高速公路浓雾监测预警系统

为研究浓雾对高速公路运营的影响,通过建设高速公路环境气象监测站以获取与浓雾发生密切相关的气象要素和能见度实测值,并结合高速公路沿线历史浓雾个例研究形成浓雾的环流形势特征和局地监测站气象要素演变与能见度值变化规律和特征,由此建成了高速公路浓雾监测预警系统。系统通过多种通讯传输和显示手段,将自动监测站的实况和预报中心制作的浓雾预警、预报结论传送至公路运营指挥中心,供采取决策措施时应用。该系统目前已由无锡段扩展到常州至苏州段,在试验应用期,沪宁高速公路在试验路段未发生因浓雾而造成的重大交通事故。     

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.     

珠三角地区6车道高速公路流量状态与事故特征关系

为分析6车道高速公路交通事故与交通量的相关关系,文章收集珠三角地区某6车道高速公路的交通运行与事故数据,对交通量、交通组成、天气、月份、沿线设施等因素与事故的关系进行分析,并得出结论:交通量变化对6车道高速公路交通事故的发生具有显著影响。交通量增加到三级服务水平后,高速公路出入口路段易形成事故多发点。百万车公里事故率在三级服务水平后,呈现下降趋势。     

不良天气条件下的高速公路交通管理研究

交通事故是我国第一位的非正常死亡因素。不良天气是导致高速公路交通事故高发的一个重要原因,不良天气条件下,能见度低,路面行车条件差,部分驾驶员安全意识淡薄,一旦出现意外,无法采取有效措施,往往造成伤亡惨重、多车连环追尾的重特大恶性交通事故。我国的浓雾、冰雪等恶劣天气下采取单一"只堵不疏"中断交通式的封闭管理制则很可能引起交通瘫痪,造成人流、物流中断,影响驾乘人员及沿线群众的生产生活。如何科学处理不良天气高速公路交通安全与道路畅通的关系,是一个急待解决的问题,文章就此进行了研究。     

高速公路大区段交通事故预测模型研究

针对交通事故记录位置精度较低和路段划分过短可能引起的分析结论偏差问题,探讨了大区段划分条件下高速公路交通事故预测模型的构建方法。结合辽宁省5条高速公路的交通事故数据和道路交通条件数据,提出了基于高速公路天然节点(互通式立交和服务区)的大区段划分方法。构建了处理大区段内指标异质性的模型变量,应用积分-微分方法确定了变量模块,进而利用负二项回归方法建立了高速公路交通事故预测模型。研究表明:在大区段条件下,年平均日交通量、累积纵坡和标志密度等变量的事故预测模块为Hoerl函数,累积曲率为幂函数,而挖方段比例为指数函数;路段长度、年平均日交通量、累积纵坡和标志密度等因素对大区段上的交通事故发生具有显著影响,且考虑这些变量的模块式模型具有较高的预测精度。     

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%。     

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%.      

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%。     

考虑换道行为的无信号控制环岛交通流建模

为了研究环岛内车辆换道行为频繁发生影响环岛内交通运行效率,从而引发交通事故并阻断整个交通等问题,考虑到环岛和高速公路类似,进出车辆都在同一侧发生且车辆只有交织冲突,将环岛看成一条短的环形高速公路,用高速公路交通流模型来分析环岛内的交通流特性,并基于现有换道交通流理论,通过引入换道强度变量ε(t,x)对无信号控制的环岛内交通行为进行研究,分析其运行特性,建立考虑换道行为的多车道环岛交通流模型。研究结果表明:引入换道强度变量的无信号环岛交通流模型能真实反映环岛内交通情况;通过数值例子也验证了该模型的有效性,证实频繁的换道行为会降低环岛的车辆实际通过能力。研究是对现有文献中无信号控制环岛交通流建模的补充。     

浙江省高速公路交通事故气象影响评价方法研究与应用

通过GIS平台、高速公路高程相关信息以及交通事故等信息进行定位统计得到相应高速公路路段的事故密度,据此对浙江省高速公路的事故易发程度分级。同时建立高速公路气象影响评价的二级指标体系,并通过主成分分析法提取气象要素指标因子,建立Logistic回归建立气象指标评价模型,从而确定交通气象影响评价等级,通过应用检验证明该模型对交通气象条件评价与实况较为符合,能够为交通部门和公众提供一定的决策依据。     

基于一种组合新模型的翻车事故严重性预测

由于近年来发生在高速公路上的翻车事故较多,且预测翻车事故严重性的文献较少,故通过一种组合新模型来预测翻车事故的严重程度。通过收集的2012年—2016年1 939起高速公路翻车事故数据,采用Logistic回归与朴素贝叶斯组合的新模型作为翻车事故严重性的预测方法。为了进一步验证组合预测模型的优越性,构建了朴素贝叶斯预测模型和Logistic回归预测模型。对比这3个预测模型的预测数据正确率值,表明组合预测模型效果更好。同时,11个候选变量经过单因素分析和多因素分析,选出7个显著性变量:驾驶员年龄、事故涉及车型、事故涉及车辆数、事故发生时段、天气条件、事故是否发生在匝道、肇事车辆是否超载超限。当相应道路或环境条件得到改善后,组合预测模型有助于道路管理者了解翻车事故严重程度可能的变化情况;当出现一起翻车事故时,可根据已知的有限信息利用组合预测模型预估事故严重程度,以便开展后期救援。     

