基于累积Logistic模型的交通事故严重程度预测模型

为了分析交叉口交通事故严重程度的影响因素,在对北京周边无信号三路交叉口交通事故数据调查的基础上,建立的累积Logistic模型,可为我国交叉口严重交通事故的预防提供科学依据.模型分析结果表明,交叉口转弯车辆比例、控制方式和土地开发强度时无信号三路交叉口交通事故的严重程度有显著影响.     

基于Multinomial Logit模型的美国北卡罗莱纳州慢行交通事故严重程度分析

为分析慢行(自行车与行人)交通事故严重程度的显著性影响因素,将交通事故分为仅财产损失事故、潜在伤害事故、非伤残事故、伤残事故、死亡事故5类,从人、车、路、环境4个层次选出11个自变量,以交通事故严重程度为因变量,基于Multinomial Logit模型计算每个变量对慢行交通事故严重程度的边际效应。结果表明,驾驶员性别、驾驶员饮酒状态、行人年龄、道路特征、路面状态、一天内发生时间、光线条件、年平均日交通量、地形等9个变量均与道路交通事故严重程度显著相关。     

基于神经网络的交通事故严重程度影响因素研究

为分析交通事故严重程度的影响因素,运用感知器神经网络理论,从人、车、路(环境)因素及交通流因素等方面选取12个输入参数,以交通事故严重程度为输出参数,搭建基于MATLAB平台的3层前馈人工神经网络模型。对建立的网络模型的拟合优度进行检验,求解回归曲线以及总响应,并通过实例验证模型的有效性。分析表明,驾驶员性别、年龄、事故类型对交通事故严重程度的影响可以忽略不计,交通流特征对交通事故严重程度的影响最大,天气情况、路面情况对交通事故严重程度的影响程度基本相同。     

基于累积Logistic回归模型的管制员应激程度预测

分析并筛选出影响管制员应激行为的7个显著相关指标,并将管制员应激程度进行有序多分类后,建立了基于累积Logistic的管制员应激程度预测模型,并对模型预测效果进行平行性检验。利用某空管局实际采集数据中的另外74名管制员的定量测量数据进行分析,验证预测模型的可行性。结果表明:该模型的拟合优度判定系数(Pearsonχ~2统计量和Deviance统计量)的显著水平分别为0.076,0.690,远大于0.05;对实测数据的预测准确率达到75.67%,该模型对管制员应激程度的预测较为精确。     

高速公路隧道交通事故严重程度的影响因素分析

根据京珠高速公路韶关段4个隧道的交通事故资料,从时间因素、隧道环境因素和交通动态因素3个方面选取9个输入变量,以交通事故严重程度为输出变量,建立高速公路隧道交通事故严重程度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析．研究结果表明,日交通量与年平均日交通量之比和大型车混入率对交通事故严重程度的影响最大,天气、线形、坡度和事故发生地点在隧道中的位置对交通事故严重程度的影响基本相等,事故发生时段对交通事故严重程度的影响可以忽略不计．     

无信控人行横道多类型冲突严重程度模型

为减少无信控人行横道处多类型冲突及其带来的交通安全问题,本文采用交通冲突指标和回归分析模型研究交通冲突的严重程度和影响因素。提出考虑驾驶员视野障碍影响的冲突指标(TTZ),结合后侵入时间(PET)和安全减速度(DST)冲突指标,量化交通冲突的严重程度;通过计算的冲突指标值,利用模糊C-均值聚类方法识别严重冲突和非严重冲突;将严重冲突和非严重冲突作为因变量,建立基于二元Logit模型的多类型交通冲突严重程度预测模型。结果表明,相较于单次冲突,多重威胁冲突的严重程度更高,其中,多重威胁冲突是严重冲突的占比为57.9%,单次冲突是严重冲突的占比为27.7%。相较于行人,非机动车的严重程度更高,其中,非机动车-机动车冲突是严重冲突的占比为45.7%,行人-机动车冲突是严重冲突的占比为35.4%。关于影响因素,机动车数量、过街等待时间、过街速度及侧面车辆合法屈服行为等因素对多重威胁冲突的严重程度具有显著影响;机动车数量、过街等待时间、过街速度及前方车辆屈服行为等因素对单次冲突的严重程度具有显著影响。     

