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。     

公路网事故多发段(点)判别方法研究

针对在事故多发段判别时,平面交叉节点通处理为路段,平面交叉节点的安全重要性被弱化,判别精度受到了影响的问题;并针对路网事故多发段判别时,先判别事故严重的路,再判别其上事故多发段,忽略了整体事故不严重的路上个别事故多发的段点的问题。对路网中各种等级公路进行归一化处理;根据平面交叉节点行车安全特性,把公路划分为平面交叉节点路段和普通路段;平面交叉节点路段安全影响范围的确定;从而进行路网事故多发段判别。既提高了已有动态步长过滤法等对一条公路进行事故多发段判别的精度,又解决了不同等级、不同特征公路组成的路网在同一水平下的事故多发段判别;为路网安全管理提供了基础。     

基于有限混合模型的高速公路事故影响因素分析

深入理解高速公路的事故影响因素是进行安全改善的基础.单车(SV)和多车(MV)事故的发生机理不同,2类事故在空间分布上也存在显著差异,需要分别分析道路几何设计、交通运行和2类事故数的关系.数据异质性导致不同路段上同一变量对事故数的影响不一致的情况存在,仅通过事故分类难以解决,有限混合建模技术通过分组且允许各组数据服从不同分布来捕获数据的异质性.事故数据建模表明,单车、多车事故的影响因素有显著差别,后者的影响因素更复杂.将研究路段分为2组的有限混合模型最优,单车事故模型中划分的2组路段在纵坡变化值上有显著差异,纵坡变化值较小的1组中,随着中央分隔带变窄和大车比例减小,事故数增加;另1组中2个变量对事故数则无显著影响.多车事故模型中划分的2组路段在缓和曲线长度上有显著差异,缓和曲线较短的1组中,随着平曲线半径减小和竖曲线比例增大,事故数增加;另1组中随着变量的变化事故数减少.     

路段交通事故多发点的冲突判定方法

在总结现有方法的基础上，通过分析比较，建立了一种基于交通冲突技术的路段交通事故多发点判定方法，并应用郑州黄河公路大桥的冲突观测数据验证了模型的有效性。     

事故多发段判别中动态步长法与累计频率曲线法的综合应用

对应用累计频率曲线法进行事故多发段判别时,加入动态步长法的思路进行了讨论,并应用实例对加入前后的判别结果进行了对比分析,旨在提高累计频率曲线法的判别精度。     

基于主成分分析法的城郊公路事故多发段鉴别

城郊公路交通事故频频发生,造成了大量的人员伤亡和经济损失,亟需进行安全改善.事故多发段鉴别是进行交通安全改善的第一步,也是最关键的一步.在分析了城郊公路事故特征的基础上,利用主成分分析法对事故四项指标进行综合评价,从而确定事故多发段.对上海市某城郊公路进行了实例分析,结果表明:市区与郊区过渡段是城郊公路安全问题最为严重的路段.     

基于道路线形的智能汽车事故多发路段预判模型

分析了道路线形对智能汽车行驶安全性的影响,分别使用数据驱动的机器学习方法和模型驱动的经典数学建模方法,建立了以道路线形技术指标为输入的神经网络模型和多元数学模型,预测事故多发路段;计算了各个道路线形技术指标与事故率之间的偏相关系数,从中挑选出与事故率相关程度较大的道路线形特征,使用T检验和F检验验证了道路线形特征组合和...     

基于交通冲突技术的公路平面交叉口事故多发点鉴别方法研究

首先,通过对常用事故多发点鉴别及其成因分析方法的评述和对比,论证了研究基于交通冲突的事故多发点鉴别方法的必要性.其次,通过研究交通流基本模型,采用Logit模型描述驾驶员驾驶行为,为后续研究做基础.最后,分别对同向冲突、穿越冲突、对向左转冲突和二次冲突分别做研究,得出了每类冲突的计算模型.基于此,提出了公路平面交叉口事故多发点的鉴别方法.     

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.     

信号交叉口事故多发点的鉴定及成因分析

对比分析了信号交叉口事故多发点鉴定及其成因分析方法,归纳总结了各种方法的优缺点及适用条件;运用交通冲突技术(TCT)理论,提出了基于TCT的信号交叉口事故多发点鉴定方法,以实现对信号交叉口事故多发点更客观、准确的判定和筛选;针对各种事故形态发生机会的不同,提出了以"事故机会"为基础的信号交叉口事故多发点成因分析方法,运用该方法找出事故率突出的事故类型并分析其形成机理。     

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。     

基于干预分析技术的交通事故灰色预测模型研究

加强对交通事故预测技术的研究,以便根据交通事故未来趋势变化提出有针对性的预防措施。在北京市交通事故数据的基础上,提出利用干预分析技术对传统的灰色预测模型进行修正,提高在政策干预等特殊事件影响下交通事故的预测准确度,为交通事故预防提供科学的依据。     

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。     

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。     

基于负二项分布的高速公路交通事故影响因素分析

为分析高速公路交通事故的影响因素,构建基于负二项分布的事故分析模型,探究事故数与交通特性、公路线形及路面性能间关系。鉴于传统固定参数模型难以刻画各因素对事故风险影响的异质性,引入了随机参数建模方法。结果表明：相比于固定参数负二项模型,构建的随机参数负二项模型有更好的拟合优度,且能更合理地反映各因素对事故的作用效果;将随机参数分布的均值设置为其他变量的函数形式,可进一步挖掘各因素对事故风险的交互影响;交通量、路段长度、货车比例、平曲线曲率、纵坡坡度及车辙深度均与事故数正相关,且其每增加1%,事故数分别增加0.299%,1.029%,0.093%,0.079%,0.068%和0.054%;结构强度系数与事故数负相关,其每增加1%,事故数降低0.064%;增加路缘带宽度有益于交通安全;单向3车道或4车道路段的事故数多于同等条件下的2车道路段;弯坡组合路段的事故风险明显高于单纯的平曲线路段;货车比例高的下坡路段事故风险尤其高。     

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。     

基于状态观测器的城市快速路交通事故识别

针对城市快速路网中交通事故频发的现象,为及时准确地对事故进行识别,提出一种基于宏观交通流模型的状态观测器估计算法.根据利用交通仿真软件Paramics的实验数据,并结合元胞传输模型(CTM)理论分析事故发生前后,事故路段及其上下游路段的交通流密度分布特征.同时基于路网的交通流模型构建了城市快速路事故的状态观测器估计模型,模型通过估计密度的变化规律,并结合交通状态分布特征来对事故进行识别.以京通快速路为例,通过对观测器估计误差进行计算,得出了实验路段平均百分比误差(MPE)的均值为11.56%,模型估计精度为88.44%.该方法能较为准确的对事故进行识别,为快速路中的交通事故识别提供有效的参考.     

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.