CN103198708B - 一种降低侧向撞击交通事故概率的车辆调控方法 - Google Patents

Abstract

本发明公开了一种降低侧向撞击交通事故概率的车辆调控方法，包括以下步骤：步骤10）获取事故路段的事故组交通数据；步骤20）获取事故路段的正常组交通数据；步骤30）建立交通流数据总样本；步骤40）确定侧向撞击交通事故概率函数；步骤50）确定标定后的侧向撞击交通事故概率函数；步骤60）实时检测路段发生侧向撞击交通事故的概率，并调控车辆；步骤70）重复步骤60），进行下一个设定时间，路段发生侧向撞击交通事故概率的检测，直至结束检测。该车辆调控方法利用交通流检测设备获取实时交通数据，实时检测快速道路发生侧向撞击交通事故概率，对车辆进行调控，减少交通事故。

Description

一种降低侧向撞击交通事故概率的车辆调控方法

技术领域

本发明涉及高速公路智能交通技术和侧向撞击事故预防技术，具体来说，涉及一种降低侧向撞击交通事故概率的车辆调控方法。

背景技术

随着城市化、机动化进程的不断深入，自20世纪80年代中期开始，我国交通运输业迅速发展，高速公路开始逐步进入快速发展时期。但是，由于机动车保有量的迅速增加以及管理手段的不当，高速公路交通安全形势越来越严峻。2007至2009年，我国高速公路共发生交通事故33058起，死亡18130人，每百公里死亡率是其他等级公路5.6倍，直接财产损失占全国道路交通事故总数的37.6%。目前，对于预防和降低高速公路交通事故数量方面，交通管理相关部门主要通过一些传统的方法来实施，例如：改善道路几何线形设计、改变道路横断面形式、在事故高发路段上安装控速设施、增加拥堵管理措施、增强驾驶员教育和实施速度执法等措施。

虽然这些方法在预防和降低交通事故数量方面是有效的，但是这些措施在很多时候是难以实施，并且这些措施往往需要耗费大量的人力、物力和财力。因而，在这样的大背景下，交通安全领域开始研究采用新的方法来降低高速公路交通事故数量以及交通事故带来的经济损失。越来越多的研究表明高速公路交通流运行状态与交通事故风险之间存在显著地统计学关系，通过高速公路交通流检测设备监测交通流运行状态能够对交通事故进行实时预测。

但是，大部分现有的实时交通事故预测模型仅能对交通事故概率进行预测，无法预测当前交通事故的可能地碰撞形态。对高速公路交通事故碰撞形态进行预测，能够对交通事故的发生提出更加有效地预防措施。例如，如果检测系统预测到即将发生追尾交通事故，那么可以通过可变限速系统降低上游车辆的速度来降低追尾事故风险；如果预测到即将发生侧向撞击事故，那么可以通过可变信息板警告驾驶人不要随便变换车道来降低侧向撞击事故风险。为了更好地预防侧向撞击事故的发生，本发明针对高速公路侧向撞击事故提出一种实时预测的方法，可以利用动态交通安全管理系统中的交通流检测设备实时监测交通流运行状况，实时判别侧向撞击事故发生前的危险交通流状态。

发明内容

技术问题：本发明所要解决的技术问题是：提供一种降低侧向撞击交通事故概率的车辆调控方法，该车辆调控方法利用交通流检测设备获取实时交通数据，实时检测快速道路发生侧向撞击交通事故概率，对车辆进行调控，减少侧向撞击交通事故数量。

技术方案：为解决上述技术问题，本发明采用的降低侧向撞击交通事故概率的车辆调控方法，该车辆调控方法包括以下步骤：

步骤10）获取事故路段的事故组交通数据：在快速道路上安装q个交通流检测设备，将相邻两个交通流检测设备之间的快速道路设为一个路段，利用每起车辆侧向撞击交通事故发生地点上游和下游两个交通流检测设备，采集车辆侧向撞击交通事故发生路段的事故组交通数据，所述的交通数据包括：侧向撞击交通事故发生前设定时间T内，上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄；q为大于1的整数；

