本期导读

正为了寻求能够高效拟合事故数据的模型,提高高速公路交通事故预测的能力,以广东省京珠、粤赣以及开阳高速为研究对象,收集整理了共4 657起交通事故及相关影响因素数据,通过路段划分得到5573个交通事故建模样本。基于系统聚类及四分位数法,筛选交通事故数据中的异常值,剔除了建模样本中的离群样本;基于方差膨胀因子法,对模型的解释变量进行共线性诊断,对存在共线性问题的解释变量进行了处理。分别对负二项(NB)、零膨胀负二项(ZINB)及Tobit模型进行变量筛选,分别确定了     

零截尾负二项模型在交叉口事故预测中的应用

事故预测模型是广泛采用的交通安全定量分析方法，但往往要求具有完备的道路、交通和事故数据。然而，基础数据相对不健全是包括中国在内的发展中国家交通安全管理面临的主要问题之一，例如仅有发生事故路段或者交叉口的相关属性特征（即零截尾数据）。为此，为确保基础数据不全的情况下交叉口事故预测的准确性，提出了基于零截尾的广义负二项回归模型；采集了246个非信号控制交叉口的交通与事故数据，采用传统负二项模型和新提出的零截尾负二项模型对全数据和零截尾数据分别进行对比分析。结果表明：在针对截尾数据的分析中，零截尾负二项模型明显优于传统负二项模型，并且零截尾负二项模型的参数估计值与基于全数据的负二项基准模型的估计值非常接近；在所有模型中，交叉口的主路交通量和支路交通量与交叉口的安全性之间存在较大的正关联。此外，同等条件下，十字形交叉口的事故数量高于T形交叉口的事故数量；利用传统负二项分布模型分析截尾数据得到的事故预测模型与使用全数据的基准模型有显著差异，其结果不可靠；采用零截尾负二项分布模型的参数结果与基准模型基本一致，截尾模型的置信区间包含基准模型相应的参数估计值。当受条件所限无法获取全部数据时，可以考虑使用零截尾负二项模型进行安全分析。     

基于广义线性模型的高速公路事故预测能力对比研究

为了寻求能够高效拟合事故数据的模型,提高高速公路交通事故预测的能力,以广东省京珠、粤赣以及开阳高速为研究对象,收集整理了共4657起交通事故及相关影响因素数据,通过路段划分得到5573个交通事故建模样本.基于系统聚类及四分位数法,筛选交通事故数据中的异常值,剔除了建模样本中的离群样本;基于方差膨胀因子法,对模型的解释变量进行共线性诊断,对存在共线性问题的解释变量进行了处理.分别对负二项(NB)、零膨胀负二项(ZINB)及Tobit模型进行变量筛选,分别确定了16,24,16个解释变量;基于模型变量筛选结果,利用交通事故数据样本,完成了NB,ZINB及Tobit模型的建模.分析对比了NB,ZINB及Tobit模型的拟合效果及预测能力,结果显示,在模型的事故预测能力方面,当交通事故数据中存在大量零值,NB,ZINB及Tobit模型经过K折交叉检验计算得出的PRESS值分别为2185,2239,4442,表明Tobit模型预测能力最优,ZINB模型其次,NB模型再次.      

基于负二项分布的高速公路交通事故影响因素分析

为分析高速公路交通事故的影响因素,构建基于负二项分布的事故分析模型,探究事故数与交通特性、公路线形及路面性能间关系.鉴于传统固定参数模型难以刻画各因素对事故风险影响的异质性,引入了随机参数建模方法.结果表明:相比于固定参数负二项模型,构建的随机参数负二项模型有更好的拟合优度,且能更合理地反映各因素对事故的作用效果;将随...     

交通事故伤害程度估计中的零膨胀现象研究

针对事故样本中存在的零膨胀现象,以及考虑到事故伤害等级的有序特性,以英国2016年发生在交叉口的10 258起单车碰撞事故数据作为数据样本,引入了零膨胀有序Probit模型,用以分析交通事故伤害程度的影响因素,并对比了零膨胀有序Probit模型与传统有序Probit模型的估计结果。研究结果表明,当事故样本中含有大量的零值时,采用传统的事故伤害估计方法会导致"零值"的边际概率被高估。此外,拟合优度指标表明ZIOP模型对样本事故数据的拟合效果比传统有序Probit模型好。     

