基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析

为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明：影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。     

基于分类数据样本的交通事件检测

针对当前智能交通方向研究的热点—交通事件检测算法不能达到很好的检测效果提出了将交通数据分成3类,分别是入口处数据、出口处数据和直行路段数据。在进行检测时根据需要检测数据的位置调用相对应的数据库,从而避免了交叉路口数据与直行路段数据之间的干扰,从而提高了事件检测率和降低了事件误报率,而检测时间并没有明显变动。应用朴素贝叶斯算法验证了这种方法是有效的。     

浅析高速公路上爆胎原因

爆胎是因轮胎某一局部的机械强度受到严重削弱而突然爆破。爆胎一旦发生,轻则汽车将发生侧滑、甩尾;重则汽车将连续地翻滚。这样,不仅危及爆胎汽车自身的安全,而且会使来往车辆因躲避不及而发生连续相撞,造成重大交通事故。引发爆胎的原因很多,针对高速公路爆胎事故成因进行了归纳分析。     

交通事件持续时间预测贝叶斯网方法研究

交通事件持续时间的预测是事件管理系统的重要组成部分,根据I-880实测数据集,利用逐步回归分析的方法确定事件持续时间的主要影响因素,分别建立了应用于事件持续时间预测的朴素贝叶斯(NB)模型、加树朴素贝叶斯(TAN)模型以及一般贝叶斯网(BN)模型,在分析数据特点的基础上确定了贝叶斯网的推理算法、参数学习以及结构学习方法.在不同数据缺失的程度和不同训练样本规模下,分别对三种模型的预测准确率进行了评价,结果表明贝叶斯网预测模型在数据缺失30%的情况下30min准确率高于80%.     

基于数据驱动的交通事故伤害程度影响因素 及其耦合关系研究

为准确识别影响山区高速公路交通事故伤害程度(TAIDME)的相关因素，本文构建随机森林朴素贝叶斯-耦合度模型(RFNB-CDM)对其进行研究。首先，处理2016—2020年云南省1760起山区高速公路事故数据，综合考量后，将涉及事故信息、道路信息、肇事机动车辆信息及驾驶人信息等4类18个相关因素作为初始特征进行研究，使用RF模型进行特征提取，并得到各因素对于山区高速公路交通事故严重程度(TASME)的重要性排序；其次，将新特征输入 NB 模型，对TAIDME的影响因素进行单因素分析；为改进原有模型不能对影响因素之间的关系进行准确刻画的缺点，本文引入耦合度模型并进行实例验证分析。结果表明：RFNB模型相较于RF和NB模型，得到的预测结果更加精确，分类性能分别提升5.56%和14.79%。其中，追尾碰撞、18:00-次日 6:00、事故车辆数2辆、下坡段、夜间无路灯照明、货运、大中型货车和直行匀速这8类因素存在时更易加重TAIDME，追尾碰撞和直行匀速这两类因素发生耦合作用时，最易导致重大伤害事故； 道路表面干燥、路侧金属防护和中央绿化带隔离这3类因素存在时可降低TAIDME，路侧金属防护和中央绿化带隔离这两类因素发生耦合作用时TAIDME最低。研究结论可为山区高速公路交通事故预防及降低山区高速公路事故发生后的伤害程度提供理论依据与决策参考。     

基于贝叶斯网络的交通事件持续时间预测

随着数据采集手段的不断提高和相关研究技术的发展,基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据,进行分类和预处理,观察事件持续时间的频数图,并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子,利用数据挖掘软件WEKA建立贝叶斯网络模型,用数据集中80%的数据进行学习建模,20%的数据作为测试集来检测模型的预测效果,并做出性能评价。实验结果表明,与同类数据集的其他预测方法相比,贝叶斯网络模型对于变数众多,随机性特别大的交通事件,预测精度较高,证明贝叶斯网络模型的算法是具有一定优越性和实用价值。     

民航运输航空器着陆阶段偏出跑道事件分析模型

为了克服故障树分析方法只能描述正常和故障两种状态的缺陷,利用故障树方法的逻辑分析优势,以及贝叶斯网络描述多态事件和计算概率的功能,建立了基于故障树和贝叶斯网络相融合的航空器着陆偏出跑道事件分析模型,提出了故障树与贝叶斯网络之间的转换算法求解该模型.根据1996—2010年中国民航着陆偏出跑道事件的数据,确定了着陆航空器偏出跑道的主要原因,并按重要程度进行了排序.研究结果表明:积水、反喷或减速板故障、复杂气象条件、驾驶术欠缺、前轮转弯卡阻、夜航或受灯光不利影响、对机组资源管理失效、积冰积雪是导致着陆偏出跑道的主要风险因素,其后验概率均大于0.3;应针对主要风险因素,制定针对性预防措施.      

