基于线形与交通状态的山区高速公路追尾事故预测

为了进行山区高速公路追尾事故预测并识别追尾事故突出诱导因素,在对两车追尾事故进行类别划分并确定出典型两车追尾事故的基础上,分析了典型两车追尾事故的事故率与线形指标、车速差、大型车混入率、交通量等单一因素间的相关关系。鉴于单一因素与追尾事故率间的关系不能准确描述追尾事故发生规律的缺陷,建立了线形与交通状态组合条件下的追尾事故次数负二项分布预测模型,并给出了模型变量弹性系数计算方法,用以确定追尾事故的突出诱导因素。研究结果表明：基于线形与交通状态的追尾事故负二项分布预测模型能够对追尾事故进行准确预测,利用弹性系数计算方法确定出车速差、年平均日交通量（AADT）以及竖曲线半径为典型两车追尾事故的突出诱导因素。     

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NAIS数据的交叉口车-车事故严重程度影响因素分析

为研究道路交叉口车-车事故严重程度影响因素,分析人、车、路、环境与交叉口事故严重程度之间的关系,以国家车辆事故深度调查体系(NAIS)中471起交叉口事故数据为样本,将伤亡程度作为因变量,通过聚类压缩、平行性检验选取13个因素作为自变量,构建有序Logistic模型分析对事故严重程度影响显著的因素。结果表明,车辆类型、事故发生时段、是否有路灯、路口是否有信号灯、驾驶员主要过失均显著影响交通事故严重程度;驾驶员存在超速驾驶违法行为、涉及非机动车的交叉口交通事故最严重;交通信号控制设施越完善、照明条件越好事故严重性越低。     

基于SVM事故分类的连环追尾事故影响因素分析

以美国公路2013—2015年所有的追尾事故数据为样本,研究导致连环追尾事故发生的关键影响因素.通过随机森林进行特征筛选,选取了与时间、驾驶人、车辆、道路和环境有关的14个相关因素作为支持向量机的输入变量,建立了基于SVM的2车追尾事故与连环追尾事故二分类模型.得到分类准确率:训练集为97.42%,测试集为80.32%,AUC为0.7,说明2种事故之间存在显著差异,且SVM模型能够较好的将2种事故进行区分.根据SVM-RFE算法计算影响分类效果的特征变量的相对重要度,得到4个对2种事故产生区别影响较大的因素,依次为:碰撞前首车的运动情况、道路的限速、季节和车道数.进一步对比各因素下2种事故发生的百分比发现,在首车停车或减速、道路限速超过80 km/h、夏季以及车道数大于2车道的情况下,更容易发生连环追尾事故.      

基于一种组合新模型的翻车事故严重性预测

由于近年来发生在高速公路上的翻车事故较多,且预测翻车事故严重性的文献较少,故通过一种组合新模型来预测翻车事故的严重程度。通过收集的2012年—2016年1 939起高速公路翻车事故数据,采用Logistic回归与朴素贝叶斯组合的新模型作为翻车事故严重性的预测方法。为了进一步验证组合预测模型的优越性,构建了朴素贝叶斯预测模型和Logistic回归预测模型。对比这3个预测模型的预测数据正确率值,表明组合预测模型效果更好。同时,11个候选变量经过单因素分析和多因素分析,选出7个显著性变量:驾驶员年龄、事故涉及车型、事故涉及车辆数、事故发生时段、天气条件、事故是否发生在匝道、肇事车辆是否超载超限。当相应道路或环境条件得到改善后,组合预测模型有助于道路管理者了解翻车事故严重程度可能的变化情况;当出现一起翻车事故时,可根据已知的有限信息利用组合预测模型预估事故严重程度,以便开展后期救援。     

基于随机森林与FP-growrh算法的山区追尾事故数据分析

传统的离散选择模型在分析事故数据过程中,容易出现模型假定条件不满足的现象。基于此背景,文中收集了2012-2017年昌金及泰赣山区高速公路的948条追尾事故数据,从非参数方法的角度对山区追尾事故进行分析。首先,利用随机森林算法对追尾事故数据进行了模型训练。模型中树的数量为144棵,预测效果最优,精度为0.778;进一步设置因素重要度阈值0.05,剔除了潜在风险因素中的星期、疲劳驾驶、超速、性别4个因素,筛选出10个重要度相对较高的因素。最后,利用FP-growrh算法训练得到40条频繁项集及关联规则。结果表明,FP-growrh算法可以有效说明潜在风险因素间、潜在风险因素与事故严重程度的关联程度。     

