基于机器学习的高速公路大型货车追尾风险预测

针对高速公路大型货车追尾事故频发的问题，评估高速公路大型货车追尾风险，并分析交通流特性对大型货车追尾风险的影响，以降低追尾事故的发生率。根据德国HighD开源数据集，以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准，提取大型货车的车辆轨迹与交通特征参数等数据，基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型；以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标，对比分析各模型的整体预测能力，并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度。研究结果表明：RF模型的预测准确率达75%,相对SVM模型高出8%,相对ANN模型高出10%,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型；最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高。     

基于交通冲突的高速公路施工区安全评价

为解决目前交通冲突数据采集方法精度不高以及未考虑冲突后果严重性的问题,选择典型边施工边通车的四改八车道高速公路施工区(路基阶段)为研究对象,使用高空无人机拍摄高精度区域过境通行车辆运行视频,通过视频识别和冲突识别程序得到连续冲突车辆微观数据;基于车辆碰撞理论推导交通冲突后果严重性模型,利用冲突严重率指标对施工区进行交通安全评价。结果显示:交通量和大型货车率对冲突严重率有非常显著的影响;交通量小于700 pcu/h时,冲突严重率较低;当交通量超过900 pcu/h后,冲突严重率随交通量快速增高;大型货车率越高,冲突严重率越高;通过交通组织分流交通量和大型货车,能提高施工区交通安全性。     

山区双车道公路摩托车事故严重度分析模型比较

山区双车道公路摩托车交通事故频发且死亡人数较多,准确认识不同类别事故严重度影响因素的作用规律是遏制事故发生的重要前提.针对这一问题,基于云南典型双车道公路522起摩托车交通事故数据,通过描述性统计分析时空分布特征、事故涉及交通方式分布特征、事故形态特征,并以3分类的事故严重度为因变量,将其分为仅财产损失、受伤、死亡事故3个等级,从人、车、路和行车环境4个方面选择了 14个潜在影响因素,分别采用有序Logit模型和多项Logit模型建立摩托车事故严重度分析模型,从预测准确率和自变量作用强度两个方面比较分析了两个摩托车事故严重度分析模型的适用范围,筛选重要影响因素.结果表明:仅财产损失事故受涉事者和肇事者年龄的影响较大,受伤事故受事故形态和事故发生季节的影响较大,死亡事故受事故发生季节和肇事者交通方式的影响较大;对3类事故严重度的预测能力,有序Logit模型的预测准确率为84.7％,多项Logit模型的准确率为92.4％,基于多项Logit模型摩托车事故严重度分析模型的预测准确率高且误报率较低,更适用于多分类的交通事故严重度的预测.     

面向自动驾驶的典型汽车与行人事故冲突场景研究

为了从交通事故数据中提取典型汽车与行人冲突场景,应用于自动驾驶汽车研发测试,首先将行人事故冲突场景的组成变量按主车、行人、道路、环境4个类别进行划分,利用群决策理论分析了各类别下属变量的重要性,提取重要变量并根据其取值定义了汽车与行人冲突的基础场景.结合国家车辆事故深度调查体系(NAIS)中行人事故数据,统计得到46类基础场景,分析了中国行人冲突基础场景的特征,并提取了 7种典型的基础场景,就其中2类最典型场景进行聚类分析,对后5类典型场景进行统计分析,获得了 16类典型汽车与行人冲突场景的详细描述.研究结果可为系统全面地研究我国自动驾驶汽车行人自动紧急制动(AEB)测试场景提供参考.     

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。     

基于心率指标的山区三级公路安全坡度研究

为研究驾驶员心率与山区公路纵断面坡度及车速间的关系,随机选取26名驾驶员在山区三级公路进行实车试验。利用动态生理仪采集驾驶员行车时的心率数据,GPS采集试验车辆的实时车速数据;通过偏相关分析,确定出影响驾驶员在山区公路纵坡路段行车时心率变化的主要因素,并建立上坡方向行车时驾驶员心率增长率与坡度及速度的关系模型。分析结果表明:上坡方向行车时,驾驶员的心率增长率随坡度增大而增加、随速度的增加而增大;因此,考虑驾驶员的舒适性和安全性,建议山区双车道三级公路上坡方向最大安全坡度不宜超过6.8%。     

