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。     

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.     

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。     

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。     

考虑均值异质性的高原山区公路责任事故严重度风险因素辨识

为明晰高原山区高速公路事故严重度的影响因素及差异，量化事故数据异质性对事故严重度的交互影响效应，基于云南省某高原山区高速公路550起有责交通事故数据，从责任驾驶员、责任车辆、道路特征和责任事故特性4个方面选取潜在特征变量，采用固定参数有序Probit模型和随机参数有序Probit模型，构建考虑均值异质性的高原山区高速公路责任事故的严重度分析模型，并采用边际弹性系数量化分析不同影响因素对事故严重度的影响程度。结果表明，缓和曲线、有其他妨碍安全驾驶的行为、轻型货车、重型货车、多车、下坡以及曲线路段7个因素显著影响责任事故严重度。“驾驶员存在其他妨碍安全驾驶的行为”和“重型货车”的估计系数分别是服从(0.375, 0.201)和(0.531, 0.988)正态分布的随机变量，总体导致死亡及重伤事故的概率分别增大6.15%和9.61%;当驾驶员在曲线路段存在其他妨碍安全驾驶的违法行为时，重伤或死亡事故概率增大6.54%。当重型货车在缓和曲线路段发生碰撞时，重伤或死亡事故概率会降低8.37%,重型货车因未与前车保持安全距离发生重伤或死亡事故概率会降低9.95%,而当重型货车与小客车碰撞时，重伤或...     

考虑异质性的翻车事故伤害建模

为深入分析影响翻车事故伤害程度的各项因素及其对不同受伤等级事故的影响,根据人、车、路、环境及事故5方面的安全因素,构建考虑异质性的翻车事故伤害混合logit模型;采用蒙特卡罗方法估计模型参数,并计算相应显著变量的弹性;通过显著性水平为5%的假设检验,从22个备选变量中确定混合logit模型的输入自变量。结果表明:驾驶员性别、年龄、安全带使用、安全气囊展开、甩出车外、酒驾、毒驾、偏离车道行驶、疲劳驾驶、采取错误避让措施、车辆类型、车辆行驶意图、路段类型、限速值、事故发生地、事故发生日期、不良天气、光线及路面条件与翻车事故伤害程度显著相关;年轻驾驶员与男性驾驶员群体对事故伤害程度的影响具有个体差异性。     

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。     

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。     

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。     

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。     

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.     

基于文本信息的高速公路事故持续时间中介效应研究

为探讨交通事故持续时间影响因素的内部耦合关系,揭示文本信息在链式传导过程中的作用机制,利用自然语言处理技术和随机森林算法,提出一种基于词频-逆文本频率(TF-IDF)模型的关键词重要度分析方法。同时,建立高速公路交通事故持续时间的多重中介效应模型,采用乘积系数的Bootstrap抽样法进行中介作用检验,分别检验文本特征在并行中介路径和两级链式中介路径中的显著性,并计算中介效应强度。以陕西省高速公路3 046起交通事故记录进行实例分析,结果表明：对持续时间的影响路径中,事故类型与月份存在部分链式中介关系,中介效应占比为11.868%,事故类型与天气、位置、事故范围之间存在完全链式中介关系,中介效应占比均为100%。文本信息字符数、上报次数在特定路径中是显著的中介变量,上报次数在天气对持续时间的中介效应类型为完全中介,字符数在事故范围对持续时间的中介效应类型为完全中介,时段对持续时间的影响有7.075%是通过字符数发挥作用。特定     

塔克拉玛干沙漠公路交通事故趋势预测分析

应用塔克拉玛干沙漠干线公路建成通车以来的交通事故统计数据,在分析交通事故主要指标发展变化特征和分布特征的基础上,建立了适用于沙漠公路交通事故特点的GM(1,1)预测模型,对未来几年内交通事故发展趋势进行了预测。预测结果表明,未来几年沙漠公路交通事故次数、死亡人数、受伤人数以及直接经济损失等4项指数将分别以15.9%,10%,4.5%和5%的年平均增长率快速增长。同时针对预测结果提出了相应的对策。     

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、照明是事故的保护性因子,可有效降低事故率;路侧行道树设置不合理或未及时修剪,使车辆不能有效识别道路信息,是正面碰撞的重要影响因素;机非混合道是事故的危险因子,增大了侧面碰撞事故发生概率。研究结果可为交通隐患精准识别、交通事故主动预防以及交通设施科学设计提供理论依据和技术支撑。     

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。     

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。     

杭州高速公路交通事故流行病学特点分析

目的:研究杭州高速公路交通事故的流行病学特点。方法:收集了2003—2006年杭州高速公路交通事故资料并对其进行流行病学分析。结果:①2003—2006年期间,发生交通事故8906起,涉及车辆12692辆,死亡115人,受伤1976人,造成直接经济损失1.15亿元;②交通事故以10月和1月发生最多,每周事故数呈逐渐上升趋势,9:00—11:00点和14:00—16:00点为事故的高发时段;③因驾驶员造成的交通事故超过事故总数的90%,主要原因为未保持安全的纵向距离和操作不当;车辆原因主要为爆胎和制动问题、天气及照明对事故有一定影响;④在高速公路交通事故中,乘客与驾驶员受到的危害程度相同。结论:研究高速公路交通事故的流行病学特点将有利于采取科学的措施减小高速公路交通事故给社会带来的危害。     

道路交通事故的影响因素研究——基于结构方程模型的实证研究

使用Amos建立了31个省市道路交通事故的结构方程,SEM道路交通结构模型选用了潜变量交通事故、人口素质、经济因子和车辆道路,每个潜变量包含三至五个指标观察变量,所有数据均通过信度检验。SEM道路交通结构模型采用bootstrap Stine p估计加以修正卡方值,通过了适配性检验和显著性检验,并拟合好全部路径系数、潜变量因子得分权重等,以此可计算得31个省市道路交通事故得分和排名,实证结果与31个省市道路交通事故实际情况相符,最后根据分析得出了影响道路交通事故的因素,并有针对性地提出了相关政策建议。