步骤20）获取事故路段的正常组交通数据：对每起侧向撞击交通事故，采用病例对照研究法，按1∶a的比例选取侧向撞击交通事故发生路段在正常状态下的正常组交通数据，所述的正常状态是指路段没有发生侧向撞击交通事故时的状态，所述的1∶a是指对应于每起侧向撞击交通事故的交通数据，选取该交通事故发生路段在正常状态下的a组交通数据；所述的每组交通数据包括该路段在正常状态下、在设定时间T内的上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄；

步骤30）建立交通流数据总样本：将步骤10）采集的事故组交通数据和步骤20）采集的正常组交通数据组合成交通流数据总样本，该交通流数据总样本包含n个子样本；

步骤40）确定侧向撞击交通事故概率函数：利用概率单位法，建立如式（1）所示的侧向撞击交通事故概率函数：

$P(y_i=1|x_i)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{2})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})$ 式(1)

其中，i＝1、2、…、n；P(y_i＝1|x_i)表示交通流数据总样本中第i个交通流数据样本发生侧向撞击交通事故的概率，y_i表示交通流数据总样本中第i个子样本发生侧向撞击事故的状况，y_i的值为1或0，y_i=1表示第i个子样本发生侧向撞击事故，y_i=0表示第i个子样本没有发生交通事故，P(y_i＝0x_i)表示交通流数据总样本中第i个交通流数据样本没有发生交通事故的概率，P(y_i＝0x_i)=1-P(y_i＝1x_i)；x_1i表示第i个子样本的上游交通流量平均值，x_2i表示第i个子样本的下游车辆速度平均值，x_3i表示第i个子样本的上游相邻车道间占有率差绝对值的平均值，x_4i表示第i个子样本的上下游车辆速度差的绝对值，β₀为常数系数，β₁为x_1i的系数，β₂为x_2i的系数，β₃为x_3i的系数，β₄为x_4i的系数；

步骤50）确定标定后的侧向撞击交通事故概率函数：通过测算式（2）的最大值，确定β₀、β₁、β₂、β₃、β₄的值；并带入式（1）中，得到标定后的侧向撞击交通事故概率函数；

$\ln L(\mathrm{\β},x_i)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left(\begin{array}{c}{y}_i\ln \frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{d})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})\\ +(1-y_i)\ln (1-\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{2})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}))\end{array}\right)$ 式(2)

其中，lnL(β,x_i)表示似然函数的自然对数值；

步骤60）实时检测路段发生侧向撞击交通事故的概率，并调控车辆：设定侧向撞击交通事故的概率阈值P₀，然后通过待检测路段上游和下游两个交通流检测设备，实时采集该路段的交通数据，该交通数据包括待检测路段在设定时间T内的上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄；然后带入步骤50）确定的标定后的侧向撞击交通事故概率函数中，得到侧向撞击交通事故概率值P(y_i＝1|x_i)，当P(y_i＝1|x_i)>P₀时，则表明当前有发生侧向撞击交通事故的风险，在该路段前方通过可变信息板对驾驶员进行预警提示，提示驾驶员变换车道时谨慎驾驶，并启动控制设备，通过控制快速道路的匝道或者快速道路的交叉口信号灯，降低上游车辆的流量，通过可变限速板对当前车辆限速，降低上游车辆的行驶速度；当P(y_i＝1|x_i)≤P₀时，则表明当前为安全状态，无需发出警报提示；

