基于改进K-means算法的城市道路交通事故分析

为有效采集城市道路交通事故数据,分析交通事故时空特征,辨识交通事故原因,利用手机APP方法采集了宁波市鄞州区2016年第四季度的37 654起交通事故数据。鉴于传统K-means聚类算法收敛慢和精度低的缺陷,建立改进的K-means聚类算法以消除孤立点对聚类结果的影响,对研究范围内的交通事故黑点进行识别及分析。结果表明:基于手机APP采集的有效事故数据样本量占实际警情的比例为96.4%,能满足事故数据分析的精度和质量要求;近4年每个季度的事故变化趋势呈现明显的锯齿状变化;机动车与机动车事故数量最大,机动车与非机动车事故数量次之,事故比例分别为58.4%和15.8%;时间特征方面,周一发生的事故数量最大,周四最低,事故比例分别为15.4%和13.2%;空间特征方面,道路交通事故发生地点主要集中在地面路段、交叉口、停车场等,事故比例分别为77.4%、11.6%和7.0%,居民小区和高架事故比例较低,分别为3.2%和0.9%;事故原因方面,跟车距离过近、转弯未让直行、违法变更车道、超速行驶等驾驶行为是引发交叉口机动车与机动车类型事故的主要原因,事故比例分别为28.8%、22.9%、15.6%和7.6%;机动车转弯未让直行非机动车、非机动车闯红灯、机动车与非机动车相互占用车道和非机动车逆向行驶,是诱发交叉口机动车与非机动车类型事故的主要原因,事故比例分别为36.6%、16.6%、9.9%和7.3%。     

基于风险矩阵的城市道路交叉口交通安全研究

为探寻城市道路交叉口交通事故预防重点,更好地预防城市道路交叉口交通事故,提取交通事故双方交通方式、行驶方向、碰撞方式三要素,将城市道路交叉口因交通参与者之间发生交通冲突导致的交通事故细化为3个大类、18个小类,并制定命名规则分别对18种事故类型进行命名;分别以事故实际发生频率和事故危险性作为风险矩阵中风险概率和风险影响的定量衡量指标,提出一种将风险矩阵方法与有序样品聚类方法相结合的事故风险分级方法,分别对无信号控制交叉口和信号控制交叉口18种事故类型的风险进行分级,梳理出无信号控制交叉口6种中等风险以上交通事故类型、信号控制交叉口3种中等风险以上交通事故类型,并分别提出相应预防对策。     

高速公路上坡段交通事故特征及致因分析

通过对宁杭高速公路东庐山段2006年1月~2010年7月的交通事故资料的统计,从事故地点、事故时段、事故形态和事故车型等方面分析了上坡段交通事故的主要特征.研究发现:高速公路上坡段发生交通事故的风险要远大于下坡及其他路段;事故多发生在长大上坡段的中后部和竖曲线段;事故形态主要是追尾、撞护栏和撞固定物,而且重特大交通事故中追尾事故比例大;夜间的事故率和严重程度高于白天,尤其是凌晨02:00~06:00时为重特大交通事故高发期;大货车和小客车是坡段内交通事故的主要车型.上坡段事故的致因为疲劳驾驶、车辆速度离散性大、交通组成复杂.      

高速公路隧道交通事故规律研究

目前我国高速公路隧道内时常发生交通事故,为研究其特点和规律,收集2 193起高速公路隧道交通事故资料,对这些资料数据进行统计,分析隧道中交通事故的时间和空间分布特征、事故形态、事故车型以及发生原因。结果表明:一天中的9:00~10:00、11:00~12:00、13:00~15:00是交通事故的频发时段,周末发生的交通事故数约占总数的40%,1、2、4、5、7月易发生交通事故;追尾和碰撞隧道壁是隧道交通事故的主要形态;违章超速和天气变化是导致事故发生的主要原因;交通事故的车型主要为底盘较轻的轿车和重型货车。     

