基于HighD数据集的高速公路交通冲突预测方法

为改进高速公路交通冲突模型,基于HighD数据集提取某路段交通冲突数据和交通流数据,依据 TTC(time to collision,碰撞时间)的大小确定轻微冲突、一般冲突以及严重冲突的阈值。研究不同影响因素与冲突次数之间的关系,并对4种模型的效果进行比较,为冲突预测方法的研究提供思路。首先,针对不同严重程度的交通冲突数分别采用Poisson(泊松)模型NB(Negative Binomial,负二项)模型、ZINB(Zero-inflated Negative Binomial,零膨胀负二项)模型及ZIP(Zero-inflated Poisson,零膨胀泊松)模型进行回归分析。其次,利用赤池信息量准则、贝叶斯信息准则对4种模型的拟合效果进行比较。结果表明:不同冲突次数预测模型中表现最佳的模型分别为NB模型、ZIP模型以及Poisson模型,3种模型中加速度标准差和平均速度都与冲突次数显著相关。