基于交通流特征參數(shù)的平原區(qū)高速公路事故預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種平原區(qū)高速公路事故預(yù)測方法，尤其涉及一種基于交通流特征參 數(shù)、來預(yù)測平原區(qū)高速公路特定路段的交通事故發(fā)生數(shù)量的方法。
【背景技術(shù)】
[0002] 隨著經(jīng)濟(jì)、社會(huì)的發(fā)展，汽車逐漸成為人們?nèi)粘Ｉ钪谐Ｒ姷慕煌üぞ撸请S之 而來的交通事故不僅給人們造成經(jīng)濟(jì)、財(cái)產(chǎn)上的損失，而且也威脅到人們的健康和生命安 全。如何在享受汽車給我們帶來的便利的同時(shí)盡可能地減少甚至避免交通事故，是人們一 直以來都希望實(shí)現(xiàn)的目標(biāo)。
[0003] 為此，各國均投入大量人力、物力進(jìn)行交通安全研究，其中對事故的分析和預(yù)防尤 其受到人們的重視。在我國，與一般公路相比，高速公路，尤其是平原區(qū)高速公路，具有線形 標(biāo)準(zhǔn)高、路面狀況好、交通工程設(shè)施齊備等優(yōu)勢，但統(tǒng)計(jì)表明，高速公路的事故率卻遠(yuǎn)高于 普通公路，這表明，影響平原區(qū)高速公路交通安全的因素以及這些因素的作用模式與一般 公路不同。
[0004] 因此，建立一套適用于我國高速公路，尤其是平原區(qū)高速公路，的交通事故預(yù)測方 法和系統(tǒng)是十分有必要的。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于，基于交通流特征參數(shù)對平原區(qū)高速公路的交通事故事進(jìn)行準(zhǔn) 確的預(yù)測。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于交通流特征參數(shù)的平原區(qū)高速公路事 故預(yù)測方法，基于特定路段上特定時(shí)間段內(nèi)的交通流特征參數(shù)信息以及暴露變量，利用如 下公式對該路段上的交通事故數(shù)進(jìn)行預(yù)測，
[0007] λ = EXPO, exp (-2. 851349+0. 9423701. Truck% +0. 0246028. Spe_truck)
[0008] 其中：λ為該路段上特定時(shí)間段內(nèi)的預(yù)測的年平均事故數(shù)；
[0009] 其中,所述交通流特征參數(shù)信息進(jìn)一步包括：
[0010] (a)大車百分比
[0011]
[0012] 共τ 衣/」、人干仂[*里，平兩/h,
[0013] Vol_total表示車輛總流量，單位為輛/h,
[0014] (b)大車速度
[0015] Spejruck表示車輛的行駛車速，表示車輛在道路某一區(qū)間內(nèi)的行駛距離和行駛 時(shí)間（即行駛時(shí)間中扣除停車延誤時(shí)間）的比值，單位km/h;
[0016] 其中,暴露變量為：
[0017] EXPO = AADTX365XLX 10 6XY
[0018] 其中：AADT表示特定時(shí)間段內(nèi)的年平均交通量，單位為輛/單位時(shí)間；
[0019] L表示路段長度，單位為km ;
[0020] Y表示預(yù)測持續(xù)時(shí)間，單位為年。
[0021] 本發(fā)明的平原區(qū)高速公路事故預(yù)測方法，在對我國高速公路運(yùn)行特點(diǎn)進(jìn)行分析的 基礎(chǔ)上，綜合考慮了交通事故與交通量、路段長度以及大車相關(guān)變量（尤其是大車速度和 大車百分比）之間的潛在聯(lián)系，利用由此構(gòu)建的事故預(yù)測模型，能夠基于交通流特征參數(shù) 有效地預(yù)測特定路段的交通事故數(shù)量，對交通事故的預(yù)防以及交通管理和調(diào)度具有重要的 指導(dǎo)意義。
【具體實(shí)施方式】