高速公路分、合流区事故分析模型及事故影响因素

针对高速公路分流区、合流区分别建立负二项回归模型、零膨胀负二项回归模型、混合效应负二项回归模型3种交通事故分析模型,依据AIC准则、BIC准则、对数似然值、Vuong值等对模型进行检验,并采用拟合程度最高的NB模型进行事故影响因素分析。分析结果表明:1)主线年平均日交通量每增加1%,分流区、合流区事故数分别增加3. 50%,2. 23%; 2)主线平曲线半径、分合流区渐变段长度分别增加1%时,分流区年事故数减少0. 12%、0. 18%,合流区年事故数减少0. 07%、0. 28%; 3)分合流区车道数为单车道及4车道时对应的事故数相对较高; 4)分流区位于下坡路段比位于上坡路段具有更高的事故危险性,至上一分流区的距离与年事故数之间表现出显著的正相关性,较长的减速车道有利于提高交通安全性; 5)位于主线长直线路段末端的合流区诱发事故的风险较高; 6)重型车比例上升会导致年事故数升高。     

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。     

基于有限混合零截尾事故预测模型的事故多发段判别方法

为了准确判别事故多发段,有针对性地提出安全应对措施以提升道路交通的安全水平,针对零值缺失交通事故数据并考虑其异质性特点,在单零截尾负二项(ZTNB)模型的基础上建立有限混合零截尾事故预测模型(FMZTNB)。应用R软件对单零截尾负二项模型中的参数进行估计,采用马尔科夫链蒙特卡洛算法(MCMC)对FMZTNB预测模型参数进行求解,并采用Gelman-Rubin收敛统计量对抽样结果进行检查。选择事故风险水平分别为低、中和高的9个路段,分别用2种模型对交通事故次数进行预测。综合观测到的事故次数和相应的事故预测模型结果,采用经验贝叶斯方法对事故相对多发段进行判别。最后采用事故次数一致性检验、判别点段一致性检验和排序一致性检验3种检验方式对判别结果对比分析。结果表明:基于事故率的事故相对多发段判别方法存在较大的不一致性,基于零截尾负二项预测模型的路段事故相对多发判别结果明显优于基于传统负二项预测模型的结果。整体上,基于有限混合零截尾事故预测模型的事故相对多发路段的判别结果高于基于单零截尾负二项分布模型的判别结果。     

面向 NSM 的高速公路大区段事故风险预测方法

为探究路网交通安全管理(NSM )中的事故风险预测方法,以国内高速公路的大区段路段为研究对象,首先分别采用系统聚类、k-means动态聚类和二阶聚类方法对路段进行聚类,确定最优聚类方法和聚类数量,然后对"同质性路段"分别建立负二项回归、贝叶斯负二项回归、随机或固定效应的负二项回归和多层混合效应负二项回归4种模型,通过精度评价指标选择出最优的事故预测模型,最后计算出相应路段的事故风险大小并识别出事故多发路段.结果表明:选择最优的聚类方法和聚类数量相较于未聚类的情况将有效提高事故预测的拟合精度,其均方方差下降了64% .当选择二阶聚类方法且聚类数量为3时,"同质性路段"负二项回归的事故模型拟合精度最高,其模型的赤池信息量 A IC为464 .79 ,贝叶斯信息量 BIC为476 .98 ,均方方差为99 .22 .在4种事故预测模型中,负二项回归具有良好的预测精度,其预测结果的均方方差最小,为108 .64 .采用统计学方法识别"同质性路段"的事故多发路段,共识别出辽宁省22条事故多发路段.      

双车道等级公路路侧事故预测模型研究

借鉴国内外事故预测模型(也称安全性能函数SPF)研究领域的最新成果,收集了31条双车道公路(总里程约740 km)的事故、交通量和线形数据,采用了泊松、负二项、零堆积泊松和零堆积负二项四种统计概率分布,从路侧事故数、路侧事故死亡人数、路侧事故受伤人数三方面对路侧事故规律进行了研究,通过弹性分析从量化的角度给出了道路几何条件、交通量水平与构成等指标与路侧安全的关系。     

苏州市高速公路安全统计建模

高速公路作为连接长三角地区的重要通道,承载了大量的交通需求。通过安全建模分析,识别长三角都市圈通勤时段高速公路交通事故特征及交通安全主要影响因素,提高其运行安全和效率,有利于推进长三角城市群交通一体化建设。本文采集苏州市10条高速公路双向的交通事故数据、道路几何数据和交通运行数据,考虑空间相关性,基于微观路段单元,建立了贝叶斯负二项条件自回归模型。结果表明,道路几何特征、交通运行特征对高速公路安全均存在显著影响。     

