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.     

一段典型山区高速公路的事故频次建模研究

山区高速公路是道路交通系统中的一个重大安全隐患。文中通过对一段典型山区高速公路上事故频次建模,获得了对主要风险因素的安全效应评价;通过数据预处理及对其中"过度离散"和"零膨胀"特征的观察与统计检验,建立了基于零膨胀负二项回归技术的事故预测模型;对比传统泊松和负二项模型,该模型具有更好的数据拟合度和鲁棒性。研究结果表明陡坡、弯道、季节、隧道等是影响山区高速公路事故发生的主要因素。同时提出了一种计算"零事故状态"下各因素相对重要性的方法。     

基于XGBoost的高速公路事故类型及严重程度预测方法

高速公路事故频发,而以往研究未能充分揭示交通流动态特性对事故类型与严重程度的影响。为此研究了基于动态交通流数据的高速公路事故类型与严重程度的预测方法。从高速公路门架数据中提取流量、密度、速度等交通流数据,同时考虑时间特征以及时间和空间不均匀性特征的数据,与事故数据相匹配构成全样本。建立了基于极端梯度提升树（extrem Gradient Boosting,XGBoost）算法的预测模型,预测事故是否发生、事故类型以及事故严重程度。分别考虑追尾事故和其他事故2种事故类型、有人员伤亡和仅财产损失2种事故严重程度,模型的结果表明：①上下游速度差大、低速、路段车流量大且频繁分流、合流条件下交通事故风险较高;②低速、路段车辆多且合流、分流交通量大、上下游速度差大的情况下发生追尾事故的风险更高;③路段车流量较少且追尾事故发生于周末或夜间可能会增大事故严重程度。将常用机器学习算法与XGBoost算法的预测效果进行对比,XGBoost事故类型预测模型与事故严重程度预测模型的ROC曲线下面积（Area Under Curve,AUC）分别达到了0.76和0.88——相比于序列Logistic、高斯朴素贝叶斯、线性SVM、随机森林以及神经网络等其他常用算法,平均分别提升了0.08和0.24。这表明基于XGBoost建立的模型具有较好的预测性能。研究结果为高速公路路段实时交通流状态预警提供了可靠手段,进而可以提升高速公路行车安全。     

基于负二项模型区域日度事故预测及影响因素分析

分析区域日度交通事故规模的影响因素,是做好区域日度交通事故短时预测与防控的基础.搜集北京某区域2012—2015年道路交通事故、气象和日期性质等数据,采用负二项回归技术,建立了区域交通事故预测模型;以2012—2014年的数据作为训练集,以2015年的数据为测试集,拟合模型伪R2为0.645,预测期内绝对百分误差的中位数为17.04%,模型预测效果较好,达到了精度要求.模型还表明:①节假日期间事故减少,节假日前1d事故增加,节假日后1d天事故平稳;②1周内,周一和周日事故规模相对较小;③1年内,2月、3月事故规模稍小,7月、9月、10月、11月、12月事故规模稍高;④尾号限行对事故规模影响大,但针对尾号为4和9的限行几乎没有影响;⑤相较于晴天,多数非晴朗天气情况下事故规模反而下降;⑥日平均气温提高会小幅降低事故规模,但日最高气温和最低气温之差增大会增加事故规模.     

基于监控数据的高速公路实时事故风险模型

近年来,高速公路事故发生率高居不下.同时,对于高速公路而言,其交通流检测器安装又较为普遍.因此研究如何深入挖掘交通流检测数据以实现对高速公路事故风险实时预测很有必要.基于美国加州2012年发生事故最多的4条高速公路I5,I10,I405和I15的全年事故数据和交通流数据,以病例对照基本思路选取事故组和对照组数据,选定交通流数据研究范围,并选用ADASYN算法处理不平衡数据集问题.基于随机森林模型,利用事故发生前10~40 min内的事故地上游4个检测器、下游2个检测器的3种基本交通流数据构建高速公路实时事故风险模型,事故预测准确率可达到88.02%.选取重要性前十的变量作为事故重要诱导因素,对事故重要诱导因素进行调值,将调值后的测试集放入之前构建的随机森林模型进行分类预测,结果显示减少了41.82%的事故,故可认为利用事故重要诱导因素可进行事故先兆预警工作,从而减少事故的发生.      

