CN103198709B - 一种雨天状况下减少交通事故的车辆调控方法 - Google Patents

Abstract

本发明公开了一种雨天状况下减少交通事故的车辆调控方法，步骤10）获取事故路段的交通事故信息；步骤20）采集雨天状况下的事故组交通数据和天气数据；步骤30）采集雨天状况下的正常组交通数据和天气数据；步骤40）建立雨天状况下的交通流数据总样本；步骤50）建立初始交通事故概率关系式；步骤60）建立标定后的雨天状态下交通事故概率关系式；步骤70）检测在雨天状态下发生交通事故的概率，并调控车辆；步骤80）重复步骤70），采集下一设定时间T内的交通流参量和降雨强度，进行路段发生交通事故概率的判断，直至结束检测。该车辆调控方法实时检测快速道路在雨天状态下发生交通事故概率，对车辆进行调控，减少交通事故。

Description

一种雨天状况下减少交通事故的车辆调控方法

技术领域

本发明属于城市快速道路车辆交通智能管理和控制领域，具体来说，涉及一种雨天状况下减少交通事故的车辆调控方法。

背景技术

雨天条件下行车安全一直是交通安全中备受关注的一个热点问题。雨天天气不仅会显著影响驾驶员的反映时间，例如在雨天中，由于视线不好，驾驶人需要更长的时间来辨认前车的距离；而且路面潮湿会降低车轮与路面之间的摩擦力，导致驾驶人需要更长的距离来减速，因而雨天下更容易发生交通事故，而且雨天下的交通事故严重性较高，常常涉及人员伤亡。根据《中华人民共和国公安部交通事故统计年报》，2006年和2010年中分别有33,000和21,600起交通事故发生在雨天状况下，死亡人数分别为7,800和6,388人，受伤人数分别为39,980和26,785，直接经济损失分别为1.71亿和1.08亿元。因而，如何提升雨天下行程安全问题具有重要的实际意义。

已有雨天下的交通事故预防的方法比较简单，难以对雨天的交通事故进行有效的预防与降低。随着各种新型智能交通技术的出现，交通流检测设备的检测精度越来越高，越来越多的高速公路开始装备了各种道路环境气象监测站和交通流检测设备，例如地磁感应线圈、交通流视频识别系统、微波检测器等。同时，许多学者通过研究交通事故发生前交通流检测设备捕获到的交通流信息发现，交通流特征与交通事故存在一定的统计关系，即存在高风险交通流状态，对应着较高的事故发生概率。因而，通过监测雨天下的高风险交通流状态能够对雨天的交通事故进行有效的预防，当在雨天下检测到高风险交通流状态，可以通过可变限速控制逐步降低车辆行驶速度，来消除高风险交通流状态从而达到降低雨天交通事故数量的目的。

发明内容

技术问题：本发明所要解决的技术问题是：提供一种雨天状况下减少交通事故的车辆调控方法，该车辆调控方法利用交通流检测设备获取实时交通数据和环境气象站获取的天气数据，实时检测快速道路在雨天状态下发生交通事故概率，对车辆进行限速调控，减少交通事故。

技术方案：为解决上述技术问题，本发明采用的雨天状况下减少交通事故的车辆调控方法，该车辆调控方法包括以下步骤：

步骤10）获取事故路段的交通事故信息：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，并且在快速道路上安装m个环境气象站；采集待检测路段在雨天状况下的交通事故信息，包括雨天状况下各起交通事故的发生时间和发生地点，并确立位于交通事故发生地点上游和下游的两个交通流检测设备，以及距离交通事故发生地点最近的环境气象站；q和m均为大于1的整数；

步骤20）采集雨天状况下的事故组交通数据和天气数据：通过设置在交通事故发生地点上游和下游的两个交通流检测设备，采集该路段在雨天状态下交通事故发生前的事故组交通数据，所述的事故组交通数据包括该路段在交通事故发生前、设定时间T内的上游交通占有率平均值x₁、上游交通占有率平均值的方差x₂、上下游车辆速度差的绝对值x₃3个交通流参量；并通过距离交通事故发生地点最近的环境气象站，采集交通事故发生前的天气数据，天气数据是交通事故发生前设定时间T内的降雨强度x₄；