高速公路爬坡路段交通事故特征分析

作为交通事故易发路段,高速公路爬坡路段的交通安全问题已引起广泛关注.以宁杭高速公路东庐山段为例,通过对该爬坡路段2006年1月～2010年7月的交通事故资料的统计,从事故地点、事故时段、事故形态和事故车型等方面分析了爬坡路段交通事故的主要特征.研究发现:高速公路爬坡路段发生交通事故的风险要远大于下坡及其他路段;事故多发生在直坡段的中后部和竖曲线段,坡道后段的安全性更低;事故形态主要是追尾、撞护栏和撞固定物,而且重特大交通事故中追尾事故比例大;夜间的事故率和严重程度高于白天,尤其是凌晨2:00～6:00为重特大交通事故高发期;爬坡路段大货车和小客车相互干扰严重,是爬坡路段交通事故的主要车型.研究结果可为高速公路爬坡路段交通安全的改善提供依据.     

基于GIS分析的深圳市道路交通事故空间分布特征研究

掌握城市道路交通事故空间分布特征是城市道路交通安全管理的重要基础。基于深圳市2014~2016年的道路交通事故数据,首先应用地理编码方法对原始事故记录进行空间定位,形成事故的空间分布。其次针对考虑/不考虑路网密度的2种情况,应用密度分析方法对道路交通事故多发的区域和事故严重程度较高的区域进行鉴别,比较2种情况下区域分布的差异并分析造成这种差异的可能原因。最后利用异常点分析和热点分析2种空间聚类分析模型对事故严重程度较高的区域进行进一步鉴别,并对密度分析和聚类分析2种方法得到的结果进行了比较。密度分析结果表明：就事故频度而言,深圳市中心城区单位面积上的交通事故频度较高,而郊区单位长度道路上的交通事故分布更为密集;就事故严重程度而言,郊区的交通事故平均严重程度高于市中心区域。造成上述差异的原因可能与郊区道路限速较高等因素有关。聚类分析结果与密度分析结果相近,在郊区形成了高严重程度的事故聚类,而在中心城区形成了低严重程度的事故聚类,说明郊区的交通事故严重程度总体高于市中心区域。从2种方法的比较来看,密度分析简单易行,有助于交通管理部门对城市交通事故空间分布特征直观快速的了解;聚类分析可精确到事故点,为精细化的交通安全管理工作提供支撑。研究结果表明基于密度分析和聚类分析的研究方法对于确定道路交通事故空间分布特征有良好的作用。     

基于聚类分析的高速公路事故黑点鉴别及成因分析研究

为了提高事故黑点鉴别的客观性、公正性及识别水平,提出基于灰色聚类评价的事故黑点鉴别方法,并结合聚类因子法识别事故黑点诱发因素。该方法是将聚类思想应用于事故黑点鉴别及成因分析的全过程,可实现对不同层次事故黑点的分级管理。经鉴别,可将评价路段单元分为正常路段、一般路段及事故黑点3类,从而将道路几何条件、交通条件、环境特性属性相似的事故黑点聚为一类进行事故成因分析。依托长余高速公路的交通事故数据进行实例分析,确定上下行事故黑点数,并对其进行成因分析,且将基于聚类分析得到的事故黑点及其成因与实际考察得到的事故黑点及其成因进行对比分析。结果表明:基于聚类分析得到的事故黑点与实际路段事故黑点基本吻合,采用基于聚类分析预测事故黑点是可靠的。     