步骤70）重复步骤60），进行下一个设定时间T，路段发生侧向撞击交通事故概率的检测，直至结束检测。

有益效果：与现有技术相比，本发明的技术方案具有以下有益效果：

1.车辆调控准确率高。已有的车辆调控方法不能根据事故车辆的碰撞形态而对车辆进行调控。而本发明的车辆调控方法对快速道路车辆发生侧向撞击交通事故的概率进行检测，并对车辆进行调控。该车辆调控方法能够对侧向撞击交通事故的发生，施加更加有效地预防措施。本发明用在快速道路上的智能交通系统实时检测侧向撞击交通事故的概率，当检测到有发生侧向撞击事故的风险时，在该路段前方通过可变信息板对驾驶员进行预警提示，提示驾驶员变换车道时谨慎驾驶，并启动控制设备，降低上游车辆的流量和降低上游车辆的行驶速度，从而达到减小侧向撞击交通事故发生概率的目的，有效的保障了快速道路的交通安全。

2.过程简单，实用性强。在本发明中，通过步骤50），得到标定后的侧向撞击交通事故概率函数后，只需要采集路段新的交通数据，就可以实时检测未来设定时间内，该路段发生侧向撞击交通事故的概率，进而调控车辆。本发明的方法使用简便、实用性强，具有较好的应用前景。

附图说明

图1是本发明的快速道路的布设示意图。

图2是本发明的流程框图。

具体实施方式

下面结合附图和实施例，对本发明的技术方案作进一步详细说明。

如图1和图2所示，本发明的一种降低侧向撞击交通事故概率的车辆调控方法，包括以下步骤：

步骤10）获取事故路段的事故组交通数据：在快速道路上安装q个交通流检测设备，将相邻两个交通流检测设备之间的快速道路设为一个路段，利用每起车辆侧向撞击交通事故发生地点上游和下游两个交通流检测设备，采集车辆侧向撞击交通事故发生路段的事故组交通数据，所述的交通数据包括：侧向撞击交通事故发生前设定时间T内，上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄。q为大于1的整数。

步骤10）中，相邻的两个交通流检测设备之间距离为500米到1500米，且交通流检测设备沿快速道路均匀布置。交通流检测设备为电磁感应线圈，或者视频交通流检测设备。

通过上游和下游两个交通流检测设备，按照采样步长采集检测路段的交通数据。采样步长优选为30秒。该交通数据包括上游交通流量、下游车辆速度、上游相邻车道间占有率差绝对值和上下游车辆速度差的绝对值四个参数，然后每隔设定时间T测算各参数的平均值，获得上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄。

步骤20）获取事故路段的正常组交通数据：对每起侧向撞击交通事故，采用病例对照研究法，按1∶a的比例选取侧向撞击交通事故发生路段在正常状态下的正常组交通数据。正常状态是指路段没有发生侧向撞击交通事故时的状态。1∶a是指对应于每起侧向撞击交通事故的交通数据，选取该交通事故发生路段在正常状态下的a组交通数据。每组交通数据包括该路段在正常状态下、在设定时间T内的上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄。a为大于等于2的整数，a优选为4。

在步骤20）中，病例对照研究法为现有技术，参见文献：《QuantitativeMethodsforHealthResearch:APracticalInteractiveGuidetoEpidemiologyandStatistics》，Bruce,N.,Pope,D.,Stanistreet,D.,2008.JohnWiley&SonsLtd。

步骤30）建立交通流数据总样本：将步骤10）采集的事故组交通数据和步骤20）采集的正常组交通数据组合成交通流数据总样本，该交通流数据总样本包含n个子样本。

步骤40）确定侧向撞击交通事故概率函数：利用概率单位法，建立如式（1）所示的侧向撞击交通事故概率函数：

$P(y_i=1|x_i)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{2})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})$ 式(1)