[0022] 交通事故的發(fā)生與道路、車輛、天氣、駕駛員、行人以及突發(fā)事件等眾多因素都存 在關(guān)聯(lián)。人們一直試圖獲得交通事故與一些可控的客觀因素之間的關(guān)系，進(jìn)而有效地調(diào)整 這些因素，以便減少交通事故的數(shù)量。道路本身的狀況一直被認(rèn)為是與交通事故存在密切 關(guān)系的因素。然而，發(fā)明人通過研究發(fā)現(xiàn)，對于平原區(qū)高速公路而言，由于其線形一致性較 好，路面狀況好、交通工程設(shè)施齊備，交通事故與道路自身?xiàng)l件之間的關(guān)聯(lián)相對較弱，而是 與交通流量、速度、密度和交通組成等交通流要素的相關(guān)性更為密切。發(fā)明人進(jìn)一步的研究 表明，在對平原區(qū)高速公路的交通事故進(jìn)行預(yù)測時(shí)，并不需要考慮道路條件因素的影響。這 可以通過下面詳細(xì)描述的具體實(shí)施例得到證實(shí)。
[0023] 通過廣泛采集平原區(qū)高速公路的交通流要素以及交通事故數(shù)量等數(shù)據(jù)樣本，采用 廣義回歸模型（也稱為概率模型）對樣本數(shù)據(jù)進(jìn)行處理，并通過相關(guān)性分析確定納入模型 的變量，對自變量和因變量進(jìn)行擬合，最終得到了如下的基于交通流特征參數(shù)的負(fù)二項(xiàng)分 布形式的事故數(shù)均值預(yù)測模型：
[0024] λ = EXPO, exp (-2. 851349+0. 9423701. Truck% +0. 0246028. Spe_truck) (I)
[0025] 其中：λ為該路段上特定時(shí)間段內(nèi)的預(yù)測的年平均事故數(shù)；
[0026] Truck%為大車百分比，可通過下式計(jì)算：
[0027]
[0028] 其中：Vol_truck表示大車流量，單位為輛/h,
[0029] Vol_total表示車輛總流量，單位為輛/h,
[0030] Spejruck為大車的行駛車速，表示車輛在道路某一區(qū)間內(nèi)的行駛距離和行駛時(shí) 間（即行駛時(shí)間中扣除停車延誤時(shí)間）的比值，單位km/h;
[0031] EXPO為暴露變量：
[0032] EXPO = AADTX365XLX 10 6XY
[0033] 其中：AADT表示該特定時(shí)間段內(nèi)的年平均交通量，單位為輛/單位時(shí)間；
[0034] L表示路段長度，單位為km ;
[0035] Y表示預(yù)測持續(xù)時(shí)間，單位為年。
[0036] 在使用公式（1)進(jìn)行計(jì)算時(shí)，只是進(jìn)行單純的數(shù)值運(yùn)算，并不需要代入單位。當(dāng) AADT為每天的年平均交通量時(shí)，即其以輛/日為單位取值時(shí)，得到的預(yù)測結(jié)果λ為每天的 年平均事故數(shù)；當(dāng)基于每天中第i小時(shí)（i取值從〇至23)的年平均交通量計(jì)算AADT時(shí)，即 以輛/h為單位取值時(shí)，得到的預(yù)測結(jié)果λ為每天中第i小時(shí)的年平均事故數(shù)。實(shí)際上，公 式（1)并不局限于以上述兩種時(shí)間單位進(jìn)行預(yù)測，進(jìn)行預(yù)測的時(shí)間段可以是每天中的任意 一段時(shí)間，比如，早、晚高峰時(shí)段，早7點(diǎn)至9點(diǎn)或晚17點(diǎn)至19點(diǎn)。相應(yīng)地，AADT也需要以 每天中該特定時(shí)段上的年平均交通量為基礎(chǔ)進(jìn)行計(jì)算，可以以輛/單位時(shí)間為單位取值。
[0037] 以京津塘高速公路k〇-k35路段上午8:00-9:00的交通數(shù)據(jù)為例，路段長度為 35km，年平均小時(shí)交通量為3442輛/h，其中大車流量為246輛/h，大車速度為70km/h，將以 上數(shù)據(jù)代入公式（1)進(jìn)行計(jì)算，即可預(yù)測該路段三年內(nèi)的交通事故發(fā)生數(shù)。
[0038] 計(jì)算大車比例：
[0039]
[0040] 計(jì)算暴露變量：
[0041] EXPO = AADTX365XLX 10 6XY = 3442X365X35X 10 6X3 = 131. 9
[0042] 進(jìn)而，得到該路段三年內(nèi)的交通事故發(fā)生數(shù)的預(yù)測值為：
[0043] λ x = EXPO, exp (-2. 851349+0. 9423701. Truck% +0. 0246028. Spe_truck)
