基于轨迹数据的高速公路分流区冲突替代指标研究

非事故统计交通安全评价指标冲突时间(Time to Conflict,TTC)和后侵入时间(Post En-croachment Time,PET)在2车间距较近或接近冲突点车速较快时,会出现冲突严重程度判别错误.为提高冲突判别的准确性,以高速公路分流区为研究对象,提出基于行车轨迹的冲突严重程度判别方法.采用视频检测技术,对固定背景下的运动目标进行轨迹提取,利用改进的神经网络算法进行实时轨迹预测,根据预测轨迹坐标进行分流区冲突判别,并引入量化指标J以碰撞概率分析分流区2运动单元冲突严重程度.实例分析结果显示,量化指标J考虑避险行为对潜在冲突点出现时间的影响,准确性更高;以J指标预测所得两车最大碰撞概率为59.93%,比TTC下必定碰撞(100%),更接近于实际未碰撞观测情况.      

平面交叉口交通冲突概率分布模型及安全评价标准研究

本文分析了以交通事故统计为基础的平面交叉口交通安全评价 优缺点，建立了以交通冲突为基础的交叉口交通冲突概率分布模型，根据交通事故与冲突间的关系，研究了应用冲突技术评价交叉口交通安全的有效性、提出了平面交叉口安全评价指标标准的界定方法，本研究为平面交叉口的安全分析提供了一种理论方法。     

基于交通冲突技术的无信号平交口交通事故预测方法研究

无信号交叉口交通事故在中国交通事故总数中占了相当大的比重,研究无信号平交口交通事故现状并进行预测具有相当重要的意义。文中介绍了条件期望的定义和性质,在分析交通冲突和交通事故之间联系的的基础上,阐述了基于交通冲突的无信号平交口交通事故预测方法。     

信号交叉口行人使用手机对其过街行为和安全的影响

针对信号交叉口处行人使用手机对其安全产生不利影响的问题,以武汉市9个信号交叉口的实测数据为基础,对行人使用与不使用手机情况下的过街行为与安全性差异进行统计分析.以往的研究中,评价行人安全多通过简单的对比分析,很少有量化的参数依据;针对行人使用手机对过街安全的影响,以人车冲突为评价指标,建立了基于有序概率(OP)的模型,可以更好地量化评价与预测信号交叉口处的行人安全.结果 表明,有11个因素与人车冲突显著相关,包括行人年龄、使用手机方式、过街速度、行人是否与他人结伴过街、嘹望次数、闯红灯与否、车道数、上游车道左转流量、上游车道右转流量、进口道右转流量和信号周期.其中,使用手机会增加人车冲突的概率:在双向2,4,5,6和7车道上,过街时打电话行人的人均冲突分别是不使用手机行人的3.56,3.42,3.33,3.29和3.00倍;看屏幕行人的人均冲突分别是不使用手机行人的4.78,4.17,3.80,3.59和3.30倍;而听音乐行人和不使用手机行人之间的人均冲突并没有明显差异.      

考虑驾驶员选择通过行为的机非严重冲突判别

现有的严重冲突判别方法并不适用于我国的机非严重冲突判别,而驾驶员的选择通过行为对交通事故能否发生起到了至关重要的作用,因此该研究考虑了驾驶员的选择通过行为,提出了机非严重冲突的判别方法.研究首先通过坐标转换技术对实验视频进行了预处理,之后对交叉口内机非冲突数据进行提取,应用概率统计的方法,着重考虑驾驶员的因素,提出临界冲突时间差(CTDTC)的概念表示驾驶员的选择通过行为.研究发现当冲突时间差(TDTC)的绝对值小于0.66 s 时,驾驶员的选择通过行为会发生分歧,易引发交通事故,因此将其确定为机非严重冲突的判定条件,并进行了验证实验.验证实验结果表明,以冲突时间差(TDTC)的绝对值为0.66 s 作为机非严重冲突的判别阈值时,观测的非严重冲突的累计频率接近15%,严重冲突的累计频率接近85%,该结果与累计频率法相符.该方法的优势在于提出了明确的严重冲突判别阈值,判别结果不受人的主观因素干扰,因此更加准确客观.      

