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.     

平原区四车道无中间分隔带公路事故预测模型研究

针对平原区四车道无中间分隔带公路,借用事故预测模型技术研究其安全特征和规律.基于该类公路安全的定性和定量分析,确定了普通路段、村庄路段、交叉口路段的分段方案,并加强了对货车等车型构成的考虑.建模结果中,交通量、自然交通量中货车比例、第一层路侧危险度、竖曲线弯曲度、横坡度、路面宽度对普通路段,交通量、折算交通量中货车比例、第一层路侧危险度对交叉口路段,交通量、加权的横坡度、路基宽度等对村庄路段的事故有显著影响.最后进行了实例分析.     

四路信号控制交叉口交通事故预测模型研究

通过对北京郊区四路信号控制交叉口进行实地调查,在获取事故数据及道路几何要素、环境要素、交通流要素等大量数据的基础上,利用相关性分析寻找出与交通事故相关性显著的影响因素,并采用AIC原则分析法确定模型形式,分别建立了四路信号控制交叉口死亡人数、受伤人数、事故次数预测模型。模型的建立有助于对交叉口进行安全分析诊断及预测交叉口的交通事故发生规律。     

我国双车道公路普通路段路侧事故预测模型研究

针对双车道公路路侧事故的各种影响因素,建立适合我国国情的双车道公路路侧事故预测模型,探索双车道公路路侧事故的分布规律。研究中根据我国双车道公路两侧用地情况,把公路划分为普通路段、村庄路段和交叉口路段,并对普通路段进行了路侧事故预测模型研究,主要内容包括普通路段的划分、路侧事故的定义、路侧危险度的划分、模型的结果自检验以及应用检验等等。研究结果表明交通量、货车比例、平曲线用长度加权的弯曲度、所在地域对路侧事故率的高低有较大影响,模型验证结果表明路侧事故预测值和实际值呈现一致性。     

山区双车道公路事故预测模型研究及在安全性评价中的应用

根据采集的双车道公路的事故、线形、交通等数据,考虑公路横向干扰、路侧情况等,将双车道公路划分为普通路段、村庄路段和交叉口,分别建立了事故总数、一般以上事故次数以及碰撞、追尾和路侧等不同形态的事故次数与道路和交通要素关系的双车道公路事故预测基础模型.然后,应用统计分析方法进行了路基宽度等事故修正因子(AMF)的研究;使用基础模型经过AMF修正、经验贝叶斯过程(EB过程)、标定等进行双车道公路机体事故预测.最后,介绍了双车道公路事故预测模型在安全性评价中的应用.     

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。     

高速公路交通事故数据分析方法研究

高速公路交通事故数据对管理部门提升道路交通安全具有重要意义。为研究贵州省某两条高速公路历史交通事故数据分布规律与事故发展趋势,首先利用邻近度与关联性分析方法,完善事故数据;然后分析道路特征对交通安全的影响,划分连续下坡路段、隧道路段单元范围;最后对路段单元进一步划分为区块,建立不同区块范围内的事故概率与区块位置的预测模型,其中连续下坡路段后半段符合线形关系,隧道进出口段符合二次函数关系,并根据事故分布特征提出改善方案,进而辅助管理者掌握不同特征路段未来可能发生交通事故的路段范围以及改善的优先级。     

基于可靠度的高速公路安全性评价方法研究

将可靠度理论应用于交通安全研究中,得到高速公路安全可靠度计算方法并建立路段可靠度预测模型。定义了高速公路安全可靠度的概念,给出了路段安全可靠度推导方法和可靠度预测模型建立方法。进行案例分析,研究沈大高速公路基本路段的事故数据,得出路段的安全可靠度计算公式;建立日安全可靠度预测模型;结合预测出的缺乏事故数据路段的日可靠度值,对所有路段进行安全排序。研究结果表明:用可靠度理论进行高速公路安全性分析具有一定的可行性和实用性。     

