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%。     

基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.      

双车道高速公路追尾事故实时预测模型

现有的高速公路实时事故预测模型对高速公路信息化采集设备的布设密度和采集的数据粒度要求很高,在低信息化的高速公路管理工作上难以得到应用.结合国内高速公路信息化现状,使用单个检测器所采集的数据,对高速公路追尾事故实时风险进行研究.基于江苏省扬州市启扬高速公路上布设的超声波交通流检测器所采集的交通流数据,采用配对案例对照方法和二元逻辑回归,建立了双车道高速公路追尾事故实时预测模型.对事故前5~20 min的交通流数据分别构建流量时空矩阵、速度时空矩阵、平均车头间距时空矩阵,通过引入矩阵特征值简化建模过程并避免了指标间的相关性过高问题.模型总体精度85.7%,事故预测精度33.3%,误报率低于2%,相比已有模型总体预测精度较高,误报率较低,表明了该方法应用于追尾事故实时预测领域的可行性和有效性.      

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%。     

基于批处理增量Lagrange支持向量回归机的短时交通流预测模型

实时、准确的交通流预测是智能交通控制和诱导的关键之一,针对实际中短时交通流数据批量增加的情况,为了提高预测模型准确性、缩短运行时间和模型更新问题,文章提出了一种基于批处理增量学习Lagrange支持向量回归机的短时交通流预测模型。仿真实验表明,与传统的支持向量回归机增量学习算法相比,提高了模型的预测精度,缩短了训练时间。     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

基于粗糙集理论的短时交通流组合预测研究

为满足交通流诱导系统的理论需要,建立了一种基于粗糙集理论的实时交通流量组合预测模型。通过粗糙集理论来确定组合预测中的权系数,对路段的交通流做出短时预测。结合某路段的实际交通流数据,对预测模型进行仿真训练,经过比较分析,验证了该组合预测模型的有效性和实用性。     

连续数据环境下的道路交通事故风险预测模型

针对现有研究多基于病例对照的欠采样方法,即每起事故从连续交通流数据中按一定比例抽取对照的非事故数据构建模型,而该类模型在连续数据环境中的预测精度存在缺陷的状况,对城市交通连续观测并动态调控的技术环境（简称连续数据环境）开展道路交通事故风险预测模型构建研究。首先提出基于全样本交通流数据,结合“调整事故分类阈值”的方法解决事故风险预测研究中的非平衡数据分类问题;而后采用上海市城市快速路2014年5,6月的线圈检测交通流数据及历史事故数据开展实证研究,以受试者工作特征曲线下面积为评价指标,对比基于全样本和抽样样本构建的常用事故风险预测模型（逻辑回归、随机森林）的整体预测能力;以灵敏度和特异度的几何均数为评价指标,对比3种分类阈值计算方式（约登指数法、事故占比法和交叉点法）对事故/非事故综合预测精度的影响。结果表明：在连续数据环境下,采用全样本数据建模能使模型整体预测能力提高13.06%;基于约登指数法进行分类阈值计算可使模型的事故/非事故综合预测精度最佳。     

利用数据挖掘技术建立城市区域交通流状态分析预测模型

ITS中的一个重要研究领域就是交通流的诱导，而为了要正确地诱导交通流，就需要对交通流的状况进行实时分析和预测。本运用计算机科学领域中的数据挖掘技术，提出了一个城市区域交通流分析预测模型。通过模型中的预测级神经网络、决策树约束集、关联规则约束集和修正级神经网络，全面地考虑了区域内交通流本身与其它动态、静态指标对未来交通流状况的影响，因而具有较高的正确率。     

基于决策树理论的交通流参数短时预测

针对现有交通流参数短时预测方法的不足,考虑到交通流数据序列的非线性特征,提出一种基于决策树理论的非参数预测方法。采用时间序列滞后项将交通流参数序列转化成非参数模型能处理的数据格式。考虑到交通流参数之间存在长期协整关系,构建流量速度滞后项的组合向量,为预测模型提供基础数据。构建基于分类回归树(CART)的交通流参数短时预测模型。基于实际采集的道路交通流数据,对模型在不同等级道路不同速度区间下的性能进行评估。结果表明,所提出的模型相较于常用的时间序列模型,精度有所提高;速度预测准确性普遍高于流量,速度平均绝对百分比误差基本小于13%,而流量预测则达到了30%;采用工作日和周末数据分别建模能够有效提升预测性能;不同速度区间下的预测性能评估显示,模型在各等级道路中速区间的预测结果具有较高的准确性与稳定性。      

融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型

山区高速公路事故严重程度预测对保障交通安全具有重大意义。针对现有事故严重程度预测模型存在准确率低、泛化性差等问题,考虑到深度卷积神经网络可以高效处理图像问题,为此将事故影响因素图像化,提出一种融合深度反残差与注意力机制的山区高速公路事故严重程度预测模型。该模型首先采用相关性分析确定影响交通事故严重程度的因素,依据严重程度与影响因素将事故划分为财产损失、轻伤事故、重伤事故和死亡事故4类;然后将影响因素处理成图片的形式,进而将事故严重程度预测问题转化为图像的分类问题,随之构建基于反残差与注意力机制的山区高速公路事故严重程度预测模型,其中：基于深度可分离卷积的反残差结构可以以较少训练参数获取较高的准确率,基于软阈值的注意力机制作为一种非线性层可以忽略与事故严重程度无关的信息,Mish激活函数可以确保更好的信息流入神经网络。结果表明：在山区高速公路交通安全事故严重程度评估中,相比于传统的机器学习模型,所提出的模型识别准确率具有明显的提高,且测试准确率为85%左右,满足山区高速公路安全评估的实际预测需求。     