道路交通安全研究的现状与热点分析

道路交通事故的产生对民众的生命安全和财产损失影响巨大,国内外学者在该方面进行了大量的研究。为了整体把握道路交通事故研究热点及发展趋势,从中国知网(CNKI)核心期刊数据库和Web of Science核心合集数据库选取了2000—2020年与道路交通事故相关的3 943篇文献为数据源,借助CiteSpace和VOSviewer文献计量软件平台从文献分布特征、关键词共现、关键词聚类、关键词突现等方面进行分析,并在此基础上从事故黑点鉴别与影响因素分析、事故安全评价与事故预测、事故伤害(RTI)的流行病学研究和预防、事故处理与安全管理、事故仿真与驾驶行为分析这5个研究方向分析道路交通安全的研究趋势与热点问题。研究表明:①从作者合作方面分析发现道路交通事故研究具有多学科交叉性质;②对关键词共现分析发现国内外期刊关键词共现类别基本一致,说明国内外对道路交通事故方面的研究具有较强的一致性;③数据分析发现当前研究还存在实时交通事故评价手段欠缺、道路交通伤害数据结构不统一、事故仿真模型的通用性与有效性有待于进一步提高等问题;④从研究趋势的演进来看,未来的研究趋势主要集中在道路交通事故侵权责任研究、道路交通事故对道路通行能力的影响等方面。      

基于空间聚类的城市路网事故多发区域共性特征分析应用

为了针对性地识别与治理城市道路事故黑点,需要深入挖掘事故特征。文中采用国内某市内城市道路交通事故数据,分别提取年事故数、每公里事故数为指标,利用空间聚类算法对事故点进行聚类,经过数据可视化得到城市道路交通事故风险分布的聚类结果图并进行特征分析。结果表明,该方法可以有效关联事故多发位置鉴别与特征分析,能在路网层级准确识别事故多发区域,为城市道路交通安全管理提供决策指导。     

国外乡村公路交通事故形态

通过收集整理美国、加拿大、英国、澳大利亚等国关于乡村公路交通事故的数据和资料,从事故发生的路段和时段、事故类型、事故中的人员和车辆等几个方面对国外乡村公路交通事故形态进行了分析研究,主要得出如下几点结论:第一,乡村公路等级越低,交通事故后果越严重;第二,曲线路段和限速值不低于80 km/h的路段是乡村公路上事故后果比较严重的路段;第三,在乡村公路上周末和晚上的交通事故后果较为严重;第四,单车事故(主要是驶出路外事故)、平交路口事故和正面碰撞事故是乡村公路交通事故的主要类型;第五,机动车驾驶员和乘员、男性、年轻人是乡村公路交通事故中的主要伤亡人群;第六,在涉入乡村公路交通事故的车辆中,以小型乘用车为主.     

勿用“恶性事故”一词

在一些报刊上报道的发生重大或特大交通事故的文章中,常见到“恶性事故”一词。 用“恶性事故”一词形容重大或特大事故,不但与有关规定的称呼不符,而且极易在学习运用中产生矛盾和错误。《道路交通事故处理办法》第六条明文规定:“交通事故分为轻微事故、一般事故、重大事故和特大事故。”在交通事故中,根据人身伤亡或财产     

基于GIS的高速公路交通事故时空分析系统

针对传统数理统计方法对交通事故的时空分析可视化效果差且多发路段识别等数据挖掘深度不足的问题,提出并建立基于地理信息系统(GIS)的高速公路交通事故时空分析系统。为准确掌握交通事故时空分布特征和识别事故时空多发路段,在传统数理统计方法的基础上,结合GIS与改进的时空密度聚类方法对高速公路交通事故进行时空可视化统计分析与事故多发路段识别;利用2016—2018年湖南省高速公路交通事故数据进行测试,结果表明该系统可直观展示2016—2018年湖南省高速公路交通事故时空分布特征和事故多发路段。     

三峡库区变动回水区交通事故统计分析及对策研究

为更好地开展水上交通事故分析研究,提高我国水上交通安全水平,分别从船舶事故种类、时空分布等角度对2006～2010年三峡库区变动回水区水上交通事故进行统计分析,包括事故种类分布特征、事故时空分布特征等。统计结果表明：触礁、搁浅、碰撞、自沉4类事故占事故总数的85.43%;5月和8月为事故高发期,1月和12月事故数量较少。在此基础上进行了事故致因分析,并分别从船员、通航航行、船舶、管理几个因素出发,提出了改善对策。     

