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).     

交通事故损失的时间序列分析

为揭示交通事故经济损失的变化规律,笔者研究并利用时间序列的方法,建立了ARIMA模型,对1985—2005年全国交通事故经济损失的数据进行了分析和预测。根据原始数据的特点,选择随机时间序列分析方法。通过对模型的识别和参数的选择,得到2006—2008年的交通事故损失的预测值分别为2.9559,2.9707和3.0129亿元,置信区间为95%。通过对1985—2005年交通事故经济损失的预测结果与原始数据的比较表明,预测结果接近原始数据,该方法为交通事故的预防和控制提供了技术指导和有益参考。     

高等级公路车速管理研究

高等级公路交通事故中约 1/ 3与车速直接相关。为保证高等级公路行车安全 ,车速管理非常必要。从我国高等级公路管理现状出发 ,根据对我国高等级公路车辆实际运行特征和运行车速的实地调查 ,笔者对高等级公路车速限制的设定、发布及实施进行了研究 ,提出了应根据公路、交通、气象、历史事故数据等条件动态确定限制车速的概念 ,并就高等级公路车速管理的实施进行了探讨 ,重点强调了道路设计和交通安全文化建设在实施车速管理中的重要性。     

基于速度特征指标的高速公路线形一致性综合评价

为量化评价已建和拟建高速公路交通安全性,以实测运行车速数据和事故率数据为基础,根据公路空间属性的变化,采用不定长法进行路段划分。考虑不同路段车速协调性和连续性的需求,引入客货差极差比、车速降低系数、路段车速离散度等车速特征指标。通过对运行车速特征指标与事故率的相关性分析,采用多元回归的方法建立了高速公路线形设计一致性综合评价模型,同时结合事故多发点改善效果的显著性,确定我国高速公路安全性服务水平,在此基础上提出线形设计一致性评价标准和评价方法。太旧高速公路的实例应用结果表明,该方法可准确有效地评价线形设计一致性。     

辅助驾驶中的换道决策安全研究

换道是驾驶员达到快速通行目标的一种常用手段,但换道会带来很多公路交通事故。为有效避免交通事故,需给驾驶员提供换道安全预警。构建了安全换道决策模型,将换道决策分为换道意图识别和换道条件判断分别建立模型以提高预测精确度。通过神经网络方法SOM(Self-Organization-Map)聚类及BP(Back Propagation)建立换道意图识别模型,基于贝叶斯理论建立最小风险贝叶斯换道条件判别模型。模型开发和测试采用车辆轨迹数据集(NGSIM),提取数据中的换道行为特征参数作为模型的输入,将驾驶员换道决策预测视为输入变量的函数。通过对比最小贝叶斯和最小风险贝叶斯方法发现,由后者构建的换道条件判别模型效果较好,对于不换道行为的预测精度为90.4%,换道行为的预测精度为73.8%。鉴于错误的换道决策可能导致交通事故,而错误的不换道决策只会导致失去一次换道的机会,在换道辅助系统中,不换道决策的精确度要求需高于换道决策的精度。最后,在微观交通仿真系统中加入换道决策模型,其结果验证换道决策安全。最小风险贝叶斯换道条件判别模型的引入,使得换道决策系统能够通过修正风险系数,进一步提高换道判别精度,减少不安全的换道概率。     

零轨迹事故中碰撞冲量算法反求车速的研究

为提高交通事故车速计算适用性及精度,针对车速计算中的滑移轨迹无法完整获取的问题,建立一种基于碰撞冲量的车速反求算法。利用冲量角度和变形能公式求得冲量大小,结合动力学方程计算车速。采取三维激光扫描技术及LS-DYNA求解器仿真分析车辆碰撞变形角度对碰撞冲量方向的影响。试验结果显示,两者存在线性关系。在仿真数据基础上,建立七元线性方程。误差分析结果表明,在一定车速范围内,该方程的角度误差可控制在6°以下。最后通过一起交通事故实例,验证冲量算法。在零轨迹下也可用冲量算法有效计算碰撞车速。     

考虑随机效应的腐蚀管道贝叶斯退化分析

为提高管道腐蚀退化分析模型的适用性和预测精度,加强管道安全性管理,提出一种通用的基于贝叶斯理论考虑随机效应的逆高斯(IG)过程退化分析方法。根据系统退化随机效应信息,并结合直接处理在线预测数据集的方法,利用贝叶斯方法建立一个简单的IG模型和随机漂移(RD)、随机波动(RV)、随机漂移-波动(RDV)等3个随机效应IG模型。基于相关模型参数产生的后验样本,通过贝叶斯χ2优度检验得到的概率分别为简单IG模型为0. 981 3; RD-IG模型为1. 00; RV-IG模型为0. 925; RDV-IG模型为0. 994 7。案例结果表明:RD-IG模型对数据拟合良好,贝叶斯分析方法在实时监测场景下进行退化预测灵活性强;考虑随机效应的退化分析能提高预测的准确性。     

