考虑交通事件影响的城市道路行程时间预测

外部环境因素对城市交通预测有较大影响，尤其在交通事件发生时，由于交通流的随机性和非线性特征，交通异常情况下的预测精度往往较低。为此，基于深度学习理论，提出一种以序列到序列模型（Sequence-to-sequence，Seq2Seq）为主体，融合外部因素特征的城市道路行程时间预测方法。利用时间序列分解算法（Seasonal and Trend Decomposition Using Loess，STL）挖掘交通历史数据的时序周期规律，结合交通事件数据深入分析交通异常产生的原因，并建立堆叠降噪自编码器模型（Stacked Denoising Autoencoder，SDAE）提取时间属性和交通事件数据的潜在特征。以北京市北四环中路和G6京藏高速路段为例，对预测模型的准确性和可行性进行验证，通过重复性交通事件和非重复性交通事件下的案例试验，对SDAE组件的有效性进行分析。研究结果表明：模型的单步和多步预测性能均优于基线模型，预测精度最高达到了87.71%；与其他输入了交通事件数据的模型相比，以SDAE作为外部组件的模型具有较好的预测性能和鲁棒性，能够适应复杂多变的交通流，在智能交通系统的短期预测上有显著的优越性，可以增强管理系统的调控能力，降低城市交通的拥堵成本。     

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。     

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。     

公路隧道交通事件分类分级与应急管理

将影响公路隧道正常通行的交通事件分为恶劣气象、交通事故、火灾事故、危化事故、计划事件、紧急事件和其他事件等7类,并提出不同类型公路隧道交通事件的等级划分标准,对公路隧道交通事件信息报送和分级处置提供了重要依据.初步构建了公路隧道交通事件应急预案体系,并给出编制应急预案的相关要求.     

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。      

基于道路环境因素的公路隧道交通事故预测

为提高公路隧道交通事故预测准确率，以西汉高速秦岭某隧道群的496起交通事故作为研究对象，对影响公路隧道交通事故预测的道路环境因素进行相关性分析，针对不同预测类别选定具有显著影响的主要变量，通过贝叶斯模型、随机森林模型、BP神经网络模型和支持向量机模型分别对公路隧道交通事故形态、严重程度、伤亡情况和持续时间进行预测，根据准确率和稳定性确定出最优预测模型。研究结果表明： 1）随机森林模型在预测公路隧道交通事故形态时最为可靠，准确率约为84%； 2）在对公路隧道交通事故严重程度和伤亡情况进行预测时可优先考虑贝叶斯模型，其对重大或特大事故的预测准确率高达50%； 3）选择随机森林模型作为公路隧道交通事故持续时间的预测模型，绝对误差为20 min时模型准确率将超过70%。     

考虑序列关联性的公路隧道沉降预测模型

准确预测公路隧道结构沉降数据对工程安全风险控制具有重要意义。针对传统自回归-滑动平均时间序列预测模型(Auto-Regressive and Moving Average)的单一线性问题,该文提出了考虑沉降数据空间关联性的向量-结构时间序列模型(Structural Vector Time Series)。该模型由向量式和结构式两部分组成:①向量式时间序列模型可模拟多维时间序列变量当期项与滞后项的关联关系;②结构式时间序列则建立多维时间序列当期项的关联关系。最后以上海某一公路隧道为工程案例,计算结果表明考虑空间关联性的向量-结构时间序列模型比传统时间序列模型预测精度更高。     

东马各庄隧道运营安全仿真评价分析

高速公路隧道是高速公路上的特殊路段,属交通事故多发段,一旦发生交通事故,道路通行能力将降低。对隧道运营风险的识别和评估不全面,将导致无法有效降低运营风险,加剧隧道事故危害。文中以张涿(张家口—涿州)高速公路东马各庄隧道为例,借助VISSIM交通仿真软件建立公路隧道及交通事故模型,通过隧道运营安全因素分析,从交通流、交通量、持续时间等方面分析隧道内交通事故对隧道通行能力的影响,以更大程度实现高速公路隧道安全行车。     

高速公路交通事故短时预测及节假日交通安全特征分析

随着我国高速公路里程的逐渐增加,高速公路交通事故等相关安全问题也越来越受到关注。交通事故频发对于高速公路的安全以及高效运营带来了不良影响,因此根据高速公路交通事故特点进行分析以采取有针对性的管理措施和预防办法尤为重要。通过对江西某高速公路和南方某一条高速公路交通事故数据进行统计分析,发现交通事故和交通安全与节假日和交通量之间具有较强的相关性,并应用时间序列模型和交通量-事故模型进行预测,提出具有事件性和方向性的针对性措施建议,基于已有数据实现交通安全的预防性主动改善。     

