基于主成分-聚类分析的事故热点识别方法研究

为提高道路交通安全性,消除事故隐患,提出了一种应用主成分-聚类分析的热点识别方法,以主成分分析法量化各路段的安全性并提取主分量,利用Canopy-K Means组合聚类算法对主成分综合评价函数进行聚类划分,筛选出事故热点路段,通过对G50沪渝高速安徽段的热点路段识别结果表明：主成分-聚类分析法既能进行科学的事故统计分析,有效识别事故热点路段,又能充分反映各路段的实际交通安全情况,可为道路交通安全的改善决策提供科学、合理的决策依据。     

滑动窗窗体长度及滑动步长对事故多发路段鉴别影响

以京珠高速公路粤北段的事故多发路段鉴别为案例,分析滑动窗口法鉴别事故多发路段时可能存在的问题,探讨滑动窗窗体长度和滑动步长对事故多发路段鉴别的影响,给出了运用分位数法确定最佳窗体长度及滑动步长的方法.研究结果表明：在不同滑动窗体长度和不同滑动步长下会出现不同的鉴别结果,若滑动窗体长度和滑动步长使用不恰当,会出现事故多发路段遗漏或夸大的情况;滑动窗窗体长度越长,累计事故多发路段越长;滑动步长越长,累计事故多发路段长度越短;滑动步长与窗体长度的比值在0.4~0.8时的组合最佳.     

聚类分析原理在高速公路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,采用聚类分析方法对辽宁省内的鹤大、阜锦两条高速公路路面进行大中修及预防性养护路段的划分,通过数据分析,最后给出科学合理的养护方案建议。     

基于密度熵的道路交通事故影响范围分区模型

考虑路径阻抗的动态变化, 定义了网络初始荷载; 以事故持续时间为变量, 采用前景理论确定了网络负载重分配的方式; 根据交通流密度熵构建了耗散结构模型, 并与负载分配过程相结合确定了各路段的交通流密度熵变化率; 构建了基于聚类分析的交通事故影响范围分区模型, 通过仿真试验探讨了不同初始荷载和事故持续时间对分区的影响。仿真结果表明: 在交通量基数为800 pcu·h-1时, 事故持续时间从20 min增加到30 min, 直接影响区有向路段由3个增加到6个, 间接影响区有向路段由5个增加到18个, 说明受事故影响路段的熵处于快速上升阶段, 路网的级联失效不明显; 随着交通量基数增加到1 000 pcu·h-1, 事故持续时间从20 min增加到30 min, 直接影响区有向路段由8个增加到19个, 间接影响区有向路段由16个增加到21个, 说明交通量对路网的影响主要集中在直接影响区。可见, 不同交通情况下, 各有向路段受到事故路段的影响程度明显不同, 随着事故持续时间与初始流量的加剧, 路网中有向路段的受影响程度均增大, 因此, 采用交通事故影响范围分区能够精细地描述道路运行状态的动态变化过程。      

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别,解决单参数无法直接识别道路交通状态问题,本文利用高频浮动车速度数据,使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性,围绕固定时间窗口内车辆的平均车速、对比度和逆方差,采用FCM (Fuzzy c-means)算法进行聚类分析,得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法,分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明,时间窗口越小其保持原有交通状态的可能性越大,时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度,结果表明,随着序列长度的变化,精度显示出先升高后降低的趋势,且固定时间窗口越大,不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别,综合精度分别为92.00%、84.89%、88.48%,同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型,说明道路车速的波动特征可以很好地反映道路交...     