双车道公路接入口安全影响分析

在对大量的双车道公路进行了调研和采集了海量的公路、交通、事故数据基础上,针对接入口对双车道公路交通安全的影响进行了量化分析。采取的分析方法包括接入口单因素对安全影响分析、考虑交通量和路段长度因素接入口对安全影响分析、接入口和其他因素综合对安全影响分析等。分析结果表明,接入口对双车道公路的总事故率尤其是追尾事故率有重要的影响,并得出了双车道公路接入口对交通安全影响的量化结论。全部事故、一般以上事故、路侧事故、追尾事故和碰撞事故等的次数都随接入口密度增加而增加;在山区双车道公路上,在其他要素不变的情况下接入口密度每增加一个单位,全部事故增加4.36%,追尾事故增加11.9%。     

基于广义加性模型的高速公路交通事故影响因素分析

为准确识别事故影响因素并充分反映各因素对事故的影响,基于8条高速公路的事故、道路设计及交通运行等数据,构建了广义加性模型(GAM),并将其与传统的广义线性模型(GLM)进行对比。结果表明:1) GAM比GLM具有更高的拟合优度与预测精度,且能识别出更多对事故具有显著影响的货车比例与纵坡坡度等因素,其中货车比例与事故次数呈显著相关性,且影响程度仅次于交通量; 2) GAM模型可鉴别出事故与交通量、货车比例、平曲线曲率、纵坡坡度及连续下坡长度间的非线性关系,且各因素在不同数值范围内对事故的影响趋势和程度存在明显差异。结论是GAM具有挖掘更多事故影响因素的潜力,且模型输出结果可以更合理地解释各因素对事故的作用机理。     

基于机器学习的危险货物道路运输事故影响因素分析

为研究危险货物道路运输事故严重程度的影响因素,以2015—2019年发生在我国的1267起危险货物道路运输事故案例为基础,比较决策树C5.0、支持向量机和多层感知器对危险货物道路运输事故数据的分析性能,并选用表现最佳的模型探索影响3种不同严重程度的事故发生的主要因素.结果表明,决策树C5.0整体表现最佳.影响仅财产损失事故发生的主要因素依次为直接事故形态(刮擦、泄漏、火灾和其他),间接事故形态(泄漏)和路段类型(站区);影响受伤事故的发生的主要因素依次为直接事故形态(侧翻、撞固定物、2车追尾、2车相撞、冲出路面和坠车),间接事故形态(泄漏和侧翻),路段类型(普通路段、桥梁、隧道和出入口),道路类型(省道和国道)和时间(07:00—12:00);影响死亡事故发生的主要因素依次为直接事故形态(多车相撞、多车追尾和爆炸),危化品类别(氧化性物质、气体和易燃固体),间接事故形态(火灾和爆炸)和道路线形(长下坡和急弯).      

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.     

基于二元Logistic模型的城市道路交通事故严重程度分析

为从多维度精准剖析影响城市道路交通事故严重程度的因素，选取了我国某城市2018—2020年交通事故数据库中的4 587条数据作为研究对象，基于二元Logistic模型，从人、车、路、环境这4个方面，分别针对财产损失事故、伤人事故、死亡事故建立了模型。深入分析了道路物理隔离位置、路侧防护设施类型等因素对事故严重程度的影响，并利用Hosmer-Lemeshow检验和一致性检验对模型有效性进行验证。结果表明:①道路物理隔离的空间位置对事故严重程度有显著影响，仅布设中心隔离设施发生死亡事故的概率是同时布设中央和机非隔离的2.304倍。在有中心隔离设施的高等级道路中，增设机非隔离设施能有效降低事故发生的概率。②路侧防护设施类型为行道树、绿化带时，发生死亡事故的概率分别是金属护栏的1.982倍、1.648倍。与金属护栏相比，行道树更容易引发严重事故。③夜间无路灯照明发生死亡事故的概率是夜间有路灯照明的1.808倍，夜间无路灯照明是导致死亡事故的重要因素之一。④受过高等教育的驾驶人发生财产损失事故和伤人事故的概率较高，受过中等教育的驾驶员发生死亡事故的概率较高；受过中等教育驾驶员发生死亡事故的概率是高等教育驾驶员的2.049倍。研究深入分析了影响城市道路交通事故的显著因素及其对事故的影响，为事故严重程度的精细化分析提供了理论支持，为交通规划与管理部门提供了决策依据。      

