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.     

Safety Characteristics of Two-lane Highway Sections Passing through Towns/villages in Mountainous Area Based on Negative Binomial Prediction Model

针对我国交通事故呈现出的在公路穿村镇路段聚集的趋势,在某山岭地形区域进行了双车道公路的交通事故、交通组成、道路和路侧等因素的大量数据采集,并对公路穿村镇路段的整体安全特性进行了分析,采用负二项模型等事故预测模型和相关检验理论对模型形式,以及公路穿村镇路段全部事故和追尾、碰撞、路侧等不同形态的事故规律特性进行了深入分析.研究结果发现,公路穿村镇路段的事故时空分布呈一定规律性;交通量、混杂率和道路横坡度为影响公路穿村镇路段交通安全的3个显著因素,且均呈正向影响.     

基于主动行车安全的智能诱导系统在多雾山区高速公路上的应用

多雾山区高速公路因天气时常出现团雾造成局部能见度过低,直接对车辆安全行驶造成影响.在雾区路段设置智能诱导系统,路侧设置气象监测站、透雾摄像枪、车检器等外场设备对交通环境数据进行实时采集,通过与路段监控一体化平台相关联的雾区监控子系统进行联动和数据分析,自动调用控制策略对路侧诱导灯的闪烁频率和颜色进行控制,实时对行驶的车...     

基于轨迹数据的山区危险性弯道路段交通事故风险动态预测

针对山区双车道公路危险性弯道路段交通事故多发的现实问题,提出主动评估短时交通流状态下的交通事故风险,以降低交通事故发生率.采用无人机高空拍摄弯道路段交通流运行状态,利用计算机识别技术提取高精度的车辆轨迹和交通流数据,结合山区双车道公路弯道路段危险驾驶行为特征表征交通冲突,以距离碰撞时间为交通冲突量化指标,提出山区车道公...     

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。     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息,为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性,目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势,提出一种利用车路信息融合的实时交通状态评价方法。首先,定义了一种网联汽车与路侧终端间的无线交互方式,并确定数据协议以保证实时车辆数据的准确性;其次,从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合,应用多算子对计算的一级评价结果构成二级交通状态评价指标,并根据层次分析法确立指标权重,同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则,从而融合动态车辆数据与静态路段参数,计算得出交通状态评价结果与评分;最后,由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致,能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性,同时为车路协同技术应用于实时交通诱导,缓解城市交通拥堵提供了理论依据。     

城市道路交通噪声的预测及评价

运用噪声测量基本方法,测量了大连市西南路某路段交通噪声值并统计出不同类型的机动车流量数据.在比较国内外各种道路交通噪声预测模型特点的基础上,选择了一种修正预测模型,预测出理论噪声值.计算预测值与实际测量值的误差,分析误差产生的原因.利用噪声测量值计算出噪声污染的各种评价指标,最后根据有关的噪声标准进行差别,得到该路段的交通噪声已超过规定限值,对城市居民的日常生活带来了不良影响的结论.     

一级公路路侧冲突强度与运行速度的相关性

一级公路是我国公路网中承担干线功能和集散功能的多车道普通公路形式.混行交通在我国公路交通中普遍存在,路侧冲突对交通流运行速度产生影响,定量分析路侧冲突对交通流的影响是公路设计的重要工作.通过调查驾驶员对不同路侧冲突类型的直观印象,为路侧冲突定义了4个强度等级,选择国内7个具有代表性的典型一级公路路段进行交通流数据观测,...     

降雨条件下高速公路短时行程时间预测研究

为实现降雨条件下高速公路路段行程时间短时预测,掌握恶劣天气下交通信息、提供交通诱导和决策支持,在已获取交通和气象数据基础上应用半距离法估计路段行程时间.并以遗传算法优化的径向基函数(RBF)神经网络和K最近邻非参数回归(KNN)算法为基础,提出1种基于动态权重的行程时间组合预测模型.该组合预测模型的融合权重依据定义的动态误差的变化而持续调整,以保证子模型中精度较高的预测结果对最终结果有较大影响,从而提高预测精度.选取京港澳高速公路湖北省境内军山-武汉南路段,分析该路段降雨条件下行程时间特性,掌握其不同时段和不同降雨强度下行程时间变化规律,并进行预测.结果表明,组合预测模型能有效预测行程时间高峰变化,反应及时且预测精度较高,达到0 .98 ,平均绝对百分误差1 .99% ;而单一的RBF神经网络和KNN算法的平均绝对百分误差分别为3 .40% 和2 .60% ,且拟合程度不如组合预测模型.      