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。     

基于大数据的高速公路交通事故分析系统研究

高速公路交通事故数据体量大、类型多、时效性要求高,应用大数据理论深度挖掘数据特征以提升运营安全已成为趋势。为建立交通事故分析系统,集合道路线形、交通流、历史事故数据等,首先采用邻近度技术、关联分析法清洗数据;然后从行车危险度角度,界定并筛选高速公路事故特征路段;最后利用变量柔性的广义负二项分布构建特征路段的事故预测模型。该系统的建立将可以充分挖掘事故数据特征,并辅助道路交通管理者实施决策。     

交通干线相邻交叉口动态协调控制研究

建立了交叉口交通流的动态模型,基于该模型实现了交通信号相位的动态配时,提出了一种考虑双向绿波的干线相邻交叉口相位差优化控制方法,并采用改进的遗传算法(GA)进行求解,从而实现交通干线分级递阶协调控制,避免了交通拥挤和堵塞。以济南市经十路干线交叉口为对象,选择不同时段的车流量数据进行仿真研究,仿真结果表明,本文提出的控制方案能够有效地减小车辆排队长度,从而提高干线交通畅通,降低车辆平均延误时间,是进行城市交通干线控制有效且实用的方法。     

基于安全可靠性的多类用户交通分配模型

为探究出行安全对用户出行选择行为的影响,提出了考虑事故风险成本和旅行时间的多类用户交通分配模型。针对事故发生的随机性特征,定义了路径出行安全可靠性概念,并以此计算用户的事故风险成本预算,体现出行者的安全偏好。基于考虑事故机会和事故风险的基础事故预测模型,针对路段和交叉口的不同特征,分别定义了路段和交叉口的事故风险成本分布。构建的交叉口事故风险成本模型,体现了交叉口不同转向的事故风险成本的差异性。为了求解基于安全可靠性的多类用户交通分配模型,采用路径配流法和相继平均法设计了相应的求解算法,并通过算例分析了模型和算法的有效性。研究结果表明：安全可靠性在用户出行选择中具有重要影响。当在广义出行费用中考虑事故风险成本时,出行者会更多地选择事故风险成本较小的路径;不同风险倾向的用户会有不同的选择特征,保守型出行者倾向于选择路径事故风险成本标准差相对较小的路径,即事故风险成本波动小的路径,而中立型出行者倾向于选择事故风险成本均值相对较低的路径;考虑交叉口的事故风险成本与否会直接影响流量分配结果,即路径交叉口数量和转向的差异性同样会影响出行者的选择。所提出的模型对于客流预测和网络安全评价与管理具有潜在的应用价值。     

事故多发点鉴别本质及基于BP神经网络的鉴别方法研究

首先对常规事故多发点鉴别方法进行了分析和评述,并通过实例揭示了多发点的鉴别本质。在此基础上,建立了基于三层BP神经网络的城市干道路段事故多发点鉴别模型。该模型考虑了交通事故7个方面的影响因素,并能将常规鉴别方法不易识别出的多发点鉴别出来。其次,应用哈尔滨市市区430个干道路段上1999年至2004年发生的13764起交通事故数据及关联因素数据,对神经网络的权值和偏置值进行了标定,并应用该模型进行了事故多发路段鉴别。最后,分别应用了事故次数概率分布法、矩阵法和质量控制法对430个路段进行了多发点鉴别,并对鉴别结果进行了对比分析。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

