基于混合有序Probit模型的货车翻车驾驶员伤害程度研究

为深入研究货车翻车驾驶员伤害程度的影响因素,考虑驾驶员伤害程度的有序特性和安全因素对驾驶员伤害程度影响的异质性效应,以2016年美国德克萨斯州3476起货车翻车事故为研究对象,从人、车、路、环境四要素中选取共24个安全因素作为自变量,以驾驶员伤害程度为因变量,分别构建有序Probit模型和混合有序Probit模型.研究结果表明:男性、驾驶员年龄、系安全带、安全气囊起爆、饮酒或吸毒、被甩出车外、未按规定车道行驶、重型货车、车辆右转、不良天气、道路限速值以及车辆出厂年龄与驾驶员伤害程度显著相关.此外,混合有序Probit模型的拟合优度较有序Probit模型的高,并且混合有序Probit模型发现,男性、饮酒或吸毒、被甩出车外以及车辆右转变量对驾驶员伤害程度的影响具有异质性效应.     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制,在系统选取影响事故严重程度潜在变量的基础上,利用有序Logit模型获取影响事故严重程度的显著自变量,并运用偏比例优势模型修正变量参数,从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM),以云南省元(谋)—双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优,更适用于研究该问题;涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应,驾驶人性别及接入口等3个变量对一般及以上事故具有负效应;就影响程度来看,接入口最大(边际效应为14.466%),驾驶人性别次之(10.581%),竖曲线长度最小(0.114%).     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制，在系统选取影响事故严重程度潜在变量的基础上，利用有序Logit模型获取影响事故严重程度的显著自变量，并运用偏比例优势模型修正变量参数，从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM)，以云南省元(谋)-双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优，更适用于研究该问题；涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应，驾驶人性别及接入口等3个变量对一般及以上事故具有负效应；就影响程度来看，接入口最大(边际效应为14.466%)，驾驶人性别次之(10.581%)，竖曲线长度最小(0.114%).     

山区双车道公路货车碰撞预测的双变量冲突极值模型

为预测山区双车道公路货车与冲突车辆发生的碰撞，本文基于无人机视频，提取货车与交互车辆的高精度轨迹数据，选取适用于不同运行轨迹的交通冲突指标，结合极值理论，构建双变量冲突极值(BTCEV)模型，将后侵入时间(PET)与碰撞时间(TTC)纳入统一框架，实现山区双车道公路货车与冲突车辆的碰撞预测，并以云南省货车事故高发的山区双车道公路为例，验证 BTCEV模型的预测性能。研究表明：PET为0.382 s、TTC为4.471 s是山区双车道公路货车严重冲突的阈值；BTCEV 模型预测山区双车道公路货车年事故发生率为 5.84%，预测准确性高达 98.92%，较PET模型以及TTC模型分别提高了167.33%和10.80%；且相比于单变量模型，双变量模型所估计的置信区间更窄，预测精度更高。研究结果将山区双车道公路货车碰撞预测方法从单变量扩展到双变量，在山区货车交通安全分析方面有广阔的应用前景。     

考虑建成环境的电动自行车事故严重程度致因分析

为探究考虑建成环境影响下,电动自行车交通事故严重程度的影响因素,本文从事故属性、骑行者属性、对象车辆及驾驶员属性、道路属性及建成环境属性这5个方面,选取18个影响电动自行车交通事故严重性的潜在变量。在此基础上,构建考虑均值及方差异质性的随机参数Logit模型,利用边际效应量化显著变量对事故严重程度的影响差异。基于北京市近5年电动自行车事故抽样数据进行实证研究,结果表明：事故时段19:00-次日7:00、骑行者年龄大于40岁、重(大)型货车、到最近医院的距离增大及恶劣天气等因素会增加电动自行车事故严重程度。建成环境属性中,到最近医院的距离在死亡事故中的参数为服从正态分布的随机参数,路段及恶劣天气会增大其均值异质性,驾驶员年龄为(40, 60]岁会增大其方差异质性;其他属性中,一般城市道路在受伤事故中的参数为服从正态分布的随机参数,路段会增大其均值异质性。研究结果可以为降低电动自行车事故严重程度提供理论支撑。     

考虑乘客的交通事故受伤严重程度模型

为分析比较交通事故中驾驶员和乘客的受伤严重程度,根据某城市的道路交通事故数据,分别以交通事故驾驶员和乘客受伤严重程度为因变量,从事故基本信息、事故人员数据、现场环境数据等方面选取自变量,运用二项Logit模型分别建立驾驶员和乘客受伤严重程度模型。研究结果表明:驾驶员和乘客的受伤严重程度影响因素存在差异,仅有人员的年龄变量、事故形态变量在驾驶员模型和乘客模型中都表现为显著,其余变量的显著性在两模型中不同。因此,不仅要关注驾驶员的受伤严重程度,还要重视乘客的受伤情况,给予乘客更多保护。     

