公路隧道交通事故严重程度预测模型研究

为明晰公路隧道交通事故严重程度的影响因素,从134起事故统计数据中选出13个事故严重程度的潜在影响因素,分别采用有序Logit模型和广义有序Logit模型,建立交通事故严重程度预测模型。分析这13个因素对交通事故严重程度的影响程度,并对比2个模型的预测效果。结果表明:事故发生日期、发生时间、是否超速、天气和大型车比例5个自变量与事故严重程度显著相关。从广义有序Logit模型来看,事故发生时间不满足比例优势假设;广义有序Logit模型可以放宽部分自变量的比例优势假设,能给出更好的预测结果。     

我国道路交通事故特征及致因分析

为研究我国道路交通事故特征及致因机理，选取2015—2019年109万起道路交通事故数据，分析成因、形态、时间、肇事人、肇事机动车、伤亡人员6个方面特征规律。确定道路交通事故致因因素，采用决策试验与评价实验室(Decision Making Trial and Evaluation Laboratory, DEMATEL)法分析复杂系统关联性，构建道路交通事故致因因素递阶层次结构图，从理论上探究致因机理并得出本质致因因素。我国道路交通事故特征包括：86.29%的事故由机动车违法导致，主因是未按规定让行，违法装载是高危因素，超速行驶事故多且危害大；70.21%的事故是多车事故，侧面碰撞是主要事故形态，坠车和翻滚是高危事故形态；17:00—19:59是事故多发时段；生产经营车辆引发的事故危害大；行人更易受到致命伤害，男性因事故伤亡的概率高于女性；77.38%的事故致命原因为颅脑损伤；3.63%的肇事机动车存在机械故障。致因机理分析结果表明，超速行驶、超载运输、技术不足或标准法规滞后是致因机理中的本质因素，可作为改善事故风险的关键点。     

营运车辆昼夜运行速度特征及其风险

为客观评价营运车辆运行风险性,分析营运车辆昼夜运行速度特征,以速度参数作为行车风险评价指标,运用标准离差-熵权法构建营运车辆昼夜运行风险评价模型。以昆石高速公路营运车辆运行风险评价为实例验证模型的有效性。研究结果表明:昼夜运行速度均服从正偏态分布;营运车辆夜间平均车速高于日间,且昼夜超速比多为5%以下;日间加速度值大于夜间,夜间减速度值及急动度值大于日间。     

基于累积Logistic模型的交通事故严重程度时空分析

交通事故的发生具有随机性和偶然性,为尽可能地降低交通事故的伤害程度,根据某高速公路典型事故多发段的交通事故统计资料,以交通事故严重程度为因变量,从时间、道路空间结构和交通运行环境等因素中初步选择12个候选自变量,采用混合逐步选择法分析候选自变量与因变量是否显著相关。采用累积Logistic模型建立交通事故严重程度时空分析模型,并从成比例检验、拟合优度检验和预测准确度检验3个方面对模型进行检验。研究结果表明:事故发生时段、季节因素、发生地点、道路线形、坡度、事故涉及车辆数和日标准交通量与年平均日交通量之比与交通事故严重程度显著相关。     

考虑因素属性及层级关系的十字路口汽车事故致因分析

为了从层次划分的角度分析十字路口汽车交通事故发生的深层原因，引入解释结构模型和交叉影响矩阵相乘法模型并加以改进，利用国家车辆事故深度调查体系中4个省份共290起十字路口汽车交通事故数据，建立事故致因体系。通过构建改进灰色关联度矩阵与解释结构模型并进行混合建模，揭示各因素间的层级作用关系。同时，采用交叉影响矩阵相乘法构建驱动力-依赖性坐标图以进一步分析各致因因素间的相互作用关系。结果显示：十字路口汽车交通事故致因可划分为6级3阶的递阶结构，其中道路状况和交通管理因素是最根本因素，道路设施因素是最关键的间接因素，人的影响是最直接因素。这表明优先解决不良道路状况和其他驱动力因素会明显减少汽车事故发生，提高道路交通安全水平。     

高速公路交通事故影响因素分析及伤害估计

为了定量分析高速公路交通事故的主要影响因素,以国内3条高速公路227起交通事故为基础,根据人、车、路和环境交通4要素,提出运用有序Logit和多项Logit模型分别建立事故伤害程度预测模型。通过显著性水平为5%的假设检验,从15个备选变量中分别确定2类Logit模型的输入自变量。显著性分析表明:道路线形、路面通行条件、事故发生时间和能见度4个自变量与交通事故严重程度均显著相关。事故伤害程度预测模型对比结果显示:有序Logit模型仅对有财产损失的事故估计准确率为72.3%,多项Logit模型对死亡事故估计的准确率高达95%,总体上多项式模型的准确率比有序模型高20%。     

