基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度。使用2015-2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利用平均边际效应量化各显著变量对事故严重程度的影响。结果表明,均值异质性随机参数Logit模型具有更好的拟合优度;女性、老年人、酒后驾驶、车辆无安全气囊、能见度低于50 m、夜间无路灯照明等因素显著增加了驾驶员受伤害严重程度;随机参数Logit模型的效用函数中,夜间有路灯照明和事故发生在夜间为随机变量,且夜间有路灯照明与柔性护栏和车辆无安全气囊相关;事故发生在夜间与路侧行道树相关。     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制,在系统选取影响事故严重程度潜在变量的基础上,利用有序Logit模型获取影响事故严重程度的显著自变量,并运用偏比例优势模型修正变量参数,从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM),以云南省元(谋)—双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优,更适用于研究该问题;涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应,驾驶人性别及接入口等3个变量对一般及以上事故具有负效应;就影响程度来看,接入口最大(边际效应为14.466%),驾驶人性别次之(10.581%),竖曲线长度最小(0.114%).     

考虑建成环境的电动自行车事故严重程度致因分析

为探究考虑建成环境影响下,电动自行车交通事故严重程度的影响因素,本文从事故属性、骑行者属性、对象车辆及驾驶员属性、道路属性及建成环境属性这5个方面,选取18个影响电动自行车交通事故严重性的潜在变量。在此基础上,构建考虑均值及方差异质性的随机参数Logit模型,利用边际效应量化显著变量对事故严重程度的影响差异。基于北京市近5年电动自行车事故抽样数据进行实证研究,结果表明：事故时段19:00-次日7:00、骑行者年龄大于40岁、重(大)型货车、到最近医院的距离增大及恶劣天气等因素会增加电动自行车事故严重程度。建成环境属性中,到最近医院的距离在死亡事故中的参数为服从正态分布的随机参数,路段及恶劣天气会增大其均值异质性,驾驶员年龄为(40, 60]岁会增大其方差异质性;其他属性中,一般城市道路在受伤事故中的参数为服从正态分布的随机参数,路段会增大其均值异质性。研究结果可以为降低电动自行车事故严重程度提供理论支撑。     

高速公路连续缓下坡路段事故成因与对策措施

高速公路连续缓下坡路段的事故率和事故严重程度均较一般路段高。通过对某高速公路连续下坡路段的安全性评价,对该路段近四年的事故情况进行统计,并基于事故原因分析,提出针对性的安全保障措施,以期大幅降低事故率和消除重特大事故隐患。     

高速公路连续缓下坡路段事故成因与对策措施

高速公路连续缓下坡路段的事故率和事故严重程度均较一般路段高。通过对某高速公路连续下坡路段的安全性评价,对该路段近四年的事故情况进行统计,并基于事故原因分析,提出针对性的安全保障措施,以期大幅降低事故率和消除重特大事故隐患。     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制，在系统选取影响事故严重程度潜在变量的基础上，利用有序Logit模型获取影响事故严重程度的显著自变量，并运用偏比例优势模型修正变量参数，从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM)，以云南省元(谋)-双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优，更适用于研究该问题；涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应，驾驶人性别及接入口等3个变量对一般及以上事故具有负效应；就影响程度来看，接入口最大(边际效应为14.466%)，驾驶人性别次之(10.581%)，竖曲线长度最小(0.114%).     

面向公路管理部门的两阶段公路整改评价方法

目前,公路管理部门通常依据人工经验或过分依赖交警部门提供的事故资料等对公路安全改造路段进行筛选,缺少可操作的、便捷的方法。据此提出了面向公路管理部门的两阶段安全改造路段鉴别方法。第一阶段采用实验车采集的驾驶员心生理指标、车辆运行车速以及事故资料(以路政部门所存事故资料为主,交警提供事故资料为辅)作为综合指标,对安全改造路段做初步的筛选;第二阶段针对初步选取的备选改造路段,通过一定量的调查和观测,采用路段车辆速度差及行车轨迹偏移为评判指标,结合路段线形特征、交通事故情况进行详细安全评估,筛选出最终的改造路段,并做改造路段的优先排序。结果表明,两阶段安全改造实施路段鉴别方法更符合我国公路交通管理体质,更具有可操作性和经济性。     

基于生存分析的山区双车道公路超车持续时间模型

为研究混合交通流条件下山区双车道公路超车行为，确定关键影响因素与超车持续时间的关系。以云南省典型山区双车道公路为例，利用无人机采集超车行为视频数据，提取参与超车行为的机动车轨迹，构建超车行为变量指标体系，分析山区双车道公路超车行为特性；建立基于生存分析的山区双车道公路超车持续时间模型，确定影响超车持续的关键协变量，并分析关键协变量与超车持续时间的定量关系。结果表明：混合交通流条件下，山区双车道公路平均超车持续时间为10.3 s，平均超车距离为201.3 m，由驾驶员的驾驶风格、较高的行驶速度及复杂的交通流条件共同作用所致；Log-logistic 加速失效时间模型对超车持续时间拟合效果最好，AIC和BIC分别为272.989和265.650，危险函数拐点约为13 s，说明超车行为在13 s前结束的可能性最大；影响超车持续时间的关键变量分别为超车距离和超车车辆与被超车车辆的初始速度差、最大横向距离、是否有对向车、被超车车辆长度和超车车辆类型，影响程度较大的协变量为超车车辆类型和是否有对向车，当超车车辆为货车时，超车持续时间增加了22.9%，当有对向车时，超车持续时间降低了17.8%。     