其中，i＝1、2、…、n；P(y_i＝1|x_i)表示交通流数据总样本中第i个交通流数据样本发生侧向撞击交通事故的概率，y_i表示交通流数据总样本中第i个子样本发生侧向撞击事故的状况，y_i的值为1或0，y_i=1表示第i个子样本发生侧向撞击事故，y_i=0表示第i个子样本没有发生交通事故，P(y_i＝0x_i)表示交通流数据总样本中第i个交通流数据样本没有发生交通事故的概率，P(y_i＝0x_i)=1-P(y_i＝1x_i)；x_1i表示第i个子样本的上游交通流量平均值，x_2i表示第i个子样本的下游车辆速度平均值，x_3i表示第i个子样本的上游相邻车道间占有率差绝对值的平均值，x_4i表示第i个子样本的上下游车辆速度差的绝对值，β₀为常数系数，β₁为x_1i的系数，β₂为x_2i的系数，β₃为x_3i的系数，β₄为x_4i的系数。

步骤50）确定标定后的侧向撞击交通事故概率函数：通过测算式（2）的最大值，确定β₀、β₁、β₂、β₃、β₄的值；并带入式（1）中，得到标定后的侧向撞击交通事故概率函数；

$\ln L(\mathrm{\β},x_i)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left(\begin{array}{c}{y}_i\ln \frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{d})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})\\ +(1-y_i)\ln (1-\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{2})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}))\end{array}\right)$ 式(2)

其中，lnL(β,x_i)表示似然函数的自然对数值。

步骤60）实时检测路段发生侧向撞击交通事故的概率，并调控车辆：设定侧向撞击交通事故的概率阈值P₀，然后通过待检测路段上游和下游两个交通流检测设备，实时采集该路段的交通数据，该交通数据包括待检测路段在设定时间T内的上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄；然后带入步骤50）确定的标定后的侧向撞击交通事故概率函数中，得到侧向撞击交通事故概率值P(y_i＝1|x_i)，当P(y_i＝1|x_i)>P₀时，则表明当前有发生侧向撞击交通事故的风险，在该路段前方通过可变信息板对驾驶员进行预警提示，提示驾驶员变换车道时谨慎驾驶,并启动控制设备，通过控制快速道路的匝道或者快速道路的交叉口信号灯，降低上游车辆的流量，通过可变限速板对当前车辆限速，降低上游车辆的行驶速度；当P(y_i＝1|x_i)≤P₀时，则表明当前为安全状态，无需发出警报提示。设定时间T优选为5—10分钟。P₀优选为0.2。通过可变限速板降低当前车辆限速，每次调整变化的车辆速度幅度在5km/h以内。

步骤70）重复步骤60），进行下一个设定时间T，路段发生侧向撞击交通事故概率的检测，直至结束检测。

本发明的车辆调控方法中，应用的检测装置包括交通流检测设备。交通流检测设备按照设定步长，实时采集检测路段的交通数据。将采集到的实时交通数据带入本发明所建立的侧向撞击交通事故概率函数中，测算当前发生侧向撞击交通事故的概率。如果测得的概率值大于指定阈值P₀，则表明该路段当前有发生侧向撞击交通事故的风险，应发出警报，并激活动态交通控制系统中的控制方案降低事故风险，然后继续采集数据；如果测得的概率值小于等于指定阈值P₀，则继续采集数据，进行下一次判断。

本发明的车辆调控方法根据采集的实时交通数据，判断检测路段当前是否存在发生侧向撞击交通事故的风险，是采用通过概率单位法建立的侧向撞击交通事故概率函数来判断检测路段发生侧向撞击交通事故的概率。

本发明的车辆调控方法实际运用过程分为建立标定后的侧向撞击交通事故概率函数，以及检测侧向撞击交通事故概率，调控车辆两个过程。

建立标定后的侧向撞击交通事故概率函数：收集或采集检测路段一段时间内的事故组交通数据和正常组交通数据。为了保证建立的事故概率函数能够具有较好的精度，采集的样本尽量大，通常事故组交通数据样本大于200个，正常组交通数据样本大于400个。根据上述步骤10）到步骤50）建立标定后的侧向撞击交通事故概率函数。