公路隧道内交通噪声预测

为合理预测公路隧道内交通噪声传播状况,界定了公路隧道内的长空间声场特性,系统阐述了3种基于像源理论的交通噪声预测模型,通过在实体隧道中测定声源分别为低频和高频、接收者在不同位置时的噪声值,并将其与三种理论模型预测值进行对比,结果表明:相干模型在低、中、高频范围内比不相干模型和ASJ模型能更精确地预测隧道内噪声传播状况,其预测值与实测值误差在2dB左右;而不相干模型和ASJ模型仅可用于预测高频段时噪声的平均值。可见,相干模型是预测以中低频为主的公路隧道内交通噪声传播的合理模型,该预测模型可用于进行公路隧道内降噪优化设计。     

基于ARIMA-FNN的道路交通事故最优加权组合预测模型

1个适应性良好的道路交通事故预测模型对于交通管理、控制和有关规划设计起着重要作用,文中根据交通事故发生的时空性和多因素性,利用ARIMA模型良好的时间序列线性拟合能力和FNN强大的非线性映射能力,通过最优加权方法确定模型权重,建立ARIMA和FNN的组合模型,并对我国道路交通事故进行预测。结果表明：这一模型可以提高事故预测精度,是1种有效的事故预测模型。     

剐蹭事故对交通运行的影响评估分析

引入"蝴蝶效应"理论,对剐蹭事故造成的交通影响进行分析,并对剐蹭事故发生在不同道路类型下对交通运行的影响进行评估。指出了缩短剐蹭事故清理时间、提高重点位置剐蹭事故的快速清理能力在缓解道路交通拥堵工作中的重要性,对今后首都缓解拥堵工作有一定的指导意义。     

考虑第三方损失的城市道路交通事故严重程度评价方法

为了适应城市道路交通事故具有较少的伤亡人数、对周边交通运行状况影响较大等特点，对该类事故的严重程度进行评价方法研究。研究构建事故地点平均行车延误计算模型。基于社会劳动价值的计算，将事故伤亡人数换算为经济指标。利用单位时间劳动力价值，将由事故引发的其他车辆的行车延误损失时间换算为经济指标。将其与非必要燃油消耗一并计入事故第三方经济损失。借鉴现有交通事故等级划分标准，采用等价折算的方法，确定各评价指标的权重值。以哈尔滨市2007~2008年事故数据为例，计算其综合评价指标。依据综合评价指标的累积频率曲线，提出城市道路交通事故严重程度的等级界定阈值。以2017年6月发生于大连市高新园区的1起城市道路交通事故为例，分别采用现行分类标准和提出的评价方法评价其严重程度。研究表明：该评价方法综合考虑了事故伤亡人数、直接经济损失并包括非必要行车延误及燃油消耗的第三方经济损失，可以充分体现该类事故的特点，并能够合理划分其严重程度。     

基于多因子关联分析的道路交通事故灰色预测模型研究

基于灰关联分析,对道路交通事故的影响因子进行预处理,建立了基于多因子关联分析的道路交通事故GM(1,N)预测模型。对哈尔滨市1994年~2004年的道路交通事故进行实例分析,预测结果表明GM(1,N))模型的预测精度高于GM(1,1)模型及多元线性回归模型。该模型克服了GM(1,1)模型对于波动性较大的非平稳数列预测精度低的缺点,该模型具有简单、有效、预测精度高的特点。GM(1,N)模型是一种动态数据处理方法,且不会出现量化分析与定性分析结果矛盾的现象,能够很好的反映交通事故的未来发展趋势。     

基于博弈论的危险品运输网络选线

针对运输路段交通事故概率未知的情况,提出同时考虑运输成本和风险的危险品运输网络选线模型,以降低危险品运输事故对沿线居民和周围环境的影响。考虑发生交通事故后有毒气体泄漏的二次事故,对事故后果进行量化,界定为气体覆盖范围内的受影响人数;考虑在实际运输过程中路段的复杂性,采用最短路径算法选取运输成本较低的若干条备选路径,对运输路网进行简化;假设事故由袭击方制造且运输方对多条路径进行组合使用,以运输风险最小为目标,建立基于零和博弈理论的复合选线模型;采用启发式算法对模型进行求解,获得运输方对各条备选路径的选择概率,构成复合选线策略。以上海市道路网液氯运输选线问题作为典型案例,验证复合选线模型的有效性,并将模型得到的复合选线策略与最优单一选线策略的结果进行对比分析。结果表明：复合选线策略的期望受影响人数为184人,而单选线策略的期望受影响人数为374人;复合选线模型能够很好地解决危险品运输路段概率未知的问题,并能很好地指导实际危险品运输,且在降低运输风险方面效果优于单一选线策略;最短路径算法的运用能有效限制运输路径的长度,有利于节约运输成本;启发式算法的运行时间较短,在适当控制备选路径数量的前提下,可以用于更大规模路网下的运输选线工作。     

