高速公路追尾碰撞事故起数预测模型研究

为分析显著影响追尾碰撞事故的因素,分别采用负二项(NB)回归模型和零堆积负二项(ZINB)回归模型建立追尾碰撞事故起数预测模型。通过模型的拟合优度检验和准确性检验,对比2种模型的优劣,采用弹性分析确定自变量对因变量的影响程度。以2006—2008年某高速公路发生的追尾碰撞事故进行实证性研究。结果表明:ZINB回归模型比NB回归模型具有更好的拟合效果和预测准确性;在ZINB回归模型中,曲度、曲线比例、车道宽度与追尾碰撞事故起数显著正相关,曲率变化率、相邻路段坡差和弯坡组合与追尾碰撞事故起数显著负相关;车道宽度、曲率变化率和曲度对追尾碰撞事故的发生影响尤为明显。     

基于零膨胀负二项回归模型的内河水上交通人命安全分析

运用零膨胀负二项回归模型,分析水上交通事故中人员死亡失踪数量的各影响因素的影响程度。通过Pearson相关分析得到与水上交通事故中人员死亡失踪人数密切相关的因素,建立ZINB回归模型得到各因素的参数估计值。运用弹性分析方法对不同影响因素的影响程度进行评估,根据影响程度对各影响因素进行排序。将该方法应用于长江海事局辖区范围内的水上交通事故人员死亡失踪分析,取得了理想效果。     

基于事故修正系数的山区高速公路事故预测模型

为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定理想条件的基础上,借助优势比分析方法,建立10个不同线形组合相对于基本预测模型的CMF模型;通过弹性分析识别出对不同严重程度事故有显著影响的因素,并以此分析山区高速公路线形指标及线形组合的安全效应。研究结果表明：CMF能够定量反映不同线形组合的风险效应,且其值越高,事故率及事故严重程度可能更高;山区高速公路中,平曲线缓坡组合相对安全,平曲线陡坡组合、平曲线竖曲线组合均有较高的事故风险;平曲线与凹型竖曲线组合时的风险会略低于其与凸形竖曲线组合;控制纵坡度、减少平竖曲线的组合均有利于山区高速公路交通安全。     

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1 370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;采用二元Logistic回归模型分别对全体数据和不同道路类型下的数据建立疲劳驾驶交通事故严重程度预测模型,并对模型进行参数估计和检验。研究结果表明：模型拟合度良好,准确性高;对疲劳驾驶交通事故严重程度具有显著影响的因素有年龄、人员类型、车辆类型、道路类型、道路线形和能见度;车辆类型和道路线形是影响城市道路交通事故严重程度的重要因素,能见度是影响1,2级及其他更低级道路交通事故严重程度的重要因素。     

林火数据的Logistic和零膨胀Poisson(ZIP)回归模型

利用统计模型对森林火灾数据进行了描述和分析,所用模型包括Logistic回归模型和零膨胀Poisson(ZIP)回归模型.将所用的森林火灾数据分别视为分组因子数据和有序变量数据进行建模.为了进行预测和验证,建模时使用部分数据,其余数据作为检验数据,用以检验预测的准确性.研究结果显示,所研究的两类模型都得到了与检验样本接近的结果,具有较好的火灾次数预测能力.其中零膨胀模型不仅可以得到与Logistic模型相当的结果,而且能够有效解决火灾数大于天数的问题,以及可以对零值过多的数据进行较好地建模.该研究表明所建立的Lo-gistic回归模型和零膨胀Poisson回归模型都是分析火灾与影响因素相关性的适用模型.     

基于Adaptive Lasso及RF算法的冰雪天气交通事故分析

为分析冰雪天气下高速公路交通事故频发致因,量化分析驾驶环境、驾驶员及车辆情况对事故的影响,根据Adaptive Lasso和随机森林(RF)混合算法建立预测模型。以10年约30万组冰雪环境下高速公路交通事故数据为例,训练改进预测模型验证其准确性。结果表明,混合算法的准确度和拟合程度都优于支持向量机(SVM)、分类回归树(CART)及RF等单独算法。交通事故与环境因素相关性最显著,坡路、弯道及交叉口处事故受冰雪环境影响较大;事故与驾驶员因素中部分因素显著相关,如驾驶员性别及安全带使用情况;本地驾驶员对驾驶能力及冰雪环境的估计错误更易导致交通事故。     