检测侧向撞击交通事故概率和调控车辆：实时采集待检测路段的上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄，将这四个参数其代入所建立的标定后的检测侧向交通事故概率函数中，根据该函数测算得的概率值，对快速道路交通事故进行实时检测。如果得到的概率值大于阈值P₀，表明检测路段有发生交通事故的可能性，在该路段前方通过可变信息板对驾驶员进行预警提示，提示驾驶员变换车道时谨慎驾驶,并启动控制设备，降低上游车辆的流量和上游车辆的行驶速度；反之当概率值小于等于阈值P₀，表明该路段当前发生交通事故的概率较小，为安全状态，无需发出预警。

实施例

利用美国加利福利亚洲I-880道路上侧向撞击事故常发路段的真实交通数据，测试本发明在侧向撞击交通事故检测方面的性能。利用交通流检测设备采集的交通数据包括上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄。

根据本发明的步骤10和步骤20），采集157个事故组交通数据样本，以及628个正常组交通数据样本，总计有785个样本。

按4:1的比例将数据样本随机分隔成训练样本和测试样本。其中，训练样本包含126个事故组交通数据样本和504个正常组交通数据样本，用来建立标定后的侧向撞击交通事故概率函数。测试样本包含31个事故组交通数据样本和124个正常组交通数据样本，用来实时检测路段发生侧向撞击交通事故的概率，并测试本发明的检测精度。

利用选取的训练样本，根据本发明的步骤10）—步骤50），确定β₀、β₁、β₂、β₃、β₄值，如表1所示，带入式（1）中，得到标定后的交通事故概率关系式

表1

参数	系数
		上游交通流量平均值（x1）	0.047
下游车辆速度平均值（x2）	-0.036
		上游相邻车道间占有率差绝对值的平均值（x3）	0.076
上下游车辆速度差的绝对值（x4）	0.043

常数

-0.002

利用该侧向撞击交通事故概率函数对包含31个事故组交通数据样本和124个正常组交通数据样本的测试样本进行预测，发现该侧向撞击交通事故概率函数对侧向撞击交通事故检测的准确率为58.1%，对正常组交通数据样本检测的准确率为76.6%，总的检测准确率为72.9%。因此，本发明的方法通过检测快速道路发生侧向撞击交通事故概率，调控车辆，能够有效的降低交通事故的发生。本发明的方法具有实际的工程运用价值。

Claims (7)

1.一种降低侧向撞击交通事故概率的车辆调控方法，其特征在于，该车辆调控方法包括以下步骤：

步骤10)获取事故路段的事故组交通数据：在快速道路上安装q个交通流检测设备，将相邻两个交通流检测设备之间的快速道路设为一个路段，利用每起车辆侧向撞击交通事故发生地点上游和下游两个交通流检测设备，采集车辆侧向撞击交通事故发生路段的事故组交通数据，所述的交通数据包括：侧向撞击交通事故发生前设定时间T内，上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄；q为大于1的整数；

步骤20)获取事故路段的正常组交通数据：对每起侧向撞击交通事故，采用病例对照研究法，按1∶a的比例选取侧向撞击交通事故发生路段在正常状态下的正常组交通数据，所述的正常状态是指路段没有发生侧向撞击交通事故时的状态，所述的1∶a是指对应于每起侧向撞击交通事故的交通数据，选取该交通事故发生路段在正常状态下的a组交通数据；所述的每组交通数据包括该路段在正常状态下、在设定时间T内的上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄；

步骤30)建立交通流数据总样本：将步骤10)采集的事故组交通数据和步骤20)采集的正常组交通数据组合成交通流数据总样本，该交通流数据总样本包含n个子样本；

步骤40)确定侧向撞击交通事故概率函数：利用概率单位法，建立如式(1)所示的侧向撞击交通事故概率函数：

$P(y_i=1|x_i)=\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{2})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})$

式(1)