基于SVM的水上交通事故严重程度的影响因素研究

为研究水上交通事故中事故严重程度的影响因素,减小水上交通事故发生时的人员伤亡及财产损失,对2015-2016年的水上交通事故统计数据的分析.选取了水上交通事故数据中的船舶类型、事故发生时间、地点、船舶吨位、能见度和风力等级等相关因素建立了事故信息库.根据水上交通事故造成的人员伤亡数量和财产损失的大小,将事故严重程度分为3个等级,并建立了基于支持向量机(SVM)的三分类模型.然后通过交叉验证以及网格搜索算法优化SVM分类模型的惩罚参数和核函数参数,得到最优的分类模型.模型建立后,利用SVM-RFE算法求解上述影响因素对事故严重程度的权重值并排序,筛选出对于事故严重程度影响最大的因素.结果表明,支持向量机三分类模型总体分类准确率可达70% 以上;同时自沉事故、渔船事故和秋季发生的事故易造成较大的人员伤亡;危化品船舶,内河发生的事故和渔船易造成较大的财产损失.      

国内公路隧道运营期交通事故统计及伤亡状况评价

为更好地了解我国公路隧道运营期交通事故整体特征及伤亡状况,对2001-2017年国内发生的121起公路隧道交通事故开展统计分析,分别从事故发生的地理位置、事故发生时间、事故类型、事故车辆类型以及伤亡情况进行统计分析。结果表明： 1)事故发生量与该地区公路客货运输量成正相关,但西北地区和华南地区事故量占比远大于其交通运输量的占比; 2)事故类型以车辆相撞为主,且轿车发生的事故数量最多; 3)每年1、4、5月的事故发生量较多,每天16:00-18:00事故发生率最高; 4)中隧道（500 m<L≤1 000 m）的事故平均伤亡人数最高。最后结合交通事故伤亡情况等级划分,分析各因素对事故伤亡影响权重,得到造成伤亡的最不利组合为“特长隧道+货车+追尾事故”。     

基于CIDAS数据与可解释模型的行人交通事故风险识别

行人道路交通事故是一种常见的交通事故,为了构建有效的行人交通安全防治体系,论文使用中国事故深度调查（CIDAS）数据集进行分析研究。采用多次重复的K折交叉验证评估,并确认随机森林模型在该数据集上具有统计学功效后,利用基于排列的特征重要性算法对影响行人交通事故的特征进行了量化分析。随后对重要事故特征的数据进行统计,并使用卡方检验确定随机性的影响。研究表明,事故参与人员数、行人年龄段、事故发生时间与道路最高允许车速是影响行人交通事故后果的最重要特征。整体趋势表明事故参与人员数越多,事故后果越严重;对于13岁及以上的人群,行人年龄越大发生事故的后果也更严重;在凌晨0:00-4:00发生的事故中,事故的严重程度明显高于其他时间段;在限速为80km/h及以上的道路上发生事故的后果更严重。     

高速公路上的“头号杀手”——汽车追尾事故

<正>笔者从某市交通管理部门了解到,2009年1～11月车辆追尾类事故在本市高速公路交通事故中占到了近60%,而在所有的追尾事故中与大货车有关的又     

道路交通事故黑点鉴别方法研究

道路交通事故频发,损失巨大。精准的事故黑点鉴别方法可有效降低道路交通事故率,提高安全性。文中梳理了事故频数法、事故频率法、事故频数-事故频率矩阵法、当量总事故数法、质量控制法、累计频率法、聚类分析法、灰色分析法、粗集理论法、BP神经网络算法、GIS(地理信息系统)等道路交通事故黑点鉴别方法的原理、优缺点、适用条件及应用,并指明其发展趋势。     

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%。