山区高速公路危险路段路侧护栏设置研究

山区高速公路建设历程的加快,路侧防护栏安全问题日益突出。以张承高速公路为例,经过现场调研了解该道路的风险特征,通过对该路段车流特征的研究,以相关标准为依据,确定张承高速公路路侧护栏防撞等级为SA级,通过对比不同形式护栏的优缺点,结合张承高速公路的路侧风险特征及气候特征,决定采用梁柱式钢护栏。该护栏通过了SA级实车足尺碰撞试验,并在张承高速公路上实际应用。     

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。     

基于决策树理论的交通流参数短时预测

针对现有交通流参数短时预测方法的不足,考虑到交通流数据序列的非线性特征,提出一种基于决策树理论的非参数预测方法。采用时间序列滞后项将交通流参数序列转化成非参数模型能处理的数据格式。考虑到交通流参数之间存在长期协整关系,构建流量速度滞后项的组合向量,为预测模型提供基础数据。构建基于分类回归树(CART)的交通流参数短时预测模型。基于实际采集的道路交通流数据,对模型在不同等级道路不同速度区间下的性能进行评估。结果表明,所提出的模型相较于常用的时间序列模型,精度有所提高;速度预测准确性普遍高于流量,速度平均绝对百分比误差基本小于13%,而流量预测则达到了30%;采用工作日和周末数据分别建模能够有效提升预测性能;不同速度区间下的预测性能评估显示,模型在各等级道路中速区间的预测结果具有较高的准确性与稳定性。      

Crash prediction model for two-lane rural highways in the Ashanti region of Ghana

Crash Prediction Models (CPMs) have been used elsewhere as a useful tool by road Engineers and Planners. There is however no study on the prediction of road traffic crashes on rural highways in Ghana. The main objective of the study was to develop a prediction model for road traffic crashes occurring on the rural sections of the highways in the Ashanti Region of Ghana. The model was developed for all injury crashes occurring on selected rural highways in the Region over the three (3) year period 2005–2007. Data was collected from 76 rural highway sections and each section varied between 0.8 km and 6.7 km. Data collected for each section comprised injury crash data, traffic flow and speed data, and roadway characteristics and road geometry data. The Generalised Linear Model (GLM) with Negative Binomial (NB) error structure was used to estimate the model parameters. Two types of models, the ‘core’ model which included key exposure variables only and the ‘full’ model which included a wider range of variables were developed. The results show that traffic flow, highway segment length, junction density, terrain type and presence of a village settlement within road segments were found to be statistically significant explanatory variables (p < 0.05) for crash involvement. Adding one junction to a 1 km section of road segment was found to increase injury crashes by 32.0% and sections which had a village settlement within them were found to increase injury crashes by 60.3% compared with segments with no settlements. The model explained 61.2% of the systematic variation in the data. Road and Traffic Engineers and Planners can apply the crash prediction model as a tool in safety improvement works and in the design of safer roads. It is recommended that to improve safety, highways should be designed to by-pass village settlements and that the number of junctions on a highway should be limited to carefully designed ones.     

基于状态空间模型的道路交通状态多点时间序列预测

以多点的道路交通状态为研究对象,把道路交通状态单点预测向多点同时预测扩展,提出了基于状态空间模型的道路交通状态多点时间序列预测方法。首先,利用道路交通状态的多点时间序列数据建立多维自回归模型,转化状态空间模型形式,接着利用EM算法估计状态空间模型参数,从而得到多点道路交通状态的状态空间模型;其次,根据时间序列数据估计系统状态,利用卡尔曼滤波算法进行一步预测,补充新的数据并更新系统状态递推预测;最后,利用某城市快速路上相邻6个交通检测器采集的多点时间序列数据验证模型的有效性,并与卡尔曼滤波单点预测方法相对比。结果表明:该模型是可行和有效的。     

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...     

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术，随着人工智能的发展，越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强，而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短，首先对路段传输模型（Link Transmission Model，LTM）进行改进，提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型（Data-driven Link Transmission Model，D²LTM），并在此基础上引入时空深度张量神经网络模型（Spatial-temporal Deep Tensor Neural Networks，ST-DTNN）来捕获网络交通流数据中的时间维、空间维和深度维特征信息，形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D²LTM-STDTNN。该混合模型一方面通过D²LTM机理模型来揭示交通流演化的基本规律，发挥其对城市路网交通流状态时空演化过程的精细刻画能力，增强混合模型机理的可解释性；另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力，提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题，具有更细的空间粒度和时间粒度，因此也具有更大的预测难度。实测结果表明：D²LTM-STDTNN混合模型相对于基准模型预测精度更高，且具备模拟演化机理方面的优势，提升了城市路网短时交通流状态预测能力，揭示了路段间的交通流动态演化规律，可为网络交通流模拟推演和主动管控提供了技术支撑。     

道路因素对典型较严重道路交通事故严重性的影响分析

基于道路交通事故数据探究事故影响因素对于认识事故的影响因素、提高交通安全水平具有重要意义。利用近年来国内典型较严重道路交通事故数据,应用泊松模型和负二项模型,以区分事故形态的方式建立追尾事故、侧碰事故及撞行人事故的事故死亡率的道路影响因素分析模型。这些模型以三类事故中涉及人员的死亡数为因变量,以一系列道路因素为自变量,将事故涉及人数作为偏移变量。模型的具体形式以过离散系数及赤池信息量准则(AIC)为依据进行选择。结果显示,追尾事故的死亡率与道路等级、路侧防护设施显著相关;侧碰事故则与天气、路表情况、路口路段位置、坡度以及道路结构有关;撞行人事故与路表情况、道路等级、车道数、平曲线半径有关。本文拓展了事故严重性研究的深度,其研究成果对于更好地利用重特大事故的深入调查数据有现实意义,也可为事故分析及道路设计等提供借鉴。      

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.