山区长大下坡对道路交通安全的影响及其工程措施研究

分析了山区长大下坡路段事故成因，得出长大下坡事故的发生与纵坡坡度和长度有很大的关系，长距离的下坡更是诱发交通事故的重要原因。针对事故的成因，提出设置避险车道是解决山区长大下坡路段交通事故多发问题的重要措施．     

基于信息感知的高速公路事故路段限速方案及仿真

事故现场的存在改变了交通流状态,影响车辆的安全行驶,如果事故现场处置不合理,易诱发二次交通事故.根据车辆行驶特征以及驾驶员行为特性,将高速公路事故路段进行区域划分;参考驾驶员的动视力和视野范围,建立基于信息感知的高速公路事故路段限速逻辑模型.在仿真环境下,选取通行能力、最大排队长度、平均速度和速度样本标准偏差等评价参数,比对限速方案和不限速方案,结果表明:在各特征交通流量下,通行能力变化不大,限速方案下平均速度降低,最大排队长度和速度标准差也降低.     

城市交通事故下排队上溯预测及相邻节点信号配时优化

交通事故发生后,事故路段会形成瓶颈区,导致通行能力下降。后续车辆连续进入事故路段,造成短期内交通流无法疏散,形成排队上溯。针对事故发生至事故处理完毕这一段时间,通过排队长度约束模型限制事故路段的排队长度;基于交通流均衡原理,考虑相邻节点的关联性,构建信号配时优化模型,用于缓解此关键时段内的车辆排队上溯问题,最后利用VISSIM对该策略的有效性进行了仿真验证。     

�¹�Ӱ����·������ʱ���ݱ���⶯̬ģ��

为描述交通事故影响下路网中走行时间与用户择路概率的相互作用及其演变规律,建立了基于事故路段及非事故路段流量状态及LOGIT原则的拟动态模型.利用分流合流模型及速度—密度函数,分别建立路段容纳车辆数和非事故路段走行时间模型,通过分析事故路段交通流的演化过程,利用交通波理论估计排队长度 ,建立事故路段走行时间模型.结果表明：事故发生前,经过一定的模拟时段后,路网交通流趋近稳定,各条路径的选择概率趋于平衡;事故持续时段内,排队长度、路径走行时间、路径选择概率相互影响,且均呈现出震荡状态;事故清除后,路径走行时间持续下降;排队完全消散后,经过一定时段稳定后的路径走行时间和路径选择概率达到新的平衡.     

基于高速公路多重匝道影响区的典型路段交通安全分析

针对高速公路匝道影响区事故频发的问题，研究了不同匝道影响区导致的匝道影响区重叠现象，将高速公路路段划分为8种典型路段，采用美国加州I880高速公路的交通事故及相关数据，在事故特征分析的基础上，进一步运用二元logit模型，探究了不同典型路段的事故影响因子。研究结果表明，不同类型路段的事故影响因子存在一定差异。     

基于GIS空间聚类的事故多发路段鉴别分析系统

城市道路交通事故黑点及事故多发路段是城市交通管理中的顽疾所在,但如何在现有数据基础上精准识别和定位事故多发路段尚无统一定论。以深圳市为例,基于2014—2016年交通事故数据,利用空间模糊度搜索调用数字地图API来确定事故点位,并基于累计频率分析法对道路进行事故黑点分析,最后利用GIS线性参考技术对事故点位进行精确定位。结合GIS平台进行系统封装和二次开发,构建一套基于GIS空间聚类的城市道路交通事故多发路段鉴别分析系统。应用实例显示,系统可实现城市道路交通事故多发路段的精准定位及分析等多项功能。     

基于互联网数据城市快速路地点安全分析方法

现有的城市交通安全分析主要考虑人财物的直接损失,却忽略了事故产生的交通延误等间接损失,同时也较少利用互联网海量数据进行分析.本文建立了基于互联网文本数据的城市交通事故属性模型,采用模糊系统聚类法划分事故交通影响等级,构建了基于绝对事故次数、损害后果和交通影响的等效事故次数模型,并将其应用于累积频率曲线和K-means聚类的城市快速路地点安全组合评价方法中.北京市快速路地点安全评价结果表明,本文所提出的方法可有效地将互联网安全文本数据应用于城市交通安全分析中,分析结果可为城市交通安全管理提供有益的借鉴.     