其中，i＝1、2、…、n；P(y_i＝1|x_i)表示交通流数据总样本中第i个交通流数据样本发生侧向撞击交通事故的概率，y_i表示交通流数据总样本中第i个子样本发生侧向撞击事故的状况，y_i的值为1或0，y_i＝1表示第i个子样本发生侧向撞击事故，y_i＝0表示第i个子样本没有发生交通事故，P(y_i＝0|x_i)表示交通流数据总样本中第i个交通流数据样本没有发生交通事故的概率，P(y_i＝0|x_i)＝1-P(y_i＝1|x_i)；x_1i表示第i个子样本的上游交通流量平均值，x_2i表示第i个子样本的下游车辆速度平均值，x_3i表示第i个子样本的上游相邻车道间占有率差绝对值的平均值，x_4i表示第i个子样本的上下游车辆速度差的绝对值，β₀为常数系数，β₁为x_1i的系数，β₂为x_2i的系数，β₃为x_3i的系数，β₄为x_4i的系数；

步骤50)确定标定后的侧向撞击交通事故概率函数：通过测算式(2)的最大值，确定β₀、β₁、β₂、β₃、β₄的值；并代入式(1)中，得到标定后的侧向撞击交通事故概率函数；

$\ln L(\mathrm{\β},x_i)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\left(\begin{array}{c}{y}_i\ln \frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{2})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})\\ +(1-y_i)\ln (1-\frac{1}{\sqrt{2\mathrm{\π}}}{\∫}_{-\∞}^{{\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}}\exp (-\frac{{({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}^2}{2})d({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}))\end{array}\right)$

式(2)

其中，lnL(β,x_i)表示似然函数的自然对数值；

步骤60)实时检测路段发生侧向撞击交通事故的概率，并调控车辆：设定侧向撞击交通事故的概率阈值P₀，然后通过待检测路段上游和下游两个交通流检测设备，实时采集该路段的交通数据，该交通数据包括待检测路段在设定时间T内的上游交通流量平均值x₁、下游车辆速度平均值x₂、上游相邻车道间占有率差绝对值的平均值x₃和上下游车辆速度差的绝对值x₄；然后代入步骤50)确定的标定后的侧向撞击交通事故概率函数中，得到侧向撞击交通事故概率值P(y_i＝1|x_i)，当P(y_i＝1|x_i)>P₀时，则表明当前有发生侧向撞击交通事故的风险，在该路段前方通过可变信息板对驾驶员进行预警提示，提示驾驶员变换车道时谨慎驾驶,并启动控制设备，通过控制快速道路的匝道或者快速道路的交叉口信号灯，降低上游车辆的流量，通过可变限速板对当前车辆限速，降低上游车辆的行驶速度；当P(y_i＝1|x_i)≤P₀时，则表明当前为安全状态，无需发出警报提示；

步骤70)重复步骤60)，进行下一个设定时间T，路段发生侧向撞击交通事故概率的检测，直至结束检测。

2.按照权利要求1所述的降低侧向撞击交通事故概率的车辆调控方法，其特征在于，所述的步骤10)中，相邻的两个交通流检测设备之间距离为500米到1500米，且交通流检测设备沿快速道路均匀布置。

3.按照权利要求1所述的降低侧向撞击交通事故概率的车辆调控方法，其特征在于，所述的交通流检测设备为电磁感应线圈，或者视频交通流检测设备。

4.按照权利要求1所述的降低侧向撞击交通事故概率的车辆调控方法，其特征在于，所述的步骤10)中，通过上游和下游两个交通流检测设备，按照采样步长采集待检测路段的交通数据，所述的采样步长为30秒。

5.按照权利要求1所述的降低侧向撞击交通事故概率的车辆调控方法，其特征在于，所述的设定时间T为5—10分钟。

6.按照权利要求1所述的降低侧向撞击交通事故概率的车辆调控方法，其特征在于，所述的步骤20)中，a＝4。

7.按照权利要求1所述的降低侧向撞击交通事故概率的车辆调控方法，其特征在于，所述的步骤60)中，P₀＝0.2。