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。     

道路运营安全性评价方法与指标

笔者从道路交通设施系统客观安全性和道路用户主观安全性的角度,应用交通冲突分析技术、运行车速预测方法、行车动力学仿真分析[空间视距模型、人工神经网络(ANN)模型],研究并分析车辆在自由流和非自由流两种状态下运营安全性,提出跟驰风险指数、变换车道风险指数、高速行车风险指数,建立了服务于道路安全运营管理的道路交通设施系统及其运营安全性的分析评价方法和指标。     

互通立交分流区交通冲突预测模型

互通立交分流区存在频繁的变换车道现象,导致交通流运行紊乱、交通冲突频发。为分析互通分流区交通安全状况,首先分析车头时距及车辆变道位置等交通流特性与交通冲突的关系,然后采用间隙接受理论判别交通冲突区间,构建基于间隙接受理论的分流区交通冲突预测模型。结果表明:车辆变道位置与交通冲突地点存在显著相关性,均位于距基准点600 m以内和减速车道的前60 m路段;交通冲突临界间隙为2.21 s,基于间隙接受理论的交通冲突区间为(2.06 s,2.31 s);分流区交通冲突预测模型预测结果与实际统计结果的相对误差在10%以下。减速车道长度以及分流比是影响交通冲突数的主要因素,可作为分流区交通安全改善方案的依据。     

复杂道路环境中驾驶人应激反应能力研究

为提高驾驶人在复杂道路环境中的应激反应能力,利用汽车驾驶模拟器试验平台和眼动仪,针对山区双车道公路、城市道路、高速公路和农村公路4种道路应激场景,研究驾驶人的应激反应能力。通过回归分析,研究驾驶人在复杂道路环境下应激反应能力与训练次数的关系。结果表明,驾驶人瞳孔面积变化率与应激训练次数的对数回归模型的拟合度较高;高速公路雾天(前车未打转向灯突然换道)条件下,驾驶人的应激反应能力较差;非职业驾驶人的应激反应能力,会随着时间的增长出现不同程度的减弱,可通过恢复性训练,较快回到原来的应激反应水平。     

基于GA/PSO-BP神经网络的石家庄VOCs环境浓度预测模型研究

为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度,在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM_2.5质量浓度、O₃质量浓度、NO₂质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO-BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R²)分别为0.80、0....     

北极海冰环境下船舶事故严重程度影响因素分析

为深入分析北极水域船舶事故影响因素,分别从劳氏全球海事事故数据库和加拿大运输安全局海上运输事故数据库抽取、清洗和转换1998—2017年共311条北极水域船舶事故数据,构建双变量Probit模型并分析边际效应,识别并研究北极海冰环境下船舶严重事故和污染事故的影响因素及其影响程度。研究结果表明:双变量Probit模型不仅可以识别船舶严重事故和污染事故之间的影响因素,而且可以分析两者之间的潜在联系;北极海冰环境下船舶严重事故和污染事故之间存在负相关关系;船舶总吨、船舶类型、船龄、事故类型、事故年份、事故地点、风和海冰是影响北极水域船舶严重程度的显著因素。     

山区公路暴雨-洪水灾害链贝叶斯网络建模推理

为提供山区公路暴雨-洪水灾害的防灾减灾工作依据,利用贝叶斯网络,研究不同情形下灾害链中公路构筑物的破损情况。山区公路暴雨-洪水灾害的演化过程具有链式规律,将其划分为暴雨灾害链和公路构筑物破坏链;以贝叶斯复杂网络理论为基础,结合重庆市、湖南省山区公路暴雨-洪水灾害历史灾情数据,分析公路各构筑物间相互影响方式,构建山区公路暴雨-洪水灾害链贝叶斯网络推理模型,并以湖南省绥宁县2015年6月18日省道S221武阳镇至李熙桥镇路段灾害为例进行模型验证。结果表明:利用贝叶斯网络工具箱,通过网络架构搭建、节点参数设定、联合树推理引擎调用等过程,可实现不同证据组合下贝叶斯网络推理预测;实例的模型预测结果与灾害实际情况吻合较好,证实了山区公路暴雨-洪水灾害链贝叶斯网络模型预测的可行性。     