新能源汽车与行人交通事故严重程度分析

为探究影响新能源汽车与行人交通事故严重程度的诱因,基于英国近4 a发生的1 819条新能源汽车与行人交通事故数据,从驾驶员、行人、新能源车辆、道路、时空和环境5个方面选择了19个影响因素作为协变量,并根据数据特征将因变量分为轻伤和严重伤害两类。考虑到数据异质性,首先通过因子分析法与k-means聚类进行聚类分析,然后采用Logistic模型对聚类分析得到的两类集群进一步分析,从预测准确率和协变量共线性指标两个方面确认了模型的适用度。结果表明：基于聚类分析构建的Logistic模型预测准确率均达到80%以上;变道或超车、车龄、支路及环形交叉口、双幅路(有中央分隔带)对事故伤害严重程度有异质性影响;行人年龄大于46岁和夜间行车会明显增加事故严重程度;其中,变道或超车和行人年龄对新能源汽车事故严重程度的影响比传统人-车事故更加显著。     

基于累积Logistic模型的行人交通事故严重程度分析及对策研究

为了准确分析影响行人交通事故严重程度的各项因素,引入累积Logistic模型研究人、车、路、环境及事故特征与行人事故严重程度之间的关系.以美国北卡罗来纳州夏洛特市2016年的行人交通事故数据为样本,通过聚类压缩、共线性检验和预测力分析,从人、车、路、环境及事故特征5个方面选取16个因素作为自变量,事故严重程度作为因变量,构建行人交通事故严重程度预测模型来分析仅财产损失事故、受伤事故和死亡事故的影响因素,并引入弹性分析量化各显著因素的影响程度,检验结果显示模型拟合良好.结果表明,在0.05的显著性水平下,事故形式、事故发生时段、车辆类型、照明条件、行人年龄段、行人饮酒情况6个因素与事故严重程度显著相关.最后针对性地提出了行人事故预防对策.研究结果有助于交通管理者采取合理的策略来降低行人交通事故严重程度.     

基于事故深度调查的城市交通事故特征分析

为探索适合我国的事故数据深度采集标准,并分析城市道路交通事故特征及致因,基于《道路交通事故深度调查信息采集表》(简称采集表),调查人员随交警赴事故现场随机详细调查87起城市道路交通事故。借鉴"Haddon Matrix"思想建立致因分析矩阵系统,分析事故的致因。发现采集表对事故地点、事故形态及原因项分类更加具体、明确,女性驾驶员的事故发生率略低于男性驾驶员,驾驶员年龄超过60岁后,发生事故的危险性显著提高,"交叉口影响区"事故50%由变更车道引起,非机动车驾驶员未戴安全头盔是造成严重伤害的重要原因。     

基于有序Logit与Probit模型的交通事故严重性影响因素分析

为准确分析影响交通事故严重性的各项因素,引入有序选择模型中的Ordinal Logit模型和Ordinal Probit模型,研究驾驶员、车辆、环境、管理因素与事故严重程度之间的耦合关系,利用计量经济学理论和统计学方法对模型进行显著性检验。并选择美国北卡罗来纳州2010年至2014年385个翻车事故样本进行严重性影响因素分析,所得回归模型参数估计均符合Wald检验(p≤0.0001)和似然比检验(p≤0.0001),模型的拟合度也都符合Pearson检验(p=0.7976)、偏差检验(p=0.6006)和信息准则检验,模型预测精度指标值均大于0.7。所得两个模型中变量"安全带"(p≤0.001)、"路面状况"(p=0.0071)、"道路线形"(p=0.0077)、"路面类型"(p=0.0251)都对翻车事故的严重性具有显著影响,表明有序Logit模型和有序Probit模型均适用于分析和揭示影响交通事故严重性的各个因素。     

基于Logistic的不同车型碰撞行人事故严重程度致因分析

为定量分析不同车型碰撞行人事故严重程度影响因素,以美国北卡罗来纳州2007-2016年人车碰撞事故数据为样本,将其分为小轿车、SUV、货车碰撞行人事故3类,以事故严重程度为因变量,交通参与者属性、道路、环境条件和事故特征为候选自变量,分别建立累计logistic模型进行对比分析,探究人、车、路和环境因素对人车碰撞事故严...     

疲劳驾驶交通事故的严重程度影响因素分析

为探究和定量分析疲劳驾驶交通事故严重程度的影响因素,以广东省1370条疲劳驾驶事故数据为基础,对比分析不同年份、时间段以及年龄段的疲劳驾驶交通事故特征;以交通事故严重程度为因变量,将其分为严重事故和非严重事故,从驾驶员年龄、驾龄、车辆类型等17个初步选择的自变量中筛选对疲劳驾驶交通事故严重程度具有显著影响的因素;采用二...     

