、路段长度、几何线形条件等对事故率的影响。模型标定结果及边际效应数值表明:纵坡类型对山区高速公路事故率的影响最大;其次是纵坡坡度、路段长度和年平均日交通量;最后是竖曲线曲率。若设竖曲线曲率对事故率的影响程度为1.0,则年平均日交通量、路段长度、纵坡坡度、纵坡类型的影响程度分别为3.1、4.1、9.1、和9.7。     

高速公路交通事故非线性负二项预测模型

以京港澳高速公路（G4）粤境北段3年发生的1 354起交通事故为研究对象,将基础数据根据路段长度一致、曲线半径一致和坡度一致划分路段单元对基础数据进行处理,从道路线形和环境条件2个方面选取13个自变量,分别采用负二项（Negative Binomial,NB）回归模型和非线性负二项（Nonlinear Negative Binomial,NNB）回归模型建立交通事故起数预测模型,根据模型的拟合优度和预测准确性对比分析负二项回归和非线性负二项回归模型的优劣,并找出影响交通事故起数的显著自变量,分析显著自变量对交通事故起数的影响程度。研究结果表明：无论采用上述何种路段划分方法,非线性负二项回归模型构建的交通事故起数预测模型均优于负二项回归模型;采用坡度一致划分方法明显优于路段长度一致和曲线半径一致划分方法,更适合应用于山区高速公路交通事故数预测研究;从显著变量相关性来看,路段长度、相邻路段坡度变化值、弯坡组合、曲率、是否存在隧道路段以及是否为易结冰和起雾路段均是非线性模型的显著影响因素。     

高速公路上坡路段6轴铰接列车运行速度预测模型

为确保车辆在上坡路段的行驶安全，针对高速公路6轴铰接列车在上坡路段运行速度预测误差大、安全运营管理难的问题，提出了面向上坡路段6轴铰接列车的运行速度预测模型。采用雷达测速仪和AxleLight路侧激光仪采集西南某山区高速公路5处连续上坡路段的6轴铰接列车的交通流数据，并对实际运行速度与现有规范预测模型进行对比分析。以纵坡坡度、纵坡长度、车辆比功率、初始运行速度4个参数为变量，构建上坡路段运行速度预测模型。提出了预测模型误差修正方法，并分析了模型的有效性。结果表明:现有规范运行速度模型对6轴铰接列车运行速度的预测平均误差率达到了25.37%，模型误差较为显著；上坡路段6轴铰接列车的运行速度与坡度、坡长呈负相关，与车辆比功率呈正相关；构建的多元线性回归模型拟合优度R2为0.978，且满足相关检验指标；模型预测速度与实际速度差在2~4 km/h之间、相对误差平均值为8.86%，其结果较规范模型降低了16.51%；考虑交通密度因素修正后，模型预测速度与实际速度差在1 km/h以内、相对误差平均值为1.08%，其结果较未经修正的预测模型降低了7.78%，较规范模型降低了24.29%。由此可见，该速度预测模型对长上坡路段6轴铰接列车运行速度预测的准确性提升明显。      

基于线形指标的山岭重丘区高速公路事故预测模型

依据我国山岭重丘区高速公路几何线形和交通事故数据,建立了基于交通流量和几何线形指标的高速公路基本路段事故预测模型.首先,基于几何线形条件对基本路段进行了划分,确定了路段单元.其次,分析并确定了理想线形条件的范围,建立了理想线形条件下的基本事故率预测模型.再次,应用BP神经网络与敏感性分析相结合的方法,确定出了对事故发生有突出影响的道路纵坡、平曲线半径和直线段长度3个线形指标,并确定了上述线形指标的事故率修正系数.依据基本事故率预测模型及事故率修正系数即可进行事故预测.模型验证结果表明:该模型能够对路段单元进行事故预测,事故总体预测值与实际值的相对误差在-5.85％～-7.87％之间.     

基于广义线性模型的高速公路交通事故预测

为分析高速公路交通流状态参数对交通事故的影响,建立了基于广义线性模型的高速公路交通事故预测模型。采用美国8号州际高速公路的实时交通流数据和交通事故数据,建立了实时交通流状态下的高速公路泊松分布预测模型和负二项分布预测模型,并给出了模型变量弹性系数的计算方法,用以确定高速公路交通事故的突出诱导因素。研究结果表明:广义线性模型能够很好的拟合高速公路交通事故,并且负二项分布预测模型的预测精度高于泊松分布预测模型;交通量、占有率、大车比例和速度标准差是高速公路交通事故的显著影响参数,并且与之呈正向关系;交通量是诱导高速公路交通事故发生最突出因素,交通量增长1%,可导致交通事故增长5.8%。     