基于HP滤波与ARMA模型的生产安全事故时序预测

为了研究月度生产安全事故变化规律并进行预测,采用Hodrick-Prescott滤波将事故序列分解为长期稳定趋势和短期波动两部分。对长期事故序列进行了平稳性检验,建立了线性回归预测模型。通过比较不同形式模型变量的显著性,建立了反映事故短期波动的自回归移动平均模型,短期预测值用于修正长期趋势预测值。结果表明,事故序列在长期上符合线性回归模型;事故短期波动预测ARMA(4,6)模型显示,事故波动变量与前1、2、4期存在自相关特征。     

处置阶段信息对高速公路交通事故持续时间的调节效应分析

应急处置阶段对交通事故持续时间演化至关重要，在信息视角下研究处置阶段信息对高速公路交通事故持续时间的影响具有重要意义。为了研究处置阶段信息在持续时间演化过程中的作用机制，从词频、上报次数、字符数及波动情况方面，采用内容分析法定义了处置阶段信息的评价指标，基于显著性调节变量建立高速公路交通事故持续时间的调节效应模型。通过稳健性检验，验证了模型的有效性。研究表明：变量Z₁、Z₂、Z₄、Z₅、Z₆、Z₇、Z₈、Z₉、Z₁₀分别对事故范围与持续时间的关系具有调节作用，调节变量在不同水平时影响幅度具有显著性差异。其中，Z₈、Z₆、Z₇的调节效应最强，依次为0.049、0.034、0.032。充分发挥处置阶段信息的调节作用，将有助于信息采集、发布和报送的有效性，进而辨识应急处置关键因素以促进处置效果。     

联合Transformer注意力机制的PM2.5浓度预测网络研究

应用深度学习技术进行PM_2.5浓度预测方法的研究，提出联合Transformer注意力机制的循环预测网络。模型的核心是多头注意力-长短期记忆网络(MH-LSTM),通过构建统一记忆单元捕捉时空特征关联。MH-LSTM单元使用LSTM联合Transformer注意力机制对时间变化和全局空间特征统一建模形成记忆信息。记忆信息“之”字流向跨越堆叠的MH-LSTM模块，高层记忆信息辅助下一时刻低层记忆信息的获取。应用该模型结合河北省生态环境监测中心提供的PM_2.5浓度数据开展预报试验，结果表明，相对于卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)、双重记忆网络(MIM),该模型预测的平均绝对误差分别减小了18.13%、10.23%、9.62%,实现了同时捕捉PM_2.5浓度的时空相关性，具有更优预测性能。     

高速公路分合流区潜在事故风险研究

为深入研究高速公路分合流区的安全性,分析其事故风险,针对多车道高速公路出入口处车辆的分、合流行为,将后侵入时间(PET)作为评价指标,分别找出分流区与合流区PET数据的分布规律,进而以50%分位值作为危险PET阈值。在此基础上,建立概率风险和速度风险等2类基于PET的潜在事故风险模型,并结合单因素方差分析法(ANOVA),对分合流区及其主要影响车道的安全性进行评价。结果表明:高速公路分合流区的PET样本均服从伽马分布,危险PET的阈值分别为1.42和2.44 s;分流区与合流区具有相同水平的安全性,驾驶员在分合流区主要影响区域的不同车道上行车承受的事故风险没有显著差别。     

农村公路交叉口交通事故特征关联性与风险因素分析

为降低农村公路交叉口事故风险,提取环境、道路、设施、车型和违法行为特征作为自变量,以事故形态和事故严重程度为因变量,构建考虑因变量内在关联的双变量Probit模型,分析二者的相关性,并识别显著影响因素。结果表明:农村公路交叉口交通事故形态和严重程度呈负相关关系,单车事故的死亡率更高;线形越好,隔离、控制设施越完备,事故严重性越低;车型越大,事故后果越严重;违法行为增加了发生致死性单车事故的概率。在交叉口处增设安全保障设施,对相交公路等级差异较大的路口实行限速管理,加强对大型车辆和摩托车的安全管理,加强对无证驾驶行为的处罚,可以改善农村公路交叉口安全水平。     

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。     

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。