建成环境对行人交通事故严重程度的非线性影响

为探索建成环境对行人交通事故的影响并为行人事故预防提供理论依据,本文以建成环境“5D”要素为基础,围绕土地利用、城市设计和交通系统这3个维度构建昼夜建成环境指标体系,基于轻度梯度提升机构建昼-夜间行人交通事故严重程度模型,探究城市建成环境对行人交通事故严重程度的影响机制,结合SHAP(Shapley Additive Explanation)归因分析方法揭示两者之间的非线性关系,并以深圳市为例进行实证分析。结果表明：建成环境对行人交通事故的影响效应存在显著的时段异质性;昼间行人交通事故严重程度主要受人行道可达性、地铁站可达性及学校邻近度等因素的影响;夜间行人交通事故严重程度主要受人行道可达性、娱乐兴趣点(POI)指标及道路照明条件等因素的影响。建成环境对行人交通事故严重程度存在显著的非线性影响。昼间时段学校邻近度介于[0, 3]km时,地铁站可达性小于1km时,对行人事故严重程度有较大抬升作用;夜间时段娱乐POI可达性小于0.5km时,对行人事故严重程度有抬升作用;不论昼夜,人行道可达性对行人事故严重程度均有压降作用,且临街院门密度低的区域行人事故严重程度较高。昼-夜间模型均表现出优秀的效果,分类准确率分别为96.38%和92.08%。     

无信号平面交叉口安全服务水平计算模型

为了客观评价公路平面交叉口的安全状况, 提出了交叉口安全服务水平基本概念, 分析了影响无信号交叉口安全服务水平的客观因素, 给出了安全服务水平评价方案, 分别构建了基于机动车、非机动车、行人冲突点的安全服务水平主模型和基于交叉口几何特征、交通标志等次要影响因素的修正模型, 并由此提出无信号平面交叉口安全服务水平计算模型。根据多个无信号交叉口数据, 把安全服务水平分为1~4级, 并验证了安全服务水平模型的合理性。验证结果表明: 应用安全服务水平计算模型得到实例交叉口危险度为200.7, 安全服务水平为3级, 符合交叉口实际的安全状态, 因此, 交叉口安全服务水平模型能够有效评价交叉口的安全性。     

建成环境对城市交通事故严重程度影响研究

针对城市交通事故分析中缺少建成环境因素的系统考虑,以密度、多样性、交通设计、可达性及公共交通临近度等5个维度表征建成环境,同时考虑个体行为、道路情况、事故类型及自然环境4个方面,运用机器学习算法建立融入建成环境因素对城市道路交通事故严重程度影响分析模型;并以重庆市某区的事故数据进行实证分析。研究结果表明：建成环境变量对事故严重程度有较大影响;从变量重要度排序来看,土地利用混合度(14.29%)、快速路及主干路密度(12.43%)、次干路及支路密度(11.54%)、人口密度(11.35%)与可达性(10.96%)的影响程度较高,累计重要度达60.57%;同时各变量与事故严重程度呈现出非线性关系。     

基于行车安全场模型的交叉口车辆控制算法

为了提高网联环境无信号交叉口自动驾驶车辆的行车安全与通行效率问题,首先,建立无信号交叉口的行车安全场模型,构建包括车辆动力性能、制动性能以及通行交叉口所有车辆行车风险的目标函数,并设定相应的约束条件;然后,采用模型预测控制方法优化驶向交叉口车辆的行车策略;最后,基于VISSIM、MATLAB和NS3构建联合仿真试验平台,分别以车辆碰撞冲突类型、行车风险改善和道路拥堵程度验证并分析算法性能. 试验结果表明:在车流量和流量容积比大于1.0时,相比于传统的感应控制系统,本文提出的算法在延误时间、行程时间、冲突数目和通行能力的收益率分别大于90%、10%、10%和5%;在通信延迟低于100 ms,数据丢包在35%内,仍能够保证交叉口内车辆的通行效率.      