基于事故预测的高速公路出口匝道类型优选

为了有效降低高速公路出口匝道事故发生的可能性,研究不同类型出口匝道的安全性能。根据出口匝道在分流区与高速公路主线的衔接形式以及匝道车道数,将其分为类型Ⅰ、类型Ⅱ、类型Ⅲ、类型Ⅳ四类;建立了出口匝道事故数、事故严重程度与匝道类型以及其它变量之间的关系模型;通过分析事故数及事故严重度与不同匝道类型的关系,对四种不同类型匝道的安全性进行了排序。结果表明:从事故总数及事故严重性预测方面(从好到差),类型Ⅰ类型Ⅲ类型Ⅳ类型Ⅱ。     

建成环境对城市交通事故严重程度影响研究

针对城市交通事故分析中缺少建成环境因素的系统考虑,以密度、多样性、交通设计、可达性及公共交通临近度等5个维度表征建成环境,同时考虑个体行为、道路情况、事故类型及自然环境4个方面,运用机器学习算法建立融入建成环境因素对城市道路交通事故严重程度影响分析模型;并以重庆市某区的事故数据进行实证分析。研究结果表明：建成环境变量对事故严重程度有较大影响;从变量重要度排序来看,土地利用混合度(14.29%)、快速路及主干路密度(12.43%)、次干路及支路密度(11.54%)、人口密度(11.35%)与可达性(10.96%)的影响程度较高,累计重要度达60.57%;同时各变量与事故严重程度呈现出非线性关系。     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

基于事故综合强度的公交事故严重程度分析

为更加精确地对公交事故严重程度进行分类以探究其影响因素，本文提出一种基于事故综合强度+K-means的公交事故严重程度分类方法，并基于此分类方法建立公交事故严重程度影响因素分析模型。首先，针对传统事故严重程度分类中的定性分类方法，引入事故综合强度法定量计算公交事故严重程度，并运用K-means聚类算法对事故严重程度进行聚类。其次，选取环境、驾驶员、道路车辆和事故特征这 4 方面的 17 个因素作为自变量，分别将事故综合强度+K-means分类法和传统分类法的结果作为因变量，运用有序Logit模型分析公交车事故严重程度，同时利用平均边际效应量化各显著因素的影响程度，以佛山市2021年156起公交车事故数据为例进行分析。结果表明，基于事故综合强度+K-means分类法的有序Logit模型具有更好的拟合优度。高峰期、换道、超速、加速度过大、注意力分散和进出站会增大发生极严重公交车事故的概率，增大的概率分别为11.57%、29.06%、23.98%、17.13%、30.97%和12.27%；白天和晴天会减小发生极严重公交车事故的概率，减少的概率分别为22.31%和12.34%。     

电动自行车与机动车事故严重性影响因素分析

为减少电动自行车与机动车事故造成的损失，定量剖析不同因素对事故严重程度的差异性影响至关重要。基于上虞区2018年10304起电动自行车与机动车事故，分析该类事故的严重性分布情况和时间与空间分布特性。以事故严重性为因变量，将其有序分为未受伤、轻伤及重伤事故3类，从时间、空间、道路、环境、骑行者及车型6个方面，选取17个事故严重性潜在影响因素， 采用多项Logit模型、有序Logit模型、广义有序Logit模型及偏比例优势模型进行拟合度对比分析，并以最佳模型(偏比例优势模型)和边际效应，量化分析各因素对事故严重性影响的显著性与差异性。结果表明，除节日类型、车道限速、车流相交角及温度对事故严重性影响不显著外，其余 13个因素都有显著影响，事故时间、光线亮度、骑者性别、骑者年龄、车辆类型及电动自行车类型违反平行线假设；对该类事故严重性影响最大的前4个因素为电动自行车类型、机动车类型、骑行者年龄与性别，其边际效应绝对值的最大值均超过61%，事故区位、道路类型及光线亮度的影响较大(20%~30%)，事故时间和风力等级影响较小(10%~20%)，而季节、事故位置、慢行干扰度和天 气状况的影响最小(≤8%)。基于各因素的差异性影响，为交通管理部门提出了有效改善建议。     

海事事故严重性影响因素及影响程度识别

以上海、浙江、江苏海事局发布的海事事故调查报告为基础,通过建立有序概率模型(包括有序Logit模型和有序Probit模型),对海事事故严重性影响因素及影响程度进行识别.结果表明:有序概率模型适于研究该问题,且有序Logit模型优于有序Probit模型;季节、时段、天气、通航水域、船型、船长、船舶所有权等对较大及以上事故具有正向影响,能见度对较大及以上事故具有负向影响.其中,船长200 m影响最大(边际效应为0.378 3),夏季影响次之(0.282 2);能见度不良影响最小(-0.108 0),个体所有船舶影响次之(0.109 5).研究结果可为海事安全部门开展安全监管工作提供决策参考.     