基于DEMATEL-ISM事故路段行车风险因素辨识模型

为了定量分析事故路段行车风险因素,保障事故现场的安全性,集成DEMATEL-ISM方法对其影响因素进行辨识和分析。首先基于人-车-路(环境)及管理的系统理论,建立事故路段行车风险影响因素集,即驾驶员因素、车辆因素、道路与环境因素和管理因素,具体分为年龄、驾龄和性别等20个因素,然后以Delphi法确定各个影响因素之间的关系。集成DEMATEL-ISM法,建立事故路段行车风险影响因素辨识模型。通过计算可达矩阵,获得影响因素的5层递阶结构模型,即第一层级为驾驶员驾龄、疲劳程度和反应判断能力等6个因素,第二层级为驾驶里程及车辆类型等8个因素,第三层级为驾驶员年龄等3个因素。研究结果为事故路段的安全管理提供理论依据。     

公交驾驶员违规类型同交通事故间的关联分析

公交车驾驶员违规行为是引起交通事故的重要原因之一,以往文献在研究驾驶员违规行为与事故频率之间的关系时,未能深入探究违规行为类型差异及其异质性。为了进一步揭示不 同违规行为的差异化影响并为行为管控措施提供依据,利用某市2019—2020年4532起公交违规及事故数据,将驾驶员事故频率作为研究对象,将17类违规行为及人口统计学因素作为解释变量,综合考虑数据特征及异质性分析需求,构建考虑均值与方差异质性的随机参数零膨胀泊松模型。模型分析结果表明：不同类型的违规行为对于驾驶员事故频率影响存在明显区别,当驾驶员同时存在若干特定违规行为时,事故频率明显高于其他驾驶员。具体包括：未走公交专用道等行 为次数越多,则该驾驶员事故频率越高;未系安全带、未礼让斑马线次数和及时更换失效驾照等行为的影响具有随机特征,其作用效果具有随机波动的属性;未礼让斑马线行为影响参数的均值和方差受到其他变量的影响,即当驾驶员未礼让斑马线次数和越线行驶次数均较多时,期望事故率愈高。     

机动车驾驶员人为因素与交通事故危害性关联分析

机动车驾驶员人为因素是导致道路交通事故形成,并产生事故伤害的最主要原因。将区域道路交通事故的死亡人数、伤亡人数和直接经济损失等统计指标值作为参考数列,将不同驾驶员人为因素组成的道路交通事故统计次数作为比较数列,可以建立驾驶员人为事故因素与其危害性的灰色关联模型。结合实例,通过对灰色关联矩阵的定量化结果进行分析,可以评价驾驶员人为因素对不同类型事故危害性的影响,为有关部门采取有效的安全管理和预防对策提供参考依据。     

基于贝叶斯网的公路路侧事故风险评价

为了根据路侧危险情况采取针对性的措施,急需开展公路路侧事故风险评价研究. 基于事故模拟再现分析,根据车辆驶入路侧后的事故形态,将路侧事故严重程度划分为 4个等级,对不同等级路侧事故的致因因素进行研究,给出驶入车速、边坡坡度与边坡高度阈值.构建了路侧事故风险评价的贝叶斯网,基于路侧事故致因因素阈值,针对单因素、双因素与三因素分别给出了不同等级路侧事故发生概率的计算方法.选取典型路侧事故案例进行分析,贝叶斯网的计算结果显示发生 2次及以下翻车事故的概率为 0.929,与路侧事故模拟试验结果相符,证明了本文提出的公路路侧事故风险评价方法的准确性.     

基于数据驱动的交通事故伤害程度影响因素 及其耦合关系研究

为准确识别影响山区高速公路交通事故伤害程度(TAIDME)的相关因素，本文构建随机森林朴素贝叶斯-耦合度模型(RFNB-CDM)对其进行研究。首先，处理2016—2020年云南省1760起山区高速公路事故数据，综合考量后，将涉及事故信息、道路信息、肇事机动车辆信息及驾驶人信息等4类18个相关因素作为初始特征进行研究，使用RF模型进行特征提取，并得到各因素对于山区高速公路交通事故严重程度(TASME)的重要性排序；其次，将新特征输入 NB 模型，对TAIDME的影响因素进行单因素分析；为改进原有模型不能对影响因素之间的关系进行准确刻画的缺点，本文引入耦合度模型并进行实例验证分析。结果表明：RFNB模型相较于RF和NB模型，得到的预测结果更加精确，分类性能分别提升5.56%和14.79%。其中，追尾碰撞、18:00-次日 6:00、事故车辆数2辆、下坡段、夜间无路灯照明、货运、大中型货车和直行匀速这8类因素存在时更易加重TAIDME，追尾碰撞和直行匀速这两类因素发生耦合作用时，最易导致重大伤害事故； 道路表面干燥、路侧金属防护和中央绿化带隔离这3类因素存在时可降低TAIDME，路侧金属防护和中央绿化带隔离这两类因素发生耦合作用时TAIDME最低。研究结论可为山区高速公路交通事故预防及降低山区高速公路事故发生后的伤害程度提供理论依据与决策参考。     