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。     

通州市道路交通事故预测

利用江苏省通州市交警大队提供的交通事故数据资料,运用灰色系统预测模型法和多元线性回归预测法对其进行分析研究和预测,预测结果对加强苏省通州市的安全管理、改善其道路交通安全状况有一定的理论意义和实用价值.     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

道路交通事故车速分析的探讨

速度是诱发道路交通事故的重要因素,为保证道路行车安全,车速控制非常必要。通过对行车速度与道路安全的关系进行探讨,分析了速度对事故的影响机理,重点强调了车速分布的离散性对事故的影响,并建立了车速模型,对车辆运行中如何控制车速提出了建议。     

南昌市道路交通事故成因分析及预防

根据南昌市2000年至2003年的道路交通安全现状,利用统计分析方法,对道路交通事故的成因、时空分布、事故形态等进行了分析和研究,并针对南昌市的交通事故的特点与规律,提出了预防交通事故的若干措施.     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制,在系统选取影响事故严重程度潜在变量的基础上,利用有序Logit模型获取影响事故严重程度的显著自变量,并运用偏比例优势模型修正变量参数,从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM),以云南省元(谋)-双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优,更适用于研究该问题;涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应,驾驶人性别及接入口等3个变量对一般及以上事故具有负效应;就影响程度来看,接入口最大(边际效应为14.466%),驾驶人性别次之(10.581%),竖曲线长度最小(0.114%).     

平纵组合路段事故严重程度致因辨识模型

为解析平纵组合路段事故严重程度致因及影响机制,在系统选取影响事故严重程度潜在变量的基础上,利用有序Logit模型获取影响事故严重程度的显著自变量,并运用偏比例优势模型修正变量参数,从而构建平纵组合路段事故严重程度致因辨识的两阶段模型 (TSM),以云南省元(谋)—双(柏)公路为例进行分析.结果表明：提出的TSM模型比有序概率模型拟合度更优,更适用于研究该问题;涉及车辆数、平曲线曲率及竖曲线曲率等7个变量对一般及以上事故具有正效应,驾驶人性别及接入口等3个变量对一般及以上事故具有负效应;就影响程度来看,接入口最大(边际效应为14.466%),驾驶人性别次之(10.581%),竖曲线长度最小(0.114%).     

基于DEMATEL-ISM事故路段行车风险因素辨识模型

为了定量分析事故路段行车风险因素,保障事故现场的安全性,集成DEMATEL-ISM方法对其影响因素进行辨识和分析。首先基于人-车-路(环境)及管理的系统理论,建立事故路段行车风险影响因素集,即驾驶员因素、车辆因素、道路与环境因素和管理因素,具体分为年龄、驾龄和性别等20个因素,然后以Delphi法确定各个影响因素之间的关系。集成DEMATEL-ISM法,建立事故路段行车风险影响因素辨识模型。通过计算可达矩阵,获得影响因素的5层递阶结构模型,即第一层级为驾驶员驾龄、疲劳程度和反应判断能力等6个因素,第二层级为驾驶里程及车辆类型等8个因素,第三层级为驾驶员年龄等3个因素。研究结果为事故路段的安全管理提供理论依据。     

���ڸĽ�BMLģ�͵Ľ�ͨ�¹���·����ͨ����״̬����

针对BML模型在分析交通事故对路网交通运行状态影响方面的不足,考虑事故发生时车辆为回避阻塞点而改变行驶路径等行为,对BML模型中事故点前车辆的行驶规则进行改进,使之与实际车辆的驾驶行为更加接近. 在改进模型的基础上,分别就路网交通流密度一定时,事故点数量变化对交通流平均速度的影响;事故点数量一定时,路网交通流密度变化对交通流平均速度的影响;事故点前各格点车辆转移概率对交通流平均速度的影响;车辆在事故点前各格点的转移概率分布函数不同对系统运行状态的影响等四个问题进行模拟研究,通过对模拟结果进行分析,得出了一系列有意义的结论.