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。     

山区二级公路交通事故致因的时间演化机制

为获取二级公路事故致因的时间演化机制,根据云南省元(谋)双(柏)二级公路2012—2017年事故数据,以交通事故严重程度为因变量,以时间、交通运行环境及交通事故参与者等为自变量,基于熵权-逼近理想解排序(TOPSIS)法量化交通事故严重程度;采用相关性分析法分析自变量与因变量间的相关程度;依托Logistic模型建立各年交通事故严重程度分析模型,并从拟合优度检验和预测准度检验等2方面检验模型的信度与效度。结果表明:事故发生天气、时间段、事故形态、是否涉及无防护车辆以及是否涉及大型车辆等与事故严重程度相关性较高,且形态为碰撞行人、涉及无防护车辆或大型车辆的事故严重程度较高。     

基于换道行为的驾驶分心识别方法

为预防驾驶分心导致的交通事故,利用径向基函数(RBF)神经网络模型,研究驾驶分心识别方法。通过驾驶模拟试验,分析驾驶人分别在正常驾驶、手持接听电话和免提接听电话等3种状态下执行车辆换道操作时的驾驶行为,构建基于最小正交二乘法(OLS)的RBF神经网络驾驶分心识别模型,用于判定驾驶人是否处于分心状态。研究表明:驾驶分心对换道过程中车辆的纵向速度、横向速度、横向加速度、方向盘转角、方向盘转速和油门开度等6项驾驶绩效参数有显著影响,所构建模型的平均识别正确率达到88. 7%,可准确识别驾驶人的分心状态,为分心事故预防提供理论支撑。     

山区高速公路桥隧道段事故预测

为准确预测山区高速公路桥隧道段的交通事故数,首先通过探讨桥隧道段组合结构安全长度,考虑驾驶员识别视距与通风照明需求后对桥隧道段的定义重新进行诠释。然后,选取我国西南山区某高速公路符合桥隧道段定义的2条路段作为研究对象,以该路段2013—2017年的事故数据为样本,采用路段长度一致法将路段划分为1 km的路段单元。最后,考虑桥隧道段风险特性,从构造物设计、道路线形、交通流参数及路面状况4个方面选取13个解释变量,以事故率与事故数作为被解释变量,通过K-S检验与Q-Q图检验分析选用事故数作为最终的被解释变量,并选用负二项模型进行解释变量显著性分析,进一步确定显著性解释变量并对所选路段进行事故预测。结果表明：隧道长度占比、相邻路段纵坡差、抗滑性能指数及年平均日交通量是影响桥隧道段事故发生的显著影响因素,采用负二项回归模型进行事故预测拟合程度较高,预测结果与实际平均单元事故起数误差仅为1.5%,模型具有较好的准确性。     

当前道路交通安全的现状与对策——“海峡西岸经济区安全发展”论坛 主题演讲6

(根据录音节选)一、中国道路交通事故的现状及发展趋势(略)二、交通事故致因分析(略)三、减少交通事故的对策从人、车辆和环境的主动安全技术、被动安全技术及ITS在交通安全中的应用三个方面,探讨减少交通事故,保障交通安全的对策。(一)主动安全技术1、人的主动安全性主要包括:交通安全教育和宣传以及交通安全的解释;交通医学(感知交通环境信息);交通的法律安全(血液酒精浓度检验、吸毒检验及法律裁决)。2、车辆的主动安全主要内容为:行驶安全(避免因驾驶不当或驾驶行为不当,例如,违反交通法规而引起交通事故等);工作环境安全(降低汽车驾…     

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。     

考虑空间相关性和交通环境影响的宏观事故建模

为准确分析宏观尺度下各项因素对发生交通事故的影响，从人口岗位等社会经济特征、交通环境和城市重要设施分布等角度出发，基于深圳市61.4万警情事故和892个交通分析小区建立带空间自回归误差项的空间自回归模型(SARAR),采用广义空间二段最小二乘法进行模型参数估计后，计算出各要素的空间溢出效应。模型结果表明：人口数量、岗位数量、区域面积、学校数量、主次干道长度和主次干道衔接不足均会显著增加本区域和周边区域内的交通事故数量；拥堵路段长度与交通事故的发生不存在显著关系。拟合优度对比结果发现，SARAR模型优于OLS、SAR和SEM模型，是分析宏观尺度下区域安全水平的有效方法。     