直行非机动车流膨胀效应严重程度影响因素分析

为剖析不同因素对非机动车流膨胀程度影响的差异性，文章利用广义有序logit模型，选取直行非机动车流膨胀宽度为因变量，右转机动车交通量、左转非机动车比例、直行非机动车交通量、行人交通量、电动自行车比例等9个因素为自变量，分析不同影响因素对直行非机动车流膨胀宽度影响程度。结果表明：右转机动车交通量、直行行人交通量增加会不同程度降低非机动车流膨胀发生的概率，而左转非机动车比例、直行非机动车交通量、电动自行车比例变大会加剧膨胀程度；机非隔离形式、非机动车道宽度等变量对不同膨胀程度等级的影响存在差异。基于模型回归及边际效应计算结果，提出了改善非机动车膨胀效应的建议。     

基于车速比的城市交通事故交通影响程度评价

分析城市交通事故交通影响程度,对于评估交通应急等级及采取相应的应急对策具有重要的意义和现实价值。将城市交通事故对交通的影响与水波涟漪类比。基于事故发生前后道路车速的比值,借助水波原理,提出了交通影响系数的概念,并界定其作为评价交通影响程度的依据。针对某一给定类型的交通事故,在对35起交通事故调查数据进行筛选和整理的基础上,得到了交通影响系数时空分布图;采用变量控制法,利用MATLAB构建了交通影响系数与时间和距离的关系模型。针对不同事故特征的差异性,考虑事故发生后道路剩余通行能力的不同,采用城市道路车道利用系数计算得到了事故源修正系数。利用二重积分构建累积交通影响系数模型,计算出交通事故的综合交通影响程度值,从而评价交通事故对周边路网的综合交通影响。最后,假设某一交通事故,并对其进行VISSIM仿真分析,分别采用文中所构建的交通影响程度评价模型和根据实际仿真运行数据所建模型计算了该事故的综合交通影响程度值,两种方法计算的结果分别为0.666和0.648,误差在可接受的范围。结果表明:构建的交通影响程度评价模型是可行的。该研究成果可以在交通事故发生时给城市交通应急管理部门快速响应提供决策支持。     

信号交叉口行人受伤严重程度生存分析

为研究信号交叉口行人受伤严重程度,确定其影响因素,应用生存分析对受伤严重程度随时间变化进行探究,同时解决不同信号交叉口因未被观察到的因素而产生异质性问题。采用美国拉斯维加斯大都市圈2004年至2008年事故数据,包括450个信号交叉口的550起行人事故数据,利用stata 14对数据进行Gamma异质性韦布尔分布模型分析,并与韦布尔分布模型进行对比,结果表明不同信号交叉口存在异质性。研究认为:增加行人受伤严重程度概率的潜在重要因素包括行人交通事故数量、星期、光照条件和次干道年平均日交通量。研究结论将为交通行业从业者和管理者提高信号交叉口行人安全提供有益的思路。     

道路交叉口单车事故严重程度影响因素分析

为了研究影响交叉口单车事故严重程度的因素,以英国10 258起交叉口单车碰撞事故为研究对象,构建了一种离散选择模型——多项式Logit模型,选取车辆属性、驾驶员特征、道路条件及环境等因素共25个自变量,分析轻伤事故、重伤事故以及死亡事故的影响因素。利用最大似然法估计模型参数,并通过拟合优度检验及无关独立性(IIA)检验,检验结果显示模型拟合度较好。研究结果表明:在0. 1的显著性水平下,事故是否发生在周末、事故是否发生在高峰期、路段类型、交叉口类型、交叉口控制方式、行人过街控制、光线条件、天气情况、道路表面环境、车辆类型、车辆行驶意图、侧滑、翻车情况、车道发生碰撞、非车道碰撞物、车辆受伤部位、驾驶员性别、发动机排量、燃料类型、车辆行驶年龄等19个自变量影响单车碰撞事故的严重程度。研究结果有助于交通管理者采取合适的策略降低交叉口单车事故严重程度。     

山区公路小半径弯道路段事故严重度影响因素及其异质性比较分析

为分析影响山区公路小半径路段典型事故的严重程度的相关因素及其异质性效应，基于某山区双车道公路1 067起交通事故数据，从驾驶员、车辆、道路和环境4个方面选取15个潜在特征变量，采用二项Logit模型和随机参数二项Logit模型，分别构建小半径弯道路段上追尾碰撞、正面碰撞和侧面碰撞3类典型事故的严重度分析模型，分析3类典型事故严重度的显著影响因素，并采用边际弹性系数量化分析影响因素的作用强度。结果表明，小半径弯道路段上不同形态事故的严重度影响因素存在明显差异:①追尾碰撞严重度的显著影响因素依次为摩托车、夜间、弯道转角、驾驶员年龄、季节，摩托车和冬季分别是服从(2.716.1.5642)和(-1.495，2.1162)正态分布的异质性影响因素，导致发生伤亡事故的概率为95.72%和23.58%；②正面碰撞严重度的显著影响因素依次为货车、摩托车、驾驶员超车、弯道转角和弯道长度，货车导致其伤亡事故概率增加108.8%，摩托车和弯道长度分别是服从(6.941，9.9012)和(-0.004，0.0032)正态分布的异质性影响因素，导致发生伤亡事故的概率为76.11%和9.18%；③侧面碰撞严重度的显著影响因素依次为摩托车、驾驶员年龄及弯道有接入口，摩托车和接入口分别是服从(5.211，5.1112)和(-1.408，2.1462)正态分布的异质性影响因素，导致发生伤亡事故的概率为88.87%和25.47%。④与传统二项Logit模型相比，追尾碰撞、正面碰撞和侧面碰撞的随机参数二项Logit模型的拟合优度分别提高了2.85%，4.15%，6.76%，且定量捕捉了异质性影响因素，更适用于事故严重度的精细化分析。      