服务于运行车速预测的公路线形指标空间综合描述模型

为提高公路路线设计指标的安全性和一致性,改变固有运行车速预测模型的建模思路,解决运行车速预测中公路线形指标的客观描述问题,通过分析运行车速与公路平、纵、横线形指标的相关性,提出公路线形空间综合指数的概念.应用模糊综合评判法,确定公路线形几何特性的模糊集,模型主要考虑的车速影响因素有平曲线半径、累计转角、曲线上位置比例、纵坡以及横坡等;运用层次分析法,确定各因素的权重,采用梯形和半梯形隶属函数,提出了服务于运行车速预测的公路线形指标空间客观描述模型;最后,应用实例进行了公路线形空间综合指标的计算说明.     

高速公路断面运行车速分布特征研究

在探讨车速分布指标与交通安全关系的基础上,对影响高速公路安全性设计与评价的运行车速指标分布特征进行深入研究。以高速公路大量实测运行车速数据为分析对象,通过研究断面运行车速频率分布特征,利用PP概率分布图和单样本K-S检验方法,对车速数据进行正态,Weibull(威尔布),Gamma(伽玛)及Logistic等4种分布形式的拟合检验。基于统计学原理,提出求解运行车速特征指标的方法。结果表明:高速公路断面运行车速服从正态分布;采用概率分布累积函数可有效解决运行车速基础理论中原始观测车速数据的指标准确量化问题。     

基于组合预测优化模型的交通事故预测研究

为提高交通事故预测精度,基于熵值法构建UGM(1,1)-Holt组合预测模型,将滑动转移概率思想引入马尔科夫链模型,实现组合预测优化。应用该模型拟合分析2003—2011年湖北省交通事故死亡人数的历史数据,并以2012—2014年数据验证其有效性。通过实例对比UGM(1,1)模型、Holt指数平滑模型、组合预测模型和组合预测优化模型的预测精度。结果表明:相比前3种模型,提出的组合预测优化方法拟合值平均相对误差(MRE)为0.45%,3年预测值MRE为1.25%,能有效获取单一模型优势,预测精度更高。     

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%。     

基于最优加权的道路交通事故组合预测模型

针对各种单一灰色预测方法存在的局限性,建立了一种基于最优加权的灰色组合预测方法。根据我国道路交通事故的发展情况,建立了GM(1,1)模型和Verhulst模型相结合的组合预测模型,运用最优加权法确定了组合预测模型的权重系数。利用2001—2007年我国道路交通事故数据死亡人数数据,对建立的灰色组合预测模型进行了预测。预测结果表明,组合预测模型比单一的GM(1,1)模型和Verhulst模型具有更高的预测精度。     

城市道路交通安全GIS系统的研究

GIS系统是有效提高城市道路交通安全管理的水平 ,减少事故的发生 ,使事故对道路通行的影响最小化 ,并有效合理分配交通流的重要手段。笔者在研究城市道路交通安全GIS系统的基础上 ,讨论了数据的来源、专题信息图层的构建 ;提出了系统开发的主要技术 ;介绍了道路交通安全信息的采集、查询和更新 ,交通事故信息的分析与预测 ,交通事故管理等功能 ;并提出了基于道路交通安全GIS系统事故管理的一些新方法。     

Research on the prediction model of hazardous chemical road transportation accidents

In recent years, hazardous chemicals road transport accidents have occurred frequently, causing huge casualties and property losses, and accident risk assessment has become the focus of researchers' research. To predict the risk probability value of hazardous chemical road transport accidents, first, we compiled data on road transportation accidents of hazardous chemicals in China in the past five years. And the nine nodes in the Bayesian network (BN) structure were defined in combination with relevant classification standards. The optimal Bayesian network structure for hazardous chemical road transport accidents was determined based on the K2 algorithm and the causalities between the nodes. Second, the node conditional probabilities were derived by parameter learning of the model using Netica, and the validity of the model was verified using the 5-fold cross-validation method. Last, the Bayesian network model of hazardous chemical road transport accidents is used to analyze accident examples, and the accident chain of “rear-end-leakage” is predicted, and the accident is most likely to be disposed of within 3–9 h. The study shows that the derived accident prediction model for hazardous chemical road transportation can reason reasonably about the evolution of accident scenarios and determine the probability values of accident risks under different parameter conditions.     