临界饱和状态交通干线协调控制模型

为提升临界饱和状态下干线车流通行效率，提出了一种基于冲击波理论的干线双向信号协调控制方法。首先，建立了考虑车速变化、转向比例、车道变化等因素的干线交通流模型，分析了临界饱和交通干线交通流运行状态与各参数间的关系。第二，构建了以干线双向通过量最大化为优化目标的混合整数线性规划模型，通过优化干线公共周期和各交叉口绿信比以提高干线通行能力。第三，构建了以延误最小化为优化目标的二次规划模型，并提出了相应的求解算法，通过优化相位差和相位方案实现了干线交叉口的信号协调。临界饱和交通干线协调控制模型由通过量最大化模型和延误最小化模型构成，考虑各交叉口间的制约影响关系，有效避免了排队滞留、溢出、交叉口“死锁”等现象。采用两阶段优化方法，通过通过量最大化模型优化周期及绿信比，继而应用延误最小化模型优化交叉口相位方案及相位差，获得干线系统双向信号协调最优控制方案。最后，应用临界饱和交通状态干线协调控制模型对南京市中山东路10个交叉口进行了信号协调优化，并对优化结果进行了仿真分析。结果表明：临界饱和交通状态干线协调控制模型能对双向临界饱和干线的信号控制方案进行优化，与对照方案相比，优化方案的双向总交通量提升了21.9%，车均延误降低了63.1%，通行能力与服务水平提升显著。     

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...     

车联网环境下连续信号交叉口协同控制模型

智能交通信号控制技术是缓解交通拥堵的重要手段.为解决传统强化学习算法应用到连续多交叉口的局限性问题,提出了1种基于上下层神经网络的连续交叉口交通信号控制模型.控制模型由下层神经网络选择当前状态下可能的最优控制策略,再由上层神经网络根据各路口车均延误进行二次调整,将最终控制策略应用到多交叉口的相位配时中.以典型连续3个交...     

考虑第三方损失的城市道路交通事故严重程度评价方法

为了适应城市道路交通事故具有较少的伤亡人数、对周边交通运行状况影响较大等特点，对该类事故的严重程度进行评价方法研究。研究构建事故地点平均行车延误计算模型。基于社会劳动价值的计算，将事故伤亡人数换算为经济指标。利用单位时间劳动力价值，将由事故引发的其他车辆的行车延误损失时间换算为经济指标。将其与非必要燃油消耗一并计入事故第三方经济损失。借鉴现有交通事故等级划分标准，采用等价折算的方法，确定各评价指标的权重值。以哈尔滨市2007~2008年事故数据为例，计算其综合评价指标。依据综合评价指标的累积频率曲线，提出城市道路交通事故严重程度的等级界定阈值。以2017年6月发生于大连市高新园区的1起城市道路交通事故为例，分别采用现行分类标准和提出的评价方法评价其严重程度。研究表明：该评价方法综合考虑了事故伤亡人数、直接经济损失并包括非必要行车延误及燃油消耗的第三方经济损失，可以充分体现该类事故的特点，并能够合理划分其严重程度。     

交通冲突量的BP神经网络预测方法

交通冲突预测是进行交通事故预防和制定安全改善措施的有效手段，节约观测时间和人力。针对BP网络的缺点，提出了改进的快速BP算法，建立了交通冲突量的BP神经网络预测方法，并应用该方法对具体的交叉口交通冲突量的预测实例进行了研究，实践验证了该方法的有效性。     

Travel mode identification using bluetooth technology

Bluetooth technology has been widely used in transportation studies to collect traffic data. Bluetooth media access control (MAC) readers can be installed along roadways to collect Bluetooth-based data. This data is commonly used to measure traffic performance. One of the advantages of using Bluetooth technology to measure traffic performance is that travel time can be measured directly with a certain level of error instead of by estimation. However, travel time outliers can commonly be observed due to different travel mode on arterials. Since travel mode information cannot be directly obtained from the raw Bluetooth-based data, a mathematical methodology is in need to identify travel mode. In this study, a genetic algorithm and neural network (GANN)-based model was developed to identify travel mode. GPS-enabled devices were used to collect ground truth travel time. In order to additionally compare the model performance, K nearest neighbor (KNN) and support vector machine (SVM) were also implemented. N-fold cross validation was applied to statistically assess the models’ results. Since the model performances depend on the model inputs, seven collections of model inputs were tested in order to achieve the best travel mode identification performance. An arterial segment with four consecutive links and three intersections was selected to be the study segment. The results suggested that correctly identifying the three travel modes successfully every time was not possible, although the GANN based model had low misidentification rates. In our study, 6.12% of autos were misidentified as bikes and 10.53% of bikes were misidentified as autos using three links.