高速公路危化品事件处置持续时间预测模型

为准确预估危化品事件影响的时间、支撑高速公路危化品运输应急处置,基于危化品运输事故历史数据,构建高速公路危化品事件处置持续时间的预测模型.首先在事故特征分析的基础上,初步选取影响因子;利用Spearman秩相关系数对各因子进行相关性检验,确定危化品特性、危化品泄漏量及所需要驳货车的数量作为模型的输入变量;基于TSK型模糊推理系统,采用ANFIS方法建模;最后采用实例对模型进行验证并作误差分析.结果表明,模型预测结果与实测值吻合良好,且输入参数数目控制在合理范围内,能够为危化品事件救援提供必要的参考.     

基于决策树的高速公路事件持续时间预测

利用决策树方法对高速公路事件持续时间预测问题进行研究。首先在借鉴各国研究经验的基础上，根据所研究事件数据集中的事件持续时间数据的分布特征确定构造基于决策树的预测方法；然后用整理得到的660组事件数据，通过对各类事件的显著性分析，建立高速公路事件持续时间预测决策树，并用同一数据集中未用于决策树构造的170组数据对决策树的预测效果进行检验。检验结果表明：所开发决策树的预测值与实际值的相关系数为0．8423，预测结果基本能够反映真实的事件持续时间情况。     

基于线形指标的山岭重丘区高速公路事故预测模型

依据我国山岭重丘区高速公路几何线形和交通事故数据,建立了基于交通流量和几何线形指标的高速公路基本路段事故预测模型.首先,基于几何线形条件对基本路段进行了划分,确定了路段单元.其次,分析并确定了理想线形条件的范围,建立了理想线形条件下的基本事故率预测模型.再次,应用BP神经网络与敏感性分析相结合的方法,确定出了对事故发生有突出影响的道路纵坡、平曲线半径和直线段长度3个线形指标,并确定了上述线形指标的事故率修正系数.依据基本事故率预测模型及事故率修正系数即可进行事故预测.模型验证结果表明:该模型能够对路段单元进行事故预测,事故总体预测值与实际值的相对误差在-5.85％～-7.87％之间.     

基于生存分析的交通事故持续时间预测模型

收集了江苏省某高速公路事件数据,提出了基于条件概率的生存分析预测事件持续时间的实现方法,并用实例试验了基于条件概率的生存分析模型的效果,给出了预测事件持续时间的一般过程,通过最终得到的累积结束概率图给出事件持续时间的预测值及其对应的概率值。     

高速公路纵面设计微观事故预测模型研究

介绍以道路高主动权素的安全机理分析为基础，以统计分析为研究手段，针对高速公路纵面设计要素以及相关的要素组合、街镜方式所建立的事故预测模型。该模型体系可为公路安全设计、事故多发路段的甄别提供理论依据。     

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.      

Cox Regression模型在交通事件持续时间研究中的应用

有效的交通事件管理要求交通管理者全面了解交通事件的各种特征才能准确估计事件持续时间,从而及时地疏导交通拥堵。利用某高速公路应急指挥中心管理系统中记录的近3 a的交通事件持续时间数据,建立Cox Regression模型探索影响持续时间的危险因素并评价其作用强度和方向。研究表明,日夜、报警方式、事件类型、占用车道数、涉及车辆数、涉及死亡、救护车、牵引车、吊车、驳车、涉及货车等11项是交通事件持续时间的显著影响因素,因此,交通管理者对这些因素进行改善可有效提高交通事件管理效率和安全性。     

高速公路交通事故模糊逻辑预测模型改进研究

以AADT、路段长度、车道数、大型车比例和地形条件作为模型输入变量,以每公里事故数作为模型输出变量,结合辽宁省高速公路数据构建基本的交通事故模糊逻辑预测模型.考虑到模糊集合结构和模糊控制规则对预测结果可能产生的影响,提出调整模糊集合和融入先验知识构建规则库的模型改进方法.以粤赣高速和开阳高速为案例,分析了基本模型与改进模型的可移植性.最后,应用同样的数据构建了负二项分布事故预测模型,并与模糊逻辑预测模型进行了对比分析.研究结果表明,纵向比较,模糊集合细化一定程度提高模型预测精度,细分模型相较于基本模型,总体平均相对误差减少8.3%,模型优度提高0.357;横向比较,融入先验知识构建模糊规则库能一定程度提高模型预测精度,基本先验模型相较于基本模型,总体平均相对误差减少1.9%,模型优度提高0.164.融入先验知识后模型的可移植性增强,平均预测精度高于基本模型,相对误差大于0.5的样本数减少3.8%,总体误差减少3.4%,总体平均相对误差减少4.1%,模型优度提高0.385;但细化集合的模型可移植性较低,与粗分和基本模型相比各个指标值均不同程度变差;而模糊逻辑事故预测模型与负二项分布事故预测模型在预测精度和可移植性方面均无显著差异.     

交互式道路安全设计模型IHSDM与事故预测模型APM

章简要分析了道路交通事故的起因，参考美国防邦公路局提出的道路安全评价思想，介绍了基于CAD技术的交互式道路安全设计模型IHSDM的概念、结构，提出了用于评价道路线形安全的子模型APM的工作流程。     

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%.     