Incorporating real-time traffic and weather data to explore road accident likelihood and severity in urban arterials

IntroductionThe effective treatment of road accidents and thus the enhancement of road safety is a major concern to societies due to the losses in human lives and the economic and social costs. The investigation of road accident likelihood and severity by utilizing real-time traffic and weather data has recently received significant attention by researchers. However, collected data mainly stem from freeways and expressways. Consequently, the aim of the present paper is to add to the current knowledge by investigating accident likelihood and severity by exploiting real-time traffic and weather data collected from urban arterials in Athens, Greece.MethodRandom Forests (RF) are firstly applied for preliminary analysis purposes. More specifically, it is aimed to rank candidate variables according to their relevant importance and provide a first insight on the potential significant variables. Then, Bayesian logistic regression as well finite mixture and mixed effects logit models are applied to further explore factors associated with accident likelihood and severity respectively.ResultsRegarding accident likelihood, the Bayesian logistic regression showed that variations in traffic significantly influence accident occurrence. On the other hand, accident severity analysis revealed a generally mixed influence of traffic variations on accident severity, although international literature states that traffic variations increase severity. Lastly, weather parameters did not find to have a direct influence on accident likelihood or severity.ConclusionsThe study added to the current knowledge by incorporating real-time traffic and weather data from urban arterials to investigate accident occurrence and accident severity mechanisms.Practical applicationThe identification of risk factors can lead to the development of effective traffic management strategies to reduce accident occurrence and severity of injuries in urban arterials.     

高速公路交通安全现状分析及管理对策

为了分析高速公路交通安全现状,提出高速公路交通安全综合管理对策,采用对比分析法,研判当前高速公路交通安全形势,统计分析高速公路交通事故特征规律,提出基于“6E”的高速公路交通安全系统管理对策。以1994～2013年期间的高速公路交通事故统计数据为分析对象,采用事故起数、事故死亡人数、事故率、致死率、重大事故起数等作为评价指标,对比交通事故总量和不同等级公路事故情况,分析了当前我国高速公路交通安全形势。从交通安全执法管理的角度,对高速公路交通事故发生时间、事故形态、肇事车辆类型、事故原因、肇事驾驶人驾龄等进行了特征分析,在立法、教育、工程、执法、急救、评价6个方面,提出了高速公路交通安全管理系统化对策,为进一步认识当前高速公路交通安全形势,完善高速公路交通安全管理提供技术支持。     

基于TCT的平面交叉口安全评价方法研究

事故率法是评价平面交叉口交通安全水平常用的方法之一,但因其存在基于事故统计方法固有的因事故的稀有性而使评价周期过长、因事故统计的不完全性致使评价结论欠真、缺乏事故严重性程度的考虑等缺点。笔者针对事故率法评价交叉口安全水平存在的上述问题,在概要介绍交通冲突技术并对交通冲突技术的有效性进行分析的基础上,提出了使事故率法与交通冲突技术相结合,用交通冲突代替交通事故改善交叉口事故率法的理论设想。进而,结合质量控制法,研究了同类型交叉口的交通冲突率的临界值的确定,提出了基于交通冲突技术和交叉口交通冲突率的评价方法。     

山区二级公路运营期常态交通风险评价

为客观准确地评价山区二级公路常态交通风险,将风险源分为动态风险源和静态风险源.首先,基于白化权函数的综合评价法建立事故后果模型,基于历史事故数据建立事故概率模型,以评价静态风险;其次,结合白化权函数和层次分析法(AHP)建立事故后果模型,采用有序Logit模型建立事故概率模型,以评价动态风险;最后综合动静态风险结果评价...     

Data fusion,ensemble and clustering to improve the classification accuracy for the severity of road traffic accidents in Korea

Increasing amount of road traffic in 1990s has drawn much attention in Korea due to its influence on safety problems. Various types of data analyses are done in order to analyze the relationship between the severity of road traffic accident and driving environmental factors based on traffic accident records. Accurate results of such accident data analysis can provide crucial information for road accident prevention policy. In this paper, we use various algorithms to improve the accuracy of individual classifiers for two categories of severity of road traffic accident. Individual classifiers used are neural network and decision tree. Mainly three different approaches are applied: classifier fusion based on the Dempster–Shafer algorithm, the Bayesian procedure and logistic model; data ensemble fusion based on arcing and bagging; and clustering based on the k-means algorithm. Our empirical study results indicate that a clustering based classification algorithm works best for road traffic accident classification in Korea.