城乡快速干道车-人冲突时间窗预测模型

为了解决城乡快速干道车-人冲突和事故严重的问题，将车-人冲突点的分析方法扩展到车-人冲突时间窗的分析方法，构建一种行人运动轨迹实时监测和穿越时间预测相结合的车-人冲突时间窗组合预测模型。首先，分析行人违规穿越的实测数据，确定不同类别行人对应的穿越时间置信区间以及松弛时间；其次，根据运动学模型的预测结果判断行人的所属类别并初步确定行人的穿越时间，同时通过卡尔曼滤波算法对行人穿越过程进行实时监测；再次，融合运动学模型预测结果和卡尔曼滤波监测结果，确定最终的车-人冲突时间窗；最后，对所提出的组合预测模型进行标定和验证，并通过VISSIM仿真平台进行安全性能测试。模型验证结果表明：在正常情况下，该模型能够保障行人的安全且能兼顾松弛时间重置次数；在行人初始穿越速度过低或穿越前、中期存在持续低速的情况下，该模型可以通过多次松弛时间重置来解决模型的适用性问题。安全性能测试结果表明，在车辆行驶时间均值增加4.7%的情况下，安全车辆数占比增加了37.3%，车辆的后侵占时间(PET)测试值则增加53.8%。因此，与无松弛时间的预测模型相比，所提出的有松弛时间的车-人冲突时间窗预测模型能够在对交通效率影响较小的前提下，较大程度地提高车-人冲突的安全性。     

信号交叉口右转机动车与行人冲突运动模型

在一些信号交叉口,右转机动车的转弯行为不受信号控制,容易与过街行人发生冲突。现有冲突研究的内容多为冲突判别和冲突分级研究,对人车冲突运动过程研究相对较少。为减少交通冲突,提高行人过街安全性,提出一种新的右转机动车与行人冲突运动过程的仿真模型。研究右转车辆的决策过程,分析人车冲突机理。建立人车冲突模型,依据实际调查所获得的车辆速度和可接受间隙数据,对模型参数进行标定。对模型进行仿真分析,通过比较冲突时间、后侵占时间、安全减速度、间距时间4个冲突严重性指标,选择后侵占时间(PET)这一评价指标进行安全评价。仿真得到的车辆速度和 PET 数据与调查得到数据相比误差不超过5%,验证了模型的有效性。通过灵敏度分析,小交叉口 PET 提高了10%,说明小交叉口有助于降低冲突的严重性。      

公路平面交叉口交通冲突指标研究

在公路平面交叉口的控制中,传统选择控制方式的方法着重考虑的是交通流的通过性,对安全的考虑多以事故数为指标,但交通事故数由于其本身的局限性,使其设置依据在使用上受到约束.基于这样的考虑,首先对冲突进行与控制方式有关的分类,并加以定性分析;然后对冲突率进行了与控制方式有关的定义,以观察到的冲突数据为依据,对各类冲突的冲突比例及冲突率进行了对比研究,说明了以冲突率为指标考虑安全而选择控制方式是可取的;最后建议重点以横穿冲突的冲突率为指标考虑安全,合理选择控制方式,为平面交叉口控制方式的选择提供新的参考和依据.     

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。     

基于SSAM的平面交叉口交通安全评价

交通冲突技术是交通安全领域的一种非交通事故统计评价方法,是以大样本、快速、不同特征的定量评价方法对交通安全状况进行评价,并从传统的事故统计评价方法中提高效果。应用交通冲突技术,建立了施工期间现状交叉口的仿真模型,结合SSAM模型定性和定量分析了交叉口交通冲突特征。利用交通冲突数,对不同方案的平均车辆延误时间指标进行了比较,从而确保最佳方案的安全性。