超大城市昼夜交通事故严重程度致因对比分析——以深圳市为例

为研究夜间交通事故严重程度致因,基于深圳市3年3 244起交通事故数据,获取昼夜交通事故分布的时空特征;进一步选取交通事故集聚的南山区、福田区、罗湖区的1 798起交通事故,以交通事故严重程度为因变量,以事故原因、日期、事故形态等10个因素为候选自变量,构建广义有序Logit回归模型,对比分析昼夜不同严重程度交通事故的影响因素。结果表明:路口路段类型、疲劳驾驶、事故日期在夜间模型参数估计值分别为0.493,-0.363,-0.309,而在日间模型表现为不显著,道路路面材料在日间模型参数估计值为-0.232,而在夜间表现为不显著;事故原因、道路横断面渠化方式等因素在日间和夜间所引起交通事故的严重等级均存在较大差异。     

道路交通事故的非线性偏最小二乘回归建模

就有效预防交通事故、提高道路交通效率而言,借助高精度的道路交通事故预测模型,准确分析事故原因是重要的基础性工作。首先基于偏相关分析方法,对影响事故起数、死亡人数和受伤人数这3个事故指标的11个因素进行相关性分析,确定最相关的影响因素及其线性相关性;然后利用偏最小二乘回归方法,对事故指标与影响因素之间的线性关系进行建模;进而基于非线性偏最小二乘回归方法,建立两者之间的非线性关系模型。通过对回归模型的精度分析,用偏最小二乘回归方法仅能对事故指标与影响因素之间线性关系准确建模,测定系数最大为0.98,相对误差最大为21.77%。用非线性偏最小二乘回归方法,对事故指标与影响因素之间的线性和非线性关系均能准确建模,测定系数最大为1.相对误差最大为4.23%。     

动态监控数据驱动的危险货物运输驾驶员风险评估

为合理评估危险货物运输驾驶员驾驶过程中的风险驾驶行为,辨别影响危险货物运输事故风险的显著因素,运用探索性因子分析与Logistic回归相结合的方法,可以避免数据多重共线性对分析结果的影响。首先基于车辆联网联控系统中记录的动态违规预警数据,利用探索性因子分析方法提取危险货物运输驾驶员高风险驾驶行为隐性因子;其次结合驾驶员事故数据,筛选与危险货物运输事故显著相关的高风险驾驶行为;最后通过建立Logistic回归模型预测驾驶员卷入危险货物运输事故的风险。结果表明,驾驶员的风险驾驶行为可归类为碰撞倾向驾驶行为、鲁莽驾驶行为、驾驶分神和驾驶疲劳4种,驾驶员具有不同的驾驶风险倾向,同时碰撞倾向驾驶行为、驾驶分神行为和驾驶疲劳状态指标是影响危险货物运输事故的显著因素,可以建立事故预测模型。研究结果为评估危险货物运输驾驶员风险提供了理论依据。     

交通事故致因中的人为因素分析

为改善交通安全状况,减少交通事故,从最主要的因素——人为因素出发,分析其影响。导致事故发生的主要原因是:驾驶员处理交通事件的能力(包括新手、老年、酒精、药物、疲劳、压力等),驾驶员在驾驶时采取冒险行为(包括不正确使用安全带、超速、犯罪、自杀等)。结果表明:新手驾驶、饮酒驾驶、疲劳驾驶、不正确使用安全带驾驶等仍是影响交通安全的主要因素。     

基于非集计理论的驾驶适宜性度量模型

为量化驾驶人的驾驶适宜性,丰富对其的检测理论和方法,应用非集计理论中的多项分对数(MNL)模型构建驾驶适宜性度量模型。模型以驾驶人一定时间内事故发生次数作为选择肢,以个人固有属性、生理心理属性14项指标作为影响因素,并根据200份实际调查数据标定各影响因素参数。另外,选取60份数据验证该模型。结果显示:14项指标参数检验值均小于1.96,各参数统计学意义显著;模型判定系数为0.364 748,表明模型拟合程度较高;且该模型计算值与统计值最大绝对误差仅为3.3%,表明模型精度较高,可用于预测驾驶适宜性。     

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。