北京市道路交通事故特征的研究

基于交通事故数据,对北京交通事故的时空分布、肇事车辆、死伤人员、事故原因等特征进行研究。结果表明,北京交通事故分布具有规律性,肇事主体以及事故原因具有特殊性。     

Predicting duration of traffic accidents based on cost-sensitive Bayesian network and weighted K-nearest neighbor

Abstract

With the development of urbanization, road congestion has become increasingly serious, and an important cause is the traffic accidents. In this article, we aim to predict the duration of traffic accidents given a set of historical records and the feature of the new accident, which can be collected from the vehicle sensors, in order to help guide the congestion and restore the road. Existing work on predicting the duration of accidents seldom consider the imbalance of samples, the interaction of attributes, and the cost-sensitive problem sufficiently. Therefore, in this article, we propose a two-level model, which consists of a cost-sensitive Bayesian network and a weighted K-nearest neighbor model, to predict the duration of accidents. After data preprocessing and variance analysis on the traffic accident data of Xiamen City in 2015, the model uses some important discrete attributes for classification, and then utilizes the remaining attributes for K-nearest neighbor regression prediction. The experiment results show that our proposed approach to predicting the duration of accidents achieves higher accuracy compared with classical models.     

基于贝叶斯空间相关模型的城市快速路安全影响因素研究

快速路是城市交通的主骨架,其运行安全态势直接影响整体通行效率的发挥。利用线圈检测器数据和由事故视频监控系统采集的2011~2013年共50069起事故数据,应用贝叶斯空间相关模型,对上海市南北高架、延安路高架、内环和中环4条快速路进行建模分析。为了反映路段间的潜在空间联系,在负二项模型的基础上,加入空间随机影响项建立相邻空间相关模型;进一步改进了该空间随机项的协方差矩阵,建立距离空间相关模型。通过贝叶斯回归方法比较3个模型的回归效果。结果显示,距离空间相关模型具有最优的拟合效果,其方差信息标准(DIC)较负二项模型降低6.04%。由此证明,事故在道路中的分布存在空间关联,且其相关性受距离影响。在道路几何特性影响因素中,路段前后1 km 内匝道数越多,每公里转角越大,事故风险越大;入口-出口型交织路段事故发生几率较高。日均交通量与事故风险显著正相关。不同快速路对比分析表明内环事故风险偏高,中环事故风险较低。      

基于DYNASMART路网恢复可靠性研究

将路网恢复可靠度作为路网可靠性的评价指标，衡量路网在交通事故情况下能在预期时间内恢复正常功能的能力。利用DYNASMART中观仿真软件，选取北京市CBD金融地区作为分析案例，分析不同等级道路上发生交通事故对路网可靠度的影响情况，同时分析车载导航系统在不同事故等级下对路网恢复可靠度的影响情况，利用仿真数据建立模型拟合公式，并将其应用于CBD区域的交通影响评价工作中。     

Impacts of accident severity factors and loss values of crashes on expressways in Thailand

The number of road accidents and the level of accident severity have been extensively applied as the indicators for measuring the efficiency of service provision in road network systems of each country. This research utilized accident data on expressway networks during B.E.2550 (2007) to B.E.2553 (2010) (updated data was collected), in which Expressway Authority of Thailand (EXAT) as legislatively mandated unit has taken responsibility for the execution of nine expressway routes covering distances totaling over 207 km with a record of 2194 crashes. The chief objective of the study aims to forecast the accident severity through formulating Multiple Logistic Regression Model to analyze the probability of injury accident and fatal accident in comparison with property damage only accident. Its measurement comprehensively considers statistical relationship among variables such as average speed on road section, average traffic volume per day, period of time, weather conditions, physical characteristics of accident area, and causes of accident. Together, the research question is to verify whether these variables affect the opportunity or probability of three levels of accidents and investigate impacts of accident loss values due to the reduction in crash severity measures.