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。     

面向事故数据库应用的道路交叉口数据模型

针对传统的道路交叉口缺乏精确描述方法,不利于在计算机上构建合理数据模型的不足,提出了一种形式化描述道路交叉口的方法,给出了一个概念性的道路交叉口模型,应用面向对象技术为上述道路交叉口的形式化描述模型进行数据建模.并给出了交叉口数据模型的一种数据库实现方法.这一道路交叉口数据模型为完整的路网建模提供了基础,比较符合交通事故数据库对路网数据模型的需求,并在广州市交通事故数据库管理系统中得到初步应用.     

基于Logistic模型的双车道公路事故易发路段预测研究

事故易发路段的判别是安全管理的重要内容之一。传统的事故易发路段判别方法多应用于运营阶段的公路,其判别精度很大程度决定于历史事故记录的周期和质量,且受"回归到平均"等现象的影响。对于实际的安全管理工作,预先对某一对象成为事故易发路段的可能性进行预测,进而预先采取安全改进措施,能够使得安全完善工作由被动变主动,还可增加事故易发路段判别工作的应用阶段。通过对大量双车道公路事故易发路段样本的整理和分析,发现接入口密度、道路线形、交通组成等要素对事故易发路段的产生有很大影响。为此,借助Log istic模型在概率预测上的优势对上述要素对事故易发路段形成的影响情况进行了研究,建立了事故易发路段预测模型,并进行了实际检验。     

公路卧铺客车平顺性随机输入行驶试验研究

讨论了公路卧铺客车平顺性随机输入行驶试验方法和评价标准，并通过试验来分析试验方法和评价标准，认为卧铺客车平顺性随机输入行驶试验方法与普通客车相比主要应注意正确建立坐标系，且认为ISO2631评价标准暂时不能用于严格评价卧铺客车的平顺性。     

Panel Data Speed Limit Model for First-class Arterial Highway

为使限速值的确定更为客观,避免以往仅以85％位速度作为限速主要依据所存在的缺陷,在剖析合理限速与运行速度、道路特征等约束条件之间所存在逻辑关系的基础上,根据百分位速度与其他限速影响因素所构成变量的数据结构与Panel Data结构的相似性,引入Panel Data相关建模方法来构建限速与百分位速度等影响因素之间的理论模型.采用逐步回归法与最小二乘虚拟变量相结合的方法来求解最优时点固定效应模型表达式,应用F检验或Hausman检验结果确定Panel Data模型类型及具体表达式,最终确定一级干线公路小型车限速的主要影响因素依次为行人干扰、地形、纵坡、百分位速度,大型车限速的主要影响因素依次为地形、纵坡、行人干扰、出入口密度.最后,应用统计软件分别对一级干线公路大、小型车Panel Data限速模型残差有效性进行检验,结果表明所建模型误差均在±10 km/h之内,说明所提出的限速确定方法在实际应用中具备一定的可行性.     

基于部分优势比的公路隧道交通事故严重程度分析模型

为了明晰公路隧道交通事故严重程度的影响因素,在分析了16条公路隧道3年内发生的296起交通事故的空间特性、事故形态及其发生原因的基础上,以交通事故严重程度为因变量,将其分为仅财产损失、轻伤、重伤或死亡事故3个等级,从人、车和隧道行车环境3个方面选择了14个交通事故严重程度的潜在影响因素,分别采用有序Logit模型和部分优势比模型建立交通事故严重程度分析模型,并采用Brant检验判断比例优势假设。研究结果表明：与公路隧道交通事故严重程度显著相关的有4个自变量,分别为是否涉及大货车、事故涉及车辆数、事故发生时间和天气因素,其中是否涉及大货车、事故发生时间和天气因素3个自变量满足比例优势假设,而事故涉及车辆数不满足比例优势假设;对于部分优势比模型来说,涉及大货车的事故发生轻伤事故、重伤或死亡事故的概率比不涉及大货车的事故分别增加10.2%和3.4%,多车事故发生轻伤事故、重伤或死亡事故的概率比单车事故分别增加1.9%和5.9%,夜间发生轻伤事故、重伤或死亡事故的概率比白天分别增加5.6%和1.7%,非雨天发生轻伤事故、重伤或死亡事故的概率比雨天分别增加4.5%和1.5%。     

基于数据分类的高速铁路运营事故预测方法

高速铁路运营事故预测方法是度量铁路安全管理水平的重要指标.为提高高速铁路的安全运营水平,引入工业数据分类方法,分析反向传播(BP)神经网络和灰色模型在高速铁路安全运营事故预测过程中的适应性.首先,运用事故次数、事故联动系数、月均事故率3个参数对高速铁路安全运营水平进行度量;然后,根据工业数据分类方法判别高速铁路运营事故数据属于块状型,据此建立反向传播(BP)神经网络运营事故预测模型;针对运营事故数据具有波动大的特点,利用均值聚类方法建立K-GM(1,3)预测模型.以近年来高速铁路运营事故数据为样本对模型进行训练和分析,结果表明:BP神经网络、K-GM(1,3)、GM(1,3)预测模型的预测误差分别为8.92%,13.68%,345.25%,BP神经网络在高速铁路安全运营事故预测过程中的适应性要优于灰度模型.