基于事故综合强度的公交事故严重程度分析

为更加精确地对公交事故严重程度进行分类以探究其影响因素，本文提出一种基于事故综合强度+K-means的公交事故严重程度分类方法，并基于此分类方法建立公交事故严重程度影响因素分析模型。首先，针对传统事故严重程度分类中的定性分类方法，引入事故综合强度法定量计算公交事故严重程度，并运用K-means聚类算法对事故严重程度进行聚类。其次，选取环境、驾驶员、道路车辆和事故特征这 4 方面的 17 个因素作为自变量，分别将事故综合强度+K-means分类法和传统分类法的结果作为因变量，运用有序Logit模型分析公交车事故严重程度，同时利用平均边际效应量化各显著因素的影响程度，以佛山市2021年156起公交车事故数据为例进行分析。结果表明，基于事故综合强度+K-means分类法的有序Logit模型具有更好的拟合优度。高峰期、换道、超速、加速度过大、注意力分散和进出站会增大发生极严重公交车事故的概率，增大的概率分别为11.57%、29.06%、23.98%、17.13%、30.97%和12.27%；白天和晴天会减小发生极严重公交车事故的概率，减少的概率分别为22.31%和12.34%。     

城市主干道路段机动车与机动车之间事故的Bow-tie模型

针对城市主干道路段上交通事故的成因、后果及主被动安全控制措施开展研究工作，基于多事件链原理并应用三角模糊数法，建立了城市主干道路段机动车与机动车之间事故的Bow-tie模型.基于Bow-tie模型中的故障树，确定出了主干道路段机动车之间事故的3条主要事故成因链，即追尾事故成因链、侧面碰撞事故成因链和刮擦事故成因链.Bow-tie模型中的事件树表明，驾驶员能够正确使用安全带但道路上无缓冲防撞设施且辖区内无紧急救援系统的事件链发生概率最高，达59.68%；驾驶员没有使用安全带且道路上无缓冲防撞设施时，事故发生后的事故严重程度都较高.针对3条事故成因链及2条事件链，给出了预防事故发生的防控措施和事故发生后可降低其严重程度的减缓控制措施.     

基于车路协同的无控十字路口行车方案

针对紧急车辆在无信号控制十字路口处通行效率低和事故频发的问题,基于SUMO与OMNet++的双向耦合车联网仿真平台Veins中搭建了车辆运动控制系统模型,设计路口处紧急车辆与普通车辆碰撞的判定方法和紧急状况下车辆避免碰撞行车措施,提出基于车路协同技术的无控十字路口紧急车辆行车方案。在Veins车联网仿真平台上对行车方案进行仿真验证。结果表明:应用方案可提高紧急车辆通过无信号控制十字路口效率64.3%以上,并将紧急车辆在无信号控制路口处的事故率由36.7%降低至3.3%。     

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联，提出一种基于驾驶状态的危险路段识别方法，辨识和分析不同风格驾驶人具有潜在风险的路段，并提出优化方案。首先，通过实车实验采集驾驶人行为及生理指标数据，使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型，并依据行为特征对驾驶风格进行差异性 分析；其次，采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型，通过GPS(Global Positioning System)点位对应实现危险路段辨识，并基于驾驶风格差异，从驾驶人感知、操纵与生理角度对危险路段进行致因分析；最后，将生理与道路线形作为优化参考，以车速建议为着力点进行多元回归分析，并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型，3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段；海拔提升可加速危险驾驶状态的出现，各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长，激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张；下行时，谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态，激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求，为线形设计与交通管理措施制定提供理论依据。     

驾驶员因素对道路交通事故影响的定量评价模型

实例及研究表明,基于模糊一致矩阵的驾驶员因素对交通事故影响的定量评价模型,是一种度量驾驶员因素对交通事故影响的有效方法,它为定量研究驾驶员事故致因提供了新思路,并为驾驶员事故预防及管理提供了科学依据.     

基于模糊综合评判模型的沙漠环境下驾驶员安全特性评价

为了揭示沙漠公路道路交通环境下驾驶员驾驶特性与交通事故之间的作用机理,选择了影响驾驶员安全特性的主要因素,并利用驾驶适宜性实地检测数据进行相关性分析,建立了影响因素与驾驶特性指标之间的模糊综合评判模型,对沙漠公路驾驶员安全可靠性进行了动态分析和评价.研究表明:由于受特殊的道路交通条件、沿线自然环境以及驾驶员生理和心理特性的影响,沙漠公路中驾驶员表现出较强的事故倾向性;诸影响因素中,气温对驾驶安全性的影响最为显著,然后依次为持续驾车时间、驾龄和年龄.