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。     

基于高速公路事故预测的主动式巡逻车应急响应研究

巡逻车应急救援在高速公路交通安全中发挥着重要的作用.现有研究基于先验历史事故数据或路网结构,其本质是静态的,且灵活性不足.基于高速公路事故数据和交通流量、占有率、速度,应用梯度提升决策树方法建立实时事故预测模型,分析了巡逻系统的实体、状态和属性,建立了巡逻车应急响应离散事件仿真模型.在此基础上,通过计算机仿真技术研究了事故预测的正确率和误判率对应急响应时间的影响,并与常规状态下应急响应时间进行对比分析.结果表明,在工作日,事故平均响应时间由23.5 min降至17.2 min.     

高速公路交通安全的物元评判及事故预测

为了监测高速公路的交通安全状况,保障交通参与者的出行安全,基于多因素综合分析,建立了高速公路交通安全多层评判指标体系.在此基础上,利用熵权法界定指标权重系数,并结合可拓学中的物元理论,构建了高速公路交通安全的物元评判模型.根据实际数据标定各评判指标的节域,由级别变量特征值,定量地评判交通安全等级.同时,基于大数据分析构建了高速公路交通事故的BP神经网络预测模型,模型采用滚动式预测以克服数据的局限性,提高预测精度.以1998~2014年长三角地区高速公路的相关交通数据为例进行实际应用.结果表明,长三角地区的高速公路交通安全物元评判模型的级别变量特征值为1.62,评判等级为良好,评判结果更贴合实际.预测得到长三角地区高速公路交通事故数、受伤人数及死亡人数的相对预测误差分别为4.58%,3.04%及5.72%,波动方差分别为4.90%,4.60%及6.70%.     

高速公路事故的诱因及预防对策

道路交通事故是现代社会的一大公害。本文从我国高速公路交通现状出发,分析高速公路事故的诱发因素,提出了预防和减少高速公路交通事故的对策。     

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.     

基于局部路网空间结构特征的无检测器路段交通流预测方法

城市路网中存在大量尚未布设交通检测器的路段,其交通流数据难以获取,不利于开展精准路网管理,为此提出了利用局部路网空间结构特征预测无检测器路段交通流量的方法。基于有检测器路段的海量交通流数据,分析局部路网空间结构特征与路段交通流量之间的相关性;根据路网拓扑关系使用多元线性回归算法估计所有的有检测器交叉口交通流分配权重,并使用多元线性回归算法进一步挖掘局部路网空间结构特征对交通流分配权重的影响;结合空间特征影响度系数、无检测器路段所在的局部路网的空间结构特征及相邻路段的交通流,对无检测器路段进行交通流预测。实验结果表明,路段道路类型、相邻路段数量及相邻路段道路类型这3类局部路网空间结构特征与路段交通流量相关性显著,采用基于空间特征影响度系数对局部路网中只有单个相邻上游和具有多个相邻上游的无检测器路段进行预测,发现其平均误差分别在8%和22%左右。     

Urban Road Network Structure Optimization Method Based on Traffic Safety

考虑城市交通事故与道路网结构的关系,结合交通事故导致的时间延误,提出了基于交通安全的城市路网结构优化方法.首先分析了不同等级道路之间的衔接方式对出行者选择路径行为的影响,总结了交通事故的影响因素.然后在此基础上提出了基于交通安全的路网构造原则,建立了以路网安全度最大为目标的路网结构模型,并通过求解模型确定各路段的道路等级,得到安全度和结构不同的若干个路网.通过考虑交通事故时间延误情况下,进行随机均衡分配,得到路网各路段的交通量,并计算各路网的交通事故次数.最后提出了路网的安全性评价指标,分析交通事故次数和路网结构指标的关系,提出了考虑安全性的路网结构优化措施,并用实例验证了优化措施的有效性.     

长下坡路段交通安全评价方法

分析了影响长下坡路段交通安全程度的主要因素和以前交通安全评价方法存在的弊端.提出了长下坡路段交通安全程度多指标综合评价方法.即利用主成份-聚类分析法计算出交通安全综合评价指标,对长下坡路段的交通安全状况进行定量评价,并按照综合指标对路段各部分安全性进行分类.应用实例表明,该方法对具体长下坡路段安全状况的评价结论能够准确地反映实际安全状况.     