基于FOA优化贝叶斯网络的高速公路机电故障预测研究

利用果蝇优化算法的快速搜索能力和全局最优能力,结合贝叶斯网络的结构特点,运用果蝇优化算法优化贝叶斯网络结构,提出一种基于果蝇优化算法优化贝叶斯网络的高速公路机电设备故障预测研究。     

非常规突发事件的情景构建与演化分析

为了解决非常规突发事件情景演化分析过程中信息的不确定性和不完全问题,运用动态贝叶斯网络模型的理论知识,构建非常规突发事件的情景演化模型.首先,在情景构建的基础上,计算专家评分的加权平均值,以提高数据的准确性.其次,通过动态贝叶斯网络模型的数值计算和模拟仿真进行情景演化研究.最后,以简化后的兰州石化管道泄露致水污染事件为例,实现了情景演化的可视化仿真,验证了模型的可行性.仿真实验结果表明,计算结果符合实际事件演化的实际情况.     

浙江高速大雾 33车连环撞

杭金衢高速公路诸暨段（杭州往金华方向）12月4日8时许，发生一起33车相撞的重大交通事故。造成1人死亡，7人受伤，千余车辆受阻，交通中断达3个小时。     

基于电子不停车收费数据的山区高速公路 车速分布与车型分类研究

为研究山区高速公路车型分类方法，以重庆市包茂高速某路段的电子不停车收费数据(即ETC数据)为基础，分析平缓路段和连续上坡路段不同车型的速度分布特征发现：在不同线形路段，部分车型的速度分布有明显的特点，三型货车在连续上坡路段速度分布呈驼峰状，四型客车因营运限速的存在，在平缓路段速度分布集中于最大速度92 km·h-1 ；相同线形路段各车型速度分 布显著不同，客车车型在平缓路段速度分布表现为分散，在连续上坡路段相对集中，而货车车型的速度分布变化趋势正好相反；连续上坡路段各车型的速度特征值明显下降，但同路段上的部分车型间的速度特征值仍较为接近；连续上坡路段速度离散性大于平缓路段，追尾风险水平更高。在ETC数据基础上，运用k-medoids算法对山区高速公路平缓路段和连续上坡路段的车型进行聚类分析，优化后车型分类结果为：平缓路段车型可分为4类，分别为一型客车、二型～四型客车、一 型货车、二型～六型货车；连续上坡路段车型分类结果为4类，分别为一型～四型客车、一型货车和三型(空载)货车、二型～四型货车(三型为满载)、五型～六型货车。本文有助于山区高速公路速度管理措施的制定和道路线形设计时代表性车型的选择。     

车联网信息技术高速公路预警与应急避险模型

为减少高速公路车辆追尾和连环追尾等事故,本文研究了车联网信息技术高速公路预警与避险模型.本文利用车联网系统,将交通事故快速预报给后方车辆,并实时分析路面车辆信息,帮助后方车辆及时做出合理应急方案和应急措施.试验证明,跟车预警模型能够及时提醒驾驶人员避免追尾,在无法避免正面碰撞时,应急避险模型能够根据路面状况做出有效判断,成功进行避险,避免连环追尾事故发生.公路试验中第3车减少制动距离9.2 m,第4车减少制动距离21.4 m,较大地缩减事故后续车辆行车制动距离,能够在密集的行车路段,有效降低连环追尾事故的发生,提高高速公路交通运输安全.     

交通事件影响下的路径行程时间变化分析

为了对交通管理系统中的事件管理提供可靠的决策依据,针对持续期为数天的交通事件,考虑事件发生后出行者日常路径选择的随机性,基于路径流量联合概率分布的动态调整过程,建立了描述路网系统路径行程时间变化的随机动态交通分配模型.并用算例网络验证了本文建立模型的可行性.算例研究结果表明:交通事件持续期每增加10 d,持续期内路径的平均行程时间增加0.24%;与普通路段相比,事件发生在关键路段导致平均行程时间增加3.07%; 路段通行能力每下降10%,平均行程时间增加2.53%;不同事发路段对路网系统在事件结束后恢复到均衡状态所需时间的差别显著,关键路段通行时间的恢复约为普通路段的4倍.      