基于最优尺度Logit模型的交通事故形态致因分析

为剖析典型交通事故形态致因,在利用最优尺度分析法诊断交通事故形态致因共线性的基础上,筛选关键影响因素,构建无序多分类Logit交通事故致因模型并对模型进行参数标定,并选择100个交通事故样本对模型进行精度验证,该模型相对误差仅为4.0％,能够较为准确地分析典型交通事故形态致因.研究结果表明:路侧及中央隔离设施、照明是事...     

基于速度的交通事故分析

速度对交通事故的发生以及严重程度有着直接影响,是道路交通事故的重要诱因之一。为了准确地反映速度与事故之间的关系,减轻由于速度因素所造成的交通事故的损失,笔者对国内外速度与交通安全的情况进行分析;研究了平均速度与事故危险性、速度离散度与事故率以及速度与事故严重性的关系;提出了加强速度管理,控制交通流平均速度和减小相邻路段的速度差值的对策。基于速度的交通事故分析,建议采用85%位车速作为控制速度的上限值;提出限速措施,以达到减少交通事故及其损失的目的。     

基于贝叶斯网的交通事故机理分析

针对道路交通事故的形成机理进行定性、定量研究,根据我国道路交通事故记录数据特征,应用贝叶斯网对事故发生概率进行定量分析.引入"驾驶员紧张度"和"道路线形合理度"两个隐节点,建立了事故分析的贝叶斯网多层隐类模型,采用最大似然估计方法确定了模型的边缘概率和条件概率.将贝叶斯网模型应用于国道104二级公路(K1310+000～K1330+000)的事故分析中,运用贝叶斯网分析软件包Netica对其历史事故记录数据进行分析.结果表明: 贝叶斯网不仅可以定量计算某种道路交通状态下的事故发生概率,而且可以找出影响事故概率的关键原因和最不利状态组合(事故概率最大时的道路交通状态).     

基于APRIORI-TAN的交通事故伤害分析与预测*

为探究道路交通事故因素和事故伤害的相关性,以2 467起涉及人员伤亡的交通事故为数据集,运用Apriori算法分别挖掘事故伤害关联规则,并结合社会网络分析的可视化和核心-边缘分析构建受伤事故和死亡事故的关联规则网络。结果表明:事故伤害程度与事故时间、道路条件和交通环境等因素关系紧密,尤其死亡事故与碰撞固定物、人行横道事故、高速公路、高速道路、非市区、酒驾和超速存在高相关性。基于树型贝叶斯网络（TAN）构建事故伤害程度的预测模型,预测结果准确率可达87.56%。     

道路交通事故BP神经网络预测研究

在分析道路交通事故影响因素的基础上,确定道路交通事故评价指标体系。该体系包含交通事故次数、死亡人数、受伤人数3个输出指标及12个影响因素。利用人工神经网络具的强非线性逼近、模糊推理、自学习的优点,建立道路交通事故BP神经网络预测模型。模型对我国2006年、2007年、2008年的交通事故情况进行预测,其中,2006年、2007年预测精度较高,2008年预测误差稍大,可能的原因为2007年12月修订的《中华人民共和国道路交通安全法》对减少交通事故起到较大作用。     

事故车辆影响下的城市道路交通仿真研究

为研究事故车辆影响下城市道路交通的特征，构建考虑车辆抢道行为的元胞自动机交通流模型，研究给定冲突区域长度下不同进车率和不同事故持续时间对城市道路交通流的影响。研究结果表明:事故车辆会诱发交通瓶颈，对城市交通产生显著干扰并形成拥堵带，且拥堵带向事故车辆上游传递。不同事故持续时间下交通流演化存在差异，道路平均车流量、车流平均密度随着事故持续时间的增加而增加，车辆平均速度随之减小。当道路中车辆较少（pin=0.3）且事故持续时间达到15 min时，交通处于严重拥堵状态；当道路中车辆较多（pin=0.5）、事故持续时间达到5 min时，交通即处于严重拥堵状态。研究结果可为优化城市交通事故处理机制提供依据。     

云南山区公路事故多发路段安全对策措施研究

分析云南山区公路严峻的交通形势,及山区公路交通事故的特征、事故形态及影响因素,研究山区公路交通事故发生的机理。从人、车、路和环境等方面分析事故产生的原因,提出针对云南山区事故多发路段安全对策措施。分析表明,在云南山区,路况、人员安全素质、车辆性能、安全管理均处于较低水平,是重大事故多发的根本原因。提高系统安全性,实现系统功能最强,应使系统各要素相互匹配,以实现本质安全。