高速公路交通事故交通流辐射分析与仿真研究

针对目前我国高速公路2次事故多发的特点,从初次交通事故交通流辐射分析入手,阐述高速公路交通事故影响范围和影响时间的分析方法.建立基于TransModeler微观交通仿真平台的交通事故辐射分析模型,对其中一种紧急事件的交通流辐射范围进行实例分析.本模型可为交通事故或其他突发事件的信息发布、预警提供信息与决策支持,从而达到...     

交通量预测的神经网络集成方法

首次将神经网络集成技术引入交通量预测。神经网络集成通过训练多个神经网络并将各网络输出进行合成,可显著提高学习系统的泛化能力。在Boosting和Bagging集成方法的基础上,提出基于分治策略的神经网络集成方法,并且讨论了网络权重分配算法。使用上述三种神经网络集成预测模型,对苏州某交叉口实时交通量进行预测,预测结果比较理想,优于单一神经网络预测方法。实验表明,神经网络集成用于交通量预测是有效可行的。     

基于行车稳定性的高速公路自由流状态下交通安全评价标准研究

在对西部多条高速公路调研基础上,建立了高速公路车速预测模型和基于行车稳定性的高速公路自由流状态下事故当量经济损失与横向力系数差之间的关系模型,并在此基础上建立了交通安全评价标准。     

路侧交通标志设置数量及位置研究

高速公路和城市快速路通常将内侧车道设置为小车道,外侧车道设置为大车道,这将有可能导致内侧小车驾驶员视线被遮挡,无法及时获得路侧交通标志的信息采取相应的措施,从而引发交通事故。通过对驾驶员对路侧交通标志视认过程的分析,提出了计算单个路侧交通标志被遮挡概率的计算方法,并运用概率论的知识建立了求解连续多个路侧交通标志设置数量的数学模型和标志设置位置的计算公式,提出了路侧交通标志设置的具体步骤。通过计算示例证明理论模型及算法实用可行。     

多车道高速公路分流交织区交通流特性与交通组织策略

为了解决多车道高速公路分流交织区由于车道数增加、交通流量增加、标志设置不合理等原因存在的诸多安全问题,在分析多车道高速公路分流交织区存在的问题和总结现有多车道高速公路断面形式（整体式断面、客货分离式断面、主辅分离式断面）的基础上,提出多车道高速公路分流交织区的交通组织形式及其优缺点。总结了多位学者对多车道高速公路分流交织区处的运行车速、通行能力及安全特性和冲突特性的研究,并在此基础上,提出了多车道高速公路分流交织区处的交通管理（车道管理和车速管理）及诱导设施（同向分隔带、标志标线）的优化意见。所提出的交通管理及诱导设施的优化方案可以显著提高多车道高速公路分流交织区的安全性及其运行效率。      

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。     

基于异常声音的隧道交通事故检测方法

针对公路隧道内交通事故的动态感知问题，在传统检测方法的基础上引入声学检测理论与方法，研究基于异常声音检测的隧道交通事故智能检测方法。通过分析短时能量（short term energy，STE）和梅尔倒谱系数（Mel-scale frequency cepstral coefficients，MFCC）检测方法在事故段特征表征以及精度干扰方面的缺陷，提出1种改进的融合特征MFCCE研究隧道环境下的交通事故检测。提取STE和MFCC特征并使用主成分分析（principal component analysis，PCA）进行特征融合得到新的融合特征MFCCE。以真实行车事故数据为基础，构建包含刹车与碰撞声的2段隧道噪声实验样本数据，分别对应早高峰时段（07:00—08:00）及平峰时段（12:00—13:00）的行车条件对隧道内的事故环境进行模拟分析，利用端点检测对所提方法进行验证并与其余2种方法进行对比分析。使用Pearson简单相关系数法作为最终的评价方法，通过该方法计算得到的相关系数r对比三种检测结果与原始样本的正相关相性。实验结果表明:STE在平峰及早高峰时段的相关系数分别为0.933和0.988；MFCC在平峰及早高峰时段的相关系数均为0.998；而无论在平峰还是早高峰时段，MFCCE的相关系数（0.999）均高于另外其他2种检测方法。MFCCE的平均相关系数相比于其他2种检测方法（STE、MFCC）分别提高了3.95%和1.00%。      

城市连绵区高速公路交通量建模预测研究

高速公路交通量预测对其规划设计、投资建设、控制管理都具有重大意义,是高速公路管理决策定量化依据。针对城市连绵区高速公路不同于传统高速公路对外通道的功能与特征,采用城市交通建模的思想预测高速公路交通量,实现精细化、大区域的交通建模,提出了实时滑动、动态校核的预测方法,通过基于联网收费数据动态校核、多指标控制、多年份验证,显著提高模型的预测精度。采用该方法实现了对深圳市高速公路的建模预测、交通量预测。