珠三角地区6车道高速公路流量状态与事故特征关系

为分析6车道高速公路交通事故与交通量的相关关系,文章收集珠三角地区某6车道高速公路的交通运行与事故数据,对交通量、交通组成、天气、月份、沿线设施等因素与事故的关系进行分析,并得出结论:交通量变化对6车道高速公路交通事故的发生具有显著影响。交通量增加到三级服务水平后,高速公路出入口路段易形成事故多发点。百万车公里事故率在三级服务水平后,呈现下降趋势。     

基于MNL模型的车车碰撞事故严重程度影响因素辨识方法

为了研究两车之间事故严重程度的影响因素及其机理,探索在不同严重程度的交通事故中影响因素存在的差异性,采用多项logistic回归(MNL)模型对影响因素进行了分析。基于道路交通事故数据的特征形成了涵盖人员因素、车辆因素、时间因素、环境因素的影响因素集合。构建了适用于分析车车碰撞事故的模型,分析了事故严重程度的各类影响因素,并对不同严重程度的事故进行分类讨论,分析导致其存在差异性的原因。结果表明,在降低车辆间事故的安全风险时,需要重点考虑过失方车辆类型、过失方年龄、碰撞类型、受害方车辆类型、城市分区5项因素。对仅财产损失事故和有受伤但无死亡事故,需关注不同的影响因素组合存在的差异性,其中对仅财产损失事故,正面碰撞、受害方车辆类型为小客车、主城区、近郊区是可能的显著影响因素;对有受伤但无死亡事故,过失方年龄为19～45岁、侧面碰撞是可能的显著影响因素。持续提高对驾驶员的教育警示,使用新技术监督驾驶员的行车状态,提升车辆防御侧面碰撞的能力是可能降低车车碰撞事故严重程度的手段,从而提升城市道路交通的安全水平。     

基于双层评定模型的钳闭影响下乘员损伤严重程度分析与预测

为确定轿车碰撞事故中钳闭影响下乘员损伤严重程度的影响因素,从陕西长安大学机动车物证司法鉴定中心数据库中筛选包括24种车型的714组轿车碰撞事故数据,通过Apriori关联规则挖掘出相关的特征因素,建立双层评定模型(Logit Model)对车辆层次与乘员层次的特征因素进行分析。结果表明,致伤部件质量变量对组织结构、身体部位、损伤类型变量的影响分别达到28.89%、15.79%、14.03%,事故中头部相较于其他部位损伤更严重,损伤较为严重的情况往往伴随着乘员重度骨折与大面积损伤。最后,通过随机森林模型对乘员损伤严重程度进行预测,预测结果准确率可达到82.97%。     

基于时空交互模型的高速公路季节事故频次影响因素分析

为了深入了解影响高速公路事故频次的显著因素,采集2014年广东省开阳高速公路的事故、道路、交通和气象数据,以曲率和坡度同质性为原则将整条公路划分为154条路段,采用时空交互模型拟合路段季节事故数和道路设计参数、交通特征、气象因素间的内在关系。该模型不仅解释了相邻路段间的空间效应和相邻季节间的时间效应,而且还考虑了时空效应间的相互作用,有助于提高模型的拟合预测性能、减少参数估计偏倚。基于贝叶斯推断的模型估计和评价结果显示：事故数据中存在显著的时空关联和交互效应;时空交互模型比传统层级泊松模型的拟合优度更高;路段长度与事故频次线性相关,而交通量则与事故频次间存在非线性关系;高速公路交通安全性随着中、大型客、货车（三类车）比例的增加而显著提高;路段曲率、坡度越大,交通事故风险越高;风速越高、降水量越多的季节,事故频次将显著上升。研究结果可为高速公路交通安全改善方案的制定提供理论依据。