高速条件下隧道出入口行驶速度特性

为明确山区隧道出入口区段的车辆运行特性和驾驶行为,揭示隧道洞口交通事故的发生机制,在高速公路和城市快速路各选择3座隧道,采集了小客车和货车在隧道出入口区段的断面速度,高速公路单个断面观测样本大于500 veh,快速路隧道单个断面样本大于1100 veh,基于断面数据分析了车辆行驶速度的变化规律和影响因素,并建立了运行速...     

高速公路可变限速控制策略安全性效果仿真

为了减少高速公路常发交通瓶颈上游路段运动波传播引发的追尾事故,在分析PARAMICS微观仿真模型的基础上,建立了可变限速控制仿真平台,在高速公路入口匝道交通瓶颈仿真路段,采用事故预测模型定量研究路段内冲击波传播过程中追尾事故的实时风险,提出了减少事故发生概率可变限速控制策略.结果表明:减少事故风险效果最好的控制策略是将阈值设置为预测事故概率等于0.25,限速值变化周期为120 s,限速值降低幅度为20 km/h,恢复幅度为10 km/h,相邻路段限速值差为20 km/h.采用可变限速最优控制策略后,高速公路瓶颈上游路段追尾事故风险降低了20%.      

基于深度学习的公路货车车型识别

为判断公路货车车型，并提升货车车型识别的速度与精度，提出基于深度学习的方法对公路货车及其轮轴进行精细化目标检测；采用道路监控拍摄和网络爬取的方式获得了16 403张公路货车侧方图像，建立了货车侧方图像数据集，并采用Retinex理论和加入限制对比度的自适应直方图均衡化(CLAHE)等视觉增强方法预处理所采集图像中的光照不均图像和夜视图像；通过理论分析和对比试验选取单阶段检测网络YOLOv3作为公路货车车型识别的目标检测网络，并从调整先验框和模型输入大小以及引入注意力机制3个方面优化了检测模型；针对单帧图像可能同时出现多辆货车的情况，采用基于目标位置信息挖掘的算法分析了货车与轮轴的位置信息，提出一种通过轮轴中心点与货车预测框位置信息判定公路货车与轮轴隶属关系的方法。研究结果表明：图像经过预处理可显著增强车辆的特征信息，优化后检测模型的网络性能得到提高，通过对目标位置信息的挖掘与利用可以很好地解决货车车型判定问题；优化后的检测模型实时检测速度可达47帧·s^-1,对公路货车车型的识别综合准确率达到了94.4%。该方法实现了对公路货车车型的无接触、快速和准确识别，为公路货...     

基于关键路段的路网可靠性的改进

为简化资源约束下路网可靠性的改进问题，只选择关键路段（即被选择的概率大于预定阀值的路段）进行改进．由于出行者在事件（例如地震、洪水、飓风等）前后的路径选择行为用弹性需求随机用户平衡刻画，路段的选择概率可以基于路段水平有效求得，因而容易确定关键路段．建立了以路网净经济效益相关的可靠性最高为目标，并有资源约束的数学模型．提出了模型的一种启发式算法．算例的结果表明了该方法的有效性．     

基于贝叶斯网络推理的道路网络级联失效仿真

针对道路网络级联失效与其它复杂网络相比具有的特殊性,基于贝叶斯网络推理,融合驾驶者出行先验及出行信息,研究了道路网络级联失效的演变机理及演变过程.编制MATLAB程序生成基于道路网络的贝叶斯网络结构,根据贝叶斯网络参数学习 MATLAB程序,学习了驾驶者感知路段属性变化;给出了仿真算法,仿真了贝叶斯网络推理中不同出行先验权重,以及出行信息量对道路网络属性及级联失效的影响.结果表明,贝叶斯网络推理可以较好地反映驾驶者出行路段选择对道路网络级联失效的定量影响,为研究道路网络级联失效提供了新的研究思路和方法.     

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。