山区高速公路长大下坡路段界定标准研究

以山区高速公路长大下坡界定标准为研究对象,通过分析连续下坡路段交通事故的特点,提出采用分析下坡过程中的主制动器的温升方法来定量地界定高速公路长大下坡路段.研究采用路段典型大货车的温升试验和回归分析的方法,建立了典型大货车在长大下坡路段无辅助制动情况下的主制动器温度预测模型,并计算出下坡过程中主制动器温度达到200 ℃时,不同平均纵坡对应的坡长,并据此提出了山区高速公路不同平均纵坡对应的长大下坡路段界定标准.     

高速公路交通安全的物元评判及事故预测

为了监测高速公路的交通安全状况,保障交通参与者的出行安全,基于多因素综合分析,建立了高速公路交通安全多层评判指标体系.在此基础上,利用熵权法界定指标权重系数,并结合可拓学中的物元理论,构建了高速公路交通安全的物元评判模型.根据实际数据标定各评判指标的节域,由级别变量特征值,定量地评判交通安全等级.同时,基于大数据分析构建了高速公路交通事故的BP神经网络预测模型,模型采用滚动式预测以克服数据的局限性,提高预测精度.以1998~2014年长三角地区高速公路的相关交通数据为例进行实际应用.结果表明,长三角地区的高速公路交通安全物元评判模型的级别变量特征值为1.62,评判等级为良好,评判结果更贴合实际.预测得到长三角地区高速公路交通事故数、受伤人数及死亡人数的相对预测误差分别为4.58%,3.04%及5.72%,波动方差分别为4.90%,4.60%及6.70%.      

基于交通事故多发位置的区间平均纵坡控制指标研究

我国《公路路线设计规范》对高速公路连续长大纵坡路段的平均纵坡与连续坡长进行了规定,但平均纵坡≥3%的规定在应用时掌握难度较大,针对该问题开展了补充研究。根据对已建高速公路连续长大纵坡路段平均纵坡控制指标采用情况的调查分析,2008年前为了克服高差和降低工程造价,采用最大纵坡+短缓坡段连续拉坡现象较为普遍,最大纵坡为5%时,任意连续3 km平均纵坡较容易超过4.25%,任意连续5 km以上平均纵坡在3.5%左右的情况较多,任意连续10 km平均纵坡超过4.0%的较少,缺少平均纵坡控制指标的规定,造成纵坡设计随意性较大。根据对高速公路平均纵坡与交通事故关系及连续长大纵坡路段交通事故多发位置的调查研究,连续长大纵坡长度在15 km内,交通事故多发位置一般在靠近坡底位置;大于15 km,特别是大于30 km以上,事故多发位置一般在中间的较大纵坡路段;当高速公路区间平均纵坡大于3%以上时,事故率迅速上升,而且随着坡度的增大,事故车辆所行驶的距离越短。结果表明:为了避免连续长大下坡路段出现交通事故多发点,提升交通安全性,除了应控制全路段平均纵坡指标外,还应使纵坡设计接近于平均纵坡度。提出了连续长大纵坡路段中对高差小于300 m的任意区间平均纵坡控制指标。     

高速公路交通事故模糊逻辑预测模型改进研究

以AADT、路段长度、车道数、大型车比例和地形条件作为模型输入变量,以每公里事故数作为模型输出变量,结合辽宁省高速公路数据构建基本的交通事故模糊逻辑预测模型.考虑到模糊集合结构和模糊控制规则对预测结果可能产生的影响,提出调整模糊集合和融入先验知识构建规则库的模型改进方法.以粤赣高速和开阳高速为案例,分析了基本模型与改进模型的可移植性.最后,应用同样的数据构建了负二项分布事故预测模型,并与模糊逻辑预测模型进行了对比分析.研究结果表明,纵向比较,模糊集合细化一定程度提高模型预测精度,细分模型相较于基本模型,总体平均相对误差减少8.3%,模型优度提高0.357;横向比较,融入先验知识构建模糊规则库能一定程度提高模型预测精度,基本先验模型相较于基本模型,总体平均相对误差减少1.9%,模型优度提高0.164.融入先验知识后模型的可移植性增强,平均预测精度高于基本模型,相对误差大于0.5的样本数减少3.8%,总体误差减少3.4%,总体平均相对误差减少4.1%,模型优度提高0.385;但细化集合的模型可移植性较低,与粗分和基本模型相比各个指标值均不同程度变差;而模糊逻辑事故预测模型与负二项分布事故预测模型在预测精度和可移植性方面均无显著差异.      