考虑大型车因素的支持向量机短时交通状态预测模型研究

高速公路是运输效率高、通行能力大、具备全控制条件的道路,及时发现异常交通状态并采取相应的管制措施是保持良好通行能力的基础。交通状态的短时预测技术能够在实时交通状态数据的基础上对交通状态发展趋势进行预测,为高速公路主线运行管理及匝道交通控制提供决策依据。本研究首先应用灰色关联度理论,分析了道路车型组成比例对交通状态的影响,发现车流中的大型车比例与车流平均速度存在较强的关联性,而且在纵断面线形较为复杂的山区高速公路,车流中大型车比例对车流速度的影响更为显著;然后建立了引入大型车辆比例影响因素的基于支持向量机(SVM)模型的高速公路短时交通状态预测模型,最后通过实测数据及对比试验验证了模型的可行性与准确性。结果表明:本研究设计的支持向量机预测模型具有较为准确的预测效果,均方误差为0. 024 19,决定系数为0. 58;与未引入大型车辆比例的预测方案相比,均方误差减少0. 22,决定系数增大0. 27;与传统的BP神经网络模型相比,支持向量机短时交通状态预测模型预测结果震荡幅度小,所需训练样本量少,具有良好的预测精度,综合性能较好;通过时间序列分析得到,以前6,7个时间点作为输入的预测方案效果较为准确,若时间选取过多,将对模型产生干扰,预测效果反而不好。     

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.      

高速公路车辆行程时间预测研究

对高速公路联网收费系统的数据和交通监控系统的数据进行了处理和分析,研究了高速公路车辆行程时间分布的规律性和各参数之间的关联性,构建了高速公路车辆行程时间预测模型,最后通过比较实际值与预测值来验证提出的行程时间预测方法,分析了误差的原因.     

基于主动行车安全的智能诱导系统在多雾山区高速公路上的应用

多雾山区高速公路因天气时常出现团雾造成局部能见度过低,直接对车辆安全行驶造成影响。在雾区路段设置智能诱导系统,路侧设置气象监测站、透雾摄像枪、车检器等外场设备对交通环境数据进行实时采集,通过与路段监控一体化平台相关联的雾区监控子系统进行联动和数据分析,自动调用控制策略对路侧诱导灯的闪烁频率和颜色进行控制,实时对行驶的车辆进行预警和主动诱导,提升极端天气下高速行车的道路感知和管控能力、降低一次事故及避免二次事故的发生,实现雾区高速公路路网状况的智能感知和预警。     

基于贝叶斯网络的高速公路突发事件态势评估研究

为了提高高速公路应急管理能力,提升高速公路应急效率,从突发事件演化机理着手,基于贝叶斯网络构建了高速公路交通突发事件应急处置的态势评估模型,用于推理学习不同情况下的交通事故概率。评估模型首先确立了高速公路交通突发事件贝叶斯网络总体工作流程,将贝叶斯网络节点设置为高速公路突发事件的影响因素,贝叶斯网络结构根据各节点,即各影响因素之间的相互关系进行构建。其次,根据交通事故数据和专家知识对网络中每个节点进行条件概率赋值,再在条件概率的基础上根据现场初步事故信息运用联合树推理算法将贝叶斯网络转化为联合树,通过定义在联合树上的消息传递过程,计算后验概率;最后,在条件概率的基础上进行推理,建立评估模型实现对高速公路突发事件态势评估。实例分析随机抽取50次高速公路交通突发事件数据用于贝叶斯网络,通过软件Ge Nie2.2,以事故车辆类型,事故车辆数量,得到事故信息的时间,事发时天气及事发时段为证据信息,推理得出高速公路突发事件概率,预测结果表明基于贝叶斯网络的高速公路交通突发事件应急处置态势评估模型具有较高的准确性。     

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。      

省域高速公路通行费预测方法和模型

归纳了收费公路通行费预测的重要性,总结了现行基于交通预测四阶段法的通行费预测方法和模型的缺陷,指出了采用统计回归方法建立省域高速公路通行费预测模型的合理性和必要性。通过因子相关分析,发现江西省域高速公路通行费的63个影响因数之间的相关性,确定了江西有关因素和相邻省份因素之间的相关性非常高的事实。借助于前进选择法,确定了省域高速公路通行费预测的3个关键变量即常住人口数、江西民用汽车总数和公路运营车辆总数,并提出了相应的预测模型。最后,在Pearson相关系数矩阵的基础上,探讨了新建高速公路对附近高速公路交通需求和通行费的影响。     

雾天高速公路路况监测预警系统研究

依托江西九绕高速公路工程建设项目,通过分析大雾天气对高速公路行车安全的影响,提出了建立高速公路路况监测预警及应急处理系统的解决方案。该系统针对恶劣天气,实时监测其气象和高速公路上的交通状态,自动检测道路大雾、结冰信息,并对交通运行进行风险等级评估和预警,优化事故易发路段交通安全设施,形成应急交通管理预案和相应的交通诱导控制方案,从而减少恶劣天气对高速公路行车造成的影响。