高速公路隧道交通事故严重程度的影响因素分析

根据京珠高速公路韶关段4个隧道的交通事故资料,从时间因素、隧道环境因素和交通动态因素3个方面选取9个输入变量,以交通事故严重程度为输出变量,建立高速公路隧道交通事故严重程度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析．研究结果表明,日交通量与年平均日交通量之比和大型车混入率对交通事故严重程度的影响最大,天气、线形、坡度和事故发生地点在隧道中的位置对交通事故严重程度的影响基本相等,事故发生时段对交通事故严重程度的影响可以忽略不计．     

基于数据驱动的交通事故伤害程度影响因素 及其耦合关系研究

为准确识别影响山区高速公路交通事故伤害程度(TAIDME)的相关因素，本文构建随机森林朴素贝叶斯-耦合度模型(RFNB-CDM)对其进行研究。首先，处理2016—2020年云南省1760起山区高速公路事故数据，综合考量后，将涉及事故信息、道路信息、肇事机动车辆信息及驾驶人信息等4类18个相关因素作为初始特征进行研究，使用RF模型进行特征提取，并得到各因素对于山区高速公路交通事故严重程度(TASME)的重要性排序；其次，将新特征输入 NB 模型，对TAIDME的影响因素进行单因素分析；为改进原有模型不能对影响因素之间的关系进行准确刻画的缺点，本文引入耦合度模型并进行实例验证分析。结果表明：RFNB模型相较于RF和NB模型，得到的预测结果更加精确，分类性能分别提升5.56%和14.79%。其中，追尾碰撞、18:00-次日 6:00、事故车辆数2辆、下坡段、夜间无路灯照明、货运、大中型货车和直行匀速这8类因素存在时更易加重TAIDME，追尾碰撞和直行匀速这两类因素发生耦合作用时，最易导致重大伤害事故； 道路表面干燥、路侧金属防护和中央绿化带隔离这3类因素存在时可降低TAIDME，路侧金属防护和中央绿化带隔离这两类因素发生耦合作用时TAIDME最低。研究结论可为山区高速公路交通事故预防及降低山区高速公路事故发生后的伤害程度提供理论依据与决策参考。     

基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析

为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明：影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。     

基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度.使用2015—2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利...     

公交驾驶员违规类型同交通事故间的关联分析

公交车驾驶员违规行为是引起交通事故的重要原因之一,以往文献在研究驾驶员违规行为与事故频率之间的关系时,未能深入探究违规行为类型差异及其异质性。为了进一步揭示不 同违规行为的差异化影响并为行为管控措施提供依据,利用某市2019—2020年4532起公交违规及事故数据,将驾驶员事故频率作为研究对象,将17类违规行为及人口统计学因素作为解释变量,综合考虑数据特征及异质性分析需求,构建考虑均值与方差异质性的随机参数零膨胀泊松模型。模型分析结果表明：不同类型的违规行为对于驾驶员事故频率影响存在明显区别,当驾驶员同时存在若干特定违规行为时,事故频率明显高于其他驾驶员。具体包括：未走公交专用道等行 为次数越多,则该驾驶员事故频率越高;未系安全带、未礼让斑马线次数和及时更换失效驾照等行为的影响具有随机特征,其作用效果具有随机波动的属性;未礼让斑马线行为影响参数的均值和方差受到其他变量的影响,即当驾驶员未礼让斑马线次数和越线行驶次数均较多时,期望事故率愈高。     

基于生存分析的山区双车道公路超车持续时间模型

为研究混合交通流条件下山区双车道公路超车行为，确定关键影响因素与超车持续时间的关系。以云南省典型山区双车道公路为例，利用无人机采集超车行为视频数据，提取参与超车行为的机动车轨迹，构建超车行为变量指标体系，分析山区双车道公路超车行为特性；建立基于生存分析的山区双车道公路超车持续时间模型，确定影响超车持续的关键协变量，并分析关键协变量与超车持续时间的定量关系。结果表明：混合交通流条件下，山区双车道公路平均超车持续时间为10.3 s，平均超车距离为201.3 m，由驾驶员的驾驶风格、较高的行驶速度及复杂的交通流条件共同作用所致；Log-logistic 加速失效时间模型对超车持续时间拟合效果最好，AIC和BIC分别为272.989和265.650，危险函数拐点约为13 s，说明超车行为在13 s前结束的可能性最大；影响超车持续时间的关键变量分别为超车距离和超车车辆与被超车车辆的初始速度差、最大横向距离、是否有对向车、被超车车辆长度和超车车辆类型，影响程度较大的协变量为超车车辆类型和是否有对向车，当超车车辆为货车时，超车持续时间增加了22.9%，当有对向车时，超车持续时间降低了17.8%。     

行人过街人车冲突等级评价及影响分析

无信号控制路段人车冲突等级的划分对于采取交通安全策略有重要意义,本文采用交通调查和数据分析的方法探索人车冲突严重程度的影响因素.通过视频采集确定了综合人、车、路 3方面特性的 14个解释变量,通过变量间相关性分析对解释变量进行筛选,再建立基于Odered Probit回归分析的人车冲突量化模型确定了影响显著的因素.