[0044] = 131. 9. exp (-2. 851349+0. 9423701. 7% +0. 0246028. 70)
[0045] = 45. 6
[0046] 分別使用京津塘高速、長萬高速和上界高速的交通流參數(shù)的實(shí)際數(shù)據(jù)對公式（I) 進(jìn)行驗(yàn)證，結(jié)果如下表所示。
[0047]
[0048]
[0049] 從以上結(jié)果可以看出，各個(gè)路段的預(yù)測事故數(shù)基本與實(shí)際發(fā)生事故數(shù)較好地吻 合，從而證明了上述模型的準(zhǔn)確性和實(shí)用性。
[0050] 通過上述的預(yù)測模型，可以針對性地限制特定時(shí)段的大車比例和/或車速，進(jìn)而 在盡可能不影響交通運(yùn)營的情況下，減少可能發(fā)生的交通事故。此外，還可以在宏觀上對高 速公路的運(yùn)營管理提供決策支持。
[0051] 由于上述模型沒有考慮與道路自身?xiàng)l件相關(guān)的參數(shù)，相比于考慮道路道路線型的 模型，排除了不必要的干擾，更能準(zhǔn)確地體現(xiàn)平原區(qū)高速公路的交通流變量對事故發(fā)生的 影響。
[0052] 本領(lǐng)域技術(shù)人員應(yīng)該認(rèn)識到，不背離本發(fā)明的實(shí)質(zhì)和范圍，可以對各個(gè)特定的實(shí) 施例進(jìn)行各種的變化和/或修改。本發(fā)明的保護(hù)范圍并不局限于各個(gè)實(shí)施例所描述的形 式。
【主權(quán)項(xiàng)】
1. 一種基于交通流特征參數(shù)的平原區(qū)高速公路事故預(yù)測方法，基于特定路段上特定時(shí) 間段內(nèi)的交通流特征參數(shù)信息以及暴露變量，利用如下公式對所述路段上的交通事故數(shù)進(jìn) 行預(yù)測， 入=EXPO, exp (-2. 851349+0. 9423701. Truck% +0? 0246028. Spe_truck) 其中所述路段上所述特定時(shí)間段內(nèi)的預(yù)測的年平均事故數(shù)； 其中，所述交通流特征參數(shù)信息進(jìn)一步包括： (a)大車百分比：其中：Vol_truck表示大車流量，以輛/h為單位取值， Vol_total表示車輛總流量，以輛/h為單位取值， (b) 大車速度： Spejruck表示車輛的行駛車速，表示車輛在道路某一區(qū)間內(nèi)的行駛距離和行駛時(shí)間 (即行駛時(shí)間中扣除停車延誤時(shí)間）的比值，以km/h為單位取值； 其中，暴露變量為： EXPO = AADTX365XLX10 6XY 其中：AADT表示所述特定時(shí)間段內(nèi)的年平均交通量，以輛/單位時(shí)間為單位取值； L表示路段長度，單位為km; Y表示預(yù)測持續(xù)時(shí)間，單位為年。2. 根據(jù)權(quán)利要求1所述的平原區(qū)高速公路事故預(yù)測方法，其中，AADT表示每天的年平 均交通量，以輛/日為單位取值，得到的預(yù)測結(jié)果A為每天的年平均事故數(shù)。3. 根據(jù)權(quán)利要求1所述的平原區(qū)高速公路事故預(yù)測方法，其中，AADT表示每天中第i 小時(shí)（i取值從〇至23)的年平均交通量，以輛/h為單位取值，得到的預(yù)測結(jié)果A為每天 中第i小時(shí)的年平均事故數(shù)。
【專利摘要】本發(fā)明是一種基于交通流特征參數(shù)的平原區(qū)高速公路事故預(yù)測方法，可用來根據(jù)特定路段的交通流特征參數(shù)信息對該路段上的交通事故數(shù)進(jìn)行預(yù)測。實(shí)踐證明，該方法可以較好的預(yù)測平原區(qū)高速公路路段的事故發(fā)生數(shù)的均值，對交通事故的預(yù)防以及交通管理和調(diào)度具有重要的指導(dǎo)意義。
【IPC分類】G08G1/00
【公開號】CN105096586
【申請?zhí)枴緾N201410204184
【發(fā)明人】鐘連德, 武珂縵, 張瀟丹, 李欣, 趙娜樂
【申請人】交通運(yùn)輸部公路科學(xué)研究所, 北京中交華安科技有限公司
【公開日】2015年11月25日
【申請日】2014年5月15日