基于投影寻踪的快速路交织区交通状态判别方法

为了准确判别城市快速路交织区的交通状态,实现交通控制策略的优化决策,基于投影寻踪模型与k-means聚类算法,研究了一种新的交通状态判别方法.以交通状态的量化分析为目标,考虑投影寻踪模型的特性,定义了交通状态系数;根据类内聚集度与异类间散度的分析,建立了聚类效果评价系数表达式;应用推导的改进式遗传算法,结合k-means聚类算法,计算获得最优投影方向与聚类中心;应用最优投影方向将新观测的交通流数据转化为交通状态系数,判定欧式距离最小的聚类中心,获得相对应的交通流状态.新方法克服了传统方法对专家经验的依赖性,解决了熵权法对小概率事件信息熵的过量估计问题,并改进了投影寻踪模型的聚类效果评价系数.仿真实验结果表明,新方法状态判别准确率为96.63%,较神经元网络和决策树算法分别提高了5.58% 和7.01%,能够准确判别交织区交通流状态.      

基于GIS的道路交通安全管理体系研究

在深入分析道路交通事故致因的基础上,寻求道路交通安全管理的关键因素,为道路交通安全管理结构体系的建立提供依据。结合地理信息系统在交通安全管理上的应用特点,进行道路交通管理信息系统的数据检测与采集、事故分析、安全评价和事故决策支持系统的框架研究,并给出了实例。     

基于模糊综合评价法的城市道路交通安全评价研究

根据影响城市道路交通安全的各个因素,建立一套安全评价指标体系。运用模糊数学方法进行安全评价,建立评价模型,并运用该模型对石家庄市城市道路交通进行安全评价,得到更符合实际安全现状的评价结果。     

交通事故导致的高速公路拥堵状态判别方法

为量化分析不同交通事故条件下的高速公路路段拥堵情况,研究路段偶发性拥堵规律,本文构建了1个基于行程时间可靠性指标的高速公路路段拥堵判别方法。建立基于美国《公路通行能力手册》中行程时间可靠性分析方法的路段行程时间可靠性模型,并采用西南某高速公路路段实际数据校准模型。利用蒙特卡洛模拟方法生成交通事故场景,将交通事故解构为交通事故发生位置、交通事故严重程度、交通事故持续时间、交通事故发生频率4个特征,并以行程时间指数为路段拥堵量化指标,研究不同交通事故特征水平下的高速公路路段拥堵规律,并判别路段拥堵程度。研究结果表明：美国《公路通行能力手册》的行程时间可靠性分析方法具有可移植性,校准后可应用于国内高速公路路段;交通量接近饱和时,交通事故发生在出口匝道段的拥堵程度高于基本路段与入口匝道段,单车道关闭场景下的交通事故影响远高于路肩关闭场景下的交通事故;交通量接近自由流状态时,拥堵程度对严重程度不敏感;任何交通量水平下,单车道关闭场景下的交通事故持续时间一旦超过15 min,路段拥堵程度极有可能剧增。本文构建的路段拥堵判别方法,可以在精细化探究偶发性交通事故拥堵规律的同时划分路段拥堵等级,为相关部门的事故管理提供理论支撑。     

基于移动检测技术的城市路网拥挤预测模型

提出了一种新的基于移动检测技术、神经网络和模糊判断方法的城市路网动态交通拥挤预测模型.首先构建一个3层BP神经网络模型判断路网实时交通流状态,并应用实地移动检测数据和视频数据获取BP神经网络训练样本并对其进行训练;然后结合路网静态拓扑结构,应用多重模糊推理,对路段发生交通拥挤的发生可能性、拥挤程度和形成时间做出预测.现场实测数据表明,该模型具有良好的预测效果.     

高速公路运行速度与交通安全关系研究

从运行速度的角度对高速公路的交通安全性开展评价研究,通过对高速公路运行速度、大小车运行速度差的调查,采用非线性回归方法分别建立了设计速度为120 km/h和80 km/h时,运行速度与百万车公里伤亡事故率的关系模型以及大小车运行速度差与百万车公里伤亡事故率的关系模型,为不同设计速度下的高速公路限速值的确定以及降低高速公路事故的严重程度奠定了基础.     

我国政府主导型道路交通安全管理机制研究

随着我国经济的快速发展,道路交通需求也不断增长,道路交通管理模式与交通快速发展的矛盾日益突出。为解决我国道路交通安全存在的根本问题,有效控制交通事故逐年上升的趋势,逐步降低交通事故对国民经济的负面影响,在分析当前我国道路交通安全管理机制中存在问题的基础上,探索研究政府主导型道路交通安全管理新机制,希望能对相关研究起参考作用。