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。      

山区公路施工安全评价及预警研究

安全事故的机理分析是山区高速公路施工安全评价的基础。分析了山区高速公路施工安全事故的主要类型,研究了高处坠落事故、物体打击事故、机械伤害事故、触电事故、坍塌事故的产生原因,分析了施工安全事故的成因归结为＂4M＂要素。安全评价指标体系是山区高速公路施工安全评价的关键。结合山区高速公路施工现场实际情况,构建了山区高速公路施工现场安全综合评价指标体系递阶层次结构,从人的因素、物的因素、环境因素、管理因素四个方面深入分析了山区高速公路施工安全评价指标的内涵。     

山区高速公路伤亡事故故障树模型及事故成因分析

为了研究山区高速公路伤亡事故的成因,依据多事件链原理,建立了以伤亡事故为顶上事件,驾驶员、车辆、道路、交通环境等因素为中间事件,25项具体事故原因为基本事件的山区高速公路伤亡事故故障树模型,确定了故障树模型的结构函数,并据此找到了事故发生的47条事故链。采用自顶上事件至基本事件的定量分析方法,计算得到各条事故链的概率,并确定出了诱发伤亡事故的6条关键事故链。研究结果表明,山区高速公路伤亡事故发生的6项主要原因:1)驾驶员判断失误且未与前车保持安全距离;2)公路照明设施不足且能见度较低;3)驾驶员判断失误且操作不当;4)大型车所占比例较大且超载行驶;5)道路纵坡较大;6)长大下坡坡底车辆制动失效。其中,驾驶员、车辆、道路、交通环境各因素所占比例分别为34.3%、25.5%、28.1%、12.1%。     

路侧事故预测模型的统计分析方法研究

介绍了泊松分布、负二项分布、零堆积泊松和零堆积负二项4种概率分布形式及模型的评价和检验。并介绍了确定模型中单个变量对路侧事故边际影响弹性分析方法。为道路设计人员和养护人员针对路侧隐患设施给出量化的整改方案,并对各改善措施进行经济评价提供理论依据。     

基于广义线性模型的干线公路交通事故预测

为掌握干线公路交通安全状况,探究影响其事故发生的显著影响因素,收集国道主干线昌金(昌傅—金鱼石)高速公路K905—K982段2010年发生的240起交通事故数据和交通流数据,按照定长法对路段进行划分,共获得77个样本路段,建立了基于广义负二项线性回归的干线公路事故预测模型,并引入弹性系数概念对影响因素的影响程度进行量化分析。结果表明交通量、道路平均占有率、大车比例和速度标准差对干线公路交通事故的发生影响显著,且均与之呈正相关关系;应用该模型对该路段2011年事故数进行预测,总体相对误差为7.6%,预测精度满足要求。     

基于随机森林与FP-growrh算法的山区追尾事故数据分析

传统的离散选择模型在分析事故数据过程中,容易出现模型假定条件不满足的现象。基于此背景,文中收集了2012-2017年昌金及泰赣山区高速公路的948条追尾事故数据,从非参数方法的角度对山区追尾事故进行分析。首先,利用随机森林算法对追尾事故数据进行了模型训练。模型中树的数量为144棵,预测效果最优,精度为0.778;进一步设置因素重要度阈值0.05,剔除了潜在风险因素中的星期、疲劳驾驶、超速、性别4个因素,筛选出10个重要度相对较高的因素。最后,利用FP-growrh算法训练得到40条频繁项集及关联规则。结果表明,FP-growrh算法可以有效说明潜在风险因素间、潜在风险因素与事故严重程度的关联程度。     

平原区高速公路追尾预警信息发布研究

该文通过对平原区高速公路事故特征的分析,发现其主要事故形态是追尾事故,该事故形态的主要发生位置在互通立交的出入口,并在二次事故中所占比例高。文章针对这一特点综合分析现代信息发布方式和适用性,提出了针对互通立交出入口和事故发生后预防二次事故的追尾信息发布方式。该方法同样可为山区高速公路追尾事故预警信息发布提供借鉴。     

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。     

改进的山区高速公路伤亡事故贝叶斯网络及事故成因分析

为研究山区高速公路伤害和死亡事故的致因因素,利用故障树建立伤亡事故的贝叶斯网络模型,分别从人、车、路、环境4个方面分析事故影响因素,通过推理和计算可得出相应的发生概率.考虑故障树模型欠缺多态性、相关性和不确定性,提出改进的山区高速公路贝叶斯模型.研究发现:在受伤事故中,车辆因素和驾驶员因素占比最大,其次为道路和环境因素;在死亡事故中,道路因素占比相较于伤害事故增大,明显大于驾驶员因素;其中车辆类型为大型车、夜间无照明和超载3个致因因素导致伤亡事故的可能性增大最为显著.提取危险程度较高的影响因素并提出交通安全改善建议,对山区高速公路交通安全的改善治理工作具有重要意义.