���ھ�������ij��н�ͨ·�λ����о�

根据交通流特性的相似性进行交通路段划分对城市交通管理和控制具有重要作用。交通流数据具有时间序列特征,相似性度量问题是时间序列聚类中的最基本的问题之一。本文为交通流数据聚类给出了一种基于灰色关联的相似性度量方法,通过比较试验确定了它具有较高的聚类精度。在每个时段时间序列间的相似性差异、在某一个时段的异常数据等会影响到在整个时间区间的交通流数据聚类,为此本文提出了一种基于时段划分的交通流数据聚类方法。这个方法首先对每个时段数据进行聚类,然后采用最大频繁项集方法得到最终聚类结果（即交通路段划分）,实例证明了方法的有效性。     

高速公路交通事故类平均系统聚类法实证分析

道路的交通事故诱发的原因多种多样,而同一段路上的交通事故的表现形式也很多。在选取事故形态表现形式和伤亡状况指标的基础上,采用系统聚类法中的类平均法对某段高速公路的事故状况进行分析,把具有某种共性的事故表现形式划归为一类,并对结果进行判别分析来检验聚类的效果,结果表明类别的划分突出特性,反应交通事故的主要事故形态,很大程度上反应事故原因,有利于相关部门采取相应的措施。     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著，本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据，调用开放地图接口地理编码解算事故地点经纬度，使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入，为解决这一局限，建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型，并与原始聚类模型进行对比.结果表明，优化算法在参数确定上更加智能，对簇的划分更加准确，对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分，证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著，本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据，调用开放地图接口地理编码解算事故地点经纬度，使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入，为解决这一局限，建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型，并与原始聚类模型进行对比.结果表明，优化算法在参数确定上更加智能，对簇的划分更加准确，对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分，证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

���ڻ�ɫ��������������·���ڵ��λ���

区域国防公路网络节点层次划分是进行区域国防公路网络布局优化的首要工作,而国防公路网节点层次划分标准不同于国家公路网,因此在指标选取以及方法运用上应有所区别。本文首先明确了区域国防公路网节点层次划分原则,在分析常用公路网节点层次划分方法的基础上,重点提出了基于灰色聚类的区域国防公路网节点层次划分的方法,构建了区域国防公路网节点层次划分的灰色白化权函数聚类模型,并给出了实际算例。通过以上研究得出结论：灰色白化权函数聚类方法用于区域国防公路网节点层次划分的结果科学合理,计算过程简洁,容易编程实现,可在实际区域国防公路网布局规划中应用。     

基于速度变化的偶发性交通拥堵时空分布特性研究

交通事故的发生会引起其上游路段通行速度的下降和交通流量的堆积,从而引发交通拥堵.本文主要研究了城市道路中交通事故引起的交通拥堵的时空分布特征.首先,基于北京市事故数据和路段速度数据分析交通事故影响下的车辆速度变化特性;接着,根据交通事故信息和事故路段流量与速度数据,建立了一种基于速度差异的拥堵判定模型,并对其时空维度的约束条件加以限定.在此基础上对事故引发的拥堵时空范围进行量化描述;最后,依托仿真数据与北京市真实事故数据进行效果验证.结果表明,该方法可以有效地描述交通事故引起的拥堵时空分布特性.     

312国道陕西蓝小公路事故多发路段研究

针对312国道蓝小公路事故多发的现状，通过对事故历史资料的调查和统计分析，提出了项目级（即一条道路）事故多发路段鉴别方法——当量事故累计频率曲线法。     

���ڻ�ɫ����ĸ��ٹ�·����·�η���ˮƽ����

高速公路基本段服务水平是分析高速公路通行能力的重要内容。本文首次将灰色聚类理论引入分析高速公路基本段服务水平，建立了基于灰色聚类的高速公路基本段服务水平的多目标决策分析模型.在构造白化矩阵和白化函数的基础上，计算出聚类权系数和聚类系数，并利用聚类系数确定出高速公路基本段服务水平的综合分析情况。最后通过算例进行了计算分析，验证了该模型的有效性、客观性和适用性，并归纳了模型的特点及适用范围，对分析高速公路基本段服务水平具有一定的借鉴意义。