降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.      

基于广义线性模型的干线公路交通事故预测

为掌握干线公路交通安全状况,探究影响其事故发生的显著影响因素,收集国道主干线昌金(昌傅—金鱼石)高速公路K905—K982段2010年发生的240起交通事故数据和交通流数据,按照定长法对路段进行划分,共获得77个样本路段,建立了基于广义负二项线性回归的干线公路事故预测模型,并引入弹性系数概念对影响因素的影响程度进行量化分析。结果表明交通量、道路平均占有率、大车比例和速度标准差对干线公路交通事故的发生影响显著,且均与之呈正相关关系;应用该模型对该路段2011年事故数进行预测,总体相对误差为7.6%,预测精度满足要求。     

基于灰色理论的高速公路小修保养维修量预测模型

在仅有通车5 a以下维修量的小样本数据条件下,为了合理、科学地预测高速公路小修保养维修量,量化年平均日交通量、年均降雨量、年均温度和通车年限4个因素对维修量的影响程度。提出了基于Matlab的灰色系统预测模型,以实际调研路段5 a的统计数据为样本,运用灰色关联度模型对4个因素的影响程度进行量化评估;分别建立均值GM(1,1)单变量预测模型与GM(1,N)多变量预测模型对维修量进行预测分析。研究结果表明:上述4个影响因素与维修量的灰色关联度均大于0.5,说明上述4个自变量对维修量均具有较大影响;GM(1,1)模型70%的预测结果误差小于15%,GM(1,N)模型75%的预测结果误差大于30%,从而得出GM(1,1)预测模型比GM(1,N)预测模型的预测结果更加准确。因此,对通车5 a以下维修量的小样本数据预测,选用单变量预测模型更加合理、有效。     

高速公路交通事故预测研究

为判别高速公路交通流状态参数对交通事故的影响,提取了美国I-10号州际高速公路的实时交通流数据和交通事故数据,建立了实时交通流状态下的高速公路交通事故泊松分布预测模型,并对模型中显著变量进行了弹性分析。结果表明:泊松分布模型能够很好地拟合高速公路交通事故;平均交通量、平均占有率、大车比例和速度标准差4个参数显著影响高速公路交通事故,并且与之呈正相关关系;交通量是诱导高速公路交通事故发生最突出的因素,交通量增长1%,可导致交通事故增长7.96%。     

高速公路交通事故数据分析方法研究

高速公路交通事故数据对管理部门提升道路交通安全具有重要意义。为研究贵州省某两条高速公路历史交通事故数据分布规律与事故发展趋势,首先利用邻近度与关联性分析方法,完善事故数据;然后分析道路特征对交通安全的影响,划分连续下坡路段、隧道路段单元范围;最后对路段单元进一步划分为区块,建立不同区块范围内的事故概率与区块位置的预测模型,其中连续下坡路段后半段符合线形关系,隧道进出口段符合二次函数关系,并根据事故分布特征提出改善方案,进而辅助管理者掌握不同特征路段未来可能发生交通事故的路段范围以及改善的优先级。     

长大隧道路段交通流车流模式构建

针对高速公路长大隧道路段的特殊交通环境,通过对西汉高速公路隧道特性调查,分析高速公路长大隧道路段车速的分布状况,以此将高速公路长大隧道路段划分成4个区段,在此基础上,探讨了高速公路长大隧道随着车速变化所引起的交通流变化特性,并建立高速公路长大隧道四区段车流运行状态模型.     

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。     

高速公路交通生成预测的改进灰色马尔可夫模型

高速公路交通生成预测是进行高速公路网规划不可缺少的环节,传统的预测方法需要考虑人口、土地利用等因素,过程显得极为复杂。而灰色预测模型可以在基础资料缺乏的条件下可建立模型进行预测,但对于高速公路交通生成量这一类随机性、波动性较大的数据,使得拟合较差,预测精度降低。针对这些不足进行改进,提出改进的灰色马尔可夫预测方法。最后将该预测模型应用于高速公路网规划交通生成预测中,取得了良好的效果。     

山区高速公路长下坡段专用减速带设计与应用

阐述了高速公路减速带的设计思想,分析了汽车驶过减速带时的平顺性,在此基础上,依托云南罗富(罗村口—富宁)高速公路长大纵坡路段交通安全整治,进行高速公路专用减速带设计和道路试验。试验数据及实际运行情况表明,专用减速带可以有效遏制山区高速公路长下坡路段重大交通事故的发生。