步骤30）采集雨天状况下的正常组交通数据和天气数据：对应于雨天状况下的每起交通事故，采用病例对照研究法，按1∶a比例选取交通事故发生路段在雨天正常状态下交通数据和天气数据，所述的正常状态是指路段没有发生交通事故时的状态，所述的1:a是指对应于每个事故组交通数据和天气数据，选取该交通事故发生路段在正常状态下的a个交通数据和a个天气数据；交通数据包括该路段在雨天、正常状态下，且在设定时间T内，上游交通占有率平均值x1、上游交通占有率平均值的方差x₂、上下游车辆速度差的绝对值x₃，天气数据是该路段在雨天、正常状态下，且在设定时间T内的降雨强度x₄；a为大于等于2的整数；

步骤40）建立雨天状况下的交通流数据总样本：对每个路段，将该路段上游和下游两个交通流检测设备在设定时间T内采集的交通数据，以及距离该路段最近的环境气象站采集的天气数据组合后，建立一个交通流数据样本；在每个路段中，所有在发生交通事故状态下形成的交通流数据样本组成事故组数据样本，所有在正常状态下形成的交通流数据样本组成正常组数据样本；将该快速道路所有路段中的事故组数据样本和正常组数据样本组合后，形成包含n个雨天状况下交通流数据样本的交通流数据总样本；n为大于等于2的整数；

步骤50）建立初始交通事故概率关系式：利用逻辑回归模型，建立如式（1）所示的初始交通事故概率关系式：

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

其中，i＝1、2、…、n；P(y_i＝1|x_i)表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故的概率，y_i表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故的状况，y_i的值为1或0，y_i=1表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故，y_i=0表示雨天状况下的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,P(y_i＝0|x_i)表示雨天状况下的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表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上游交通占有率平均值，x_2i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上游交通占有率平均值的方差，x_3i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上下游车辆速度差的绝对值；x_4i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的降雨强度；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60）建立标定后的雨天状态下交通事故概率关系式：

通过测算式（2）的最大值，确定β₀、β₁、β₂、β₃和β₄的值：

$\ln L\left(x_i\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[y_i\ln \left(\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}}\right)+(1-y_i)\ln (1-\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}})]$

式（2）

其中，lnL(x_i)表示似然函数的自然对数值；

接着将β₀、β₁、β₂、β₃和β₄，带入式（1）中，得到标定后的雨天状态下交通事故概率关系式；

步骤70）检测在雨天状态下发生交通事故的概率，并调控车辆：设定该快速道路在雨天状态下，发生交通事故概率的阈值为P₀，利用步骤10）设置的交通流检测设备和环境气象站，采集雨天状态下，待检测路段当前在设定时间T内的3个交通流参量和降雨强度，然后将该3个交通流参量和降雨强度带入步骤60）建立的标定后的雨天状态下交通事故概率关系式中，测算该设定时间T内第j个路段在雨天状态下的交通事故概率值P(y_j＝1|x_j)，如果P(y_j＝1|x_j)>P₀，则表明该路段j当前有发生交通事故的风险，则在该路段前方通过可变信息板对驾驶员进行预警提示，并启动控制设备，通过可变限速板降低当前车辆限速值，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，则表明第j个路段当前为安全状态，无需发出警报提示；j=1、2、…、（q-1）；

步骤80）重复步骤70），采集下一设定时间T内的3个交通流参量和降雨强度，进行路段发生交通事故概率的判断，进而对车辆进行调控，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，提高了车辆的行驶安全。已有的交通事故概率检测方法只利用交通流数据测算交通事故概率，没有考虑天气因素对交通事故的影响。本发明的车辆调控方法是专门针对雨天状态下的车辆调控。本发明采集交通流参数，并加入了雨天状态下的天气数据对交通事故的影响因素，可以提高交通事故概率检测精度。本发明建立的雨天状态下的交通事故概率关系式，考虑了天气状况对交通事故的影响。这样，该交通事故概率关系式就能更为准确的反映路段发生交通事故的概率，因为发生交通事故不仅与车辆本身有关，还与事故当时的天气状况有关。将实时采集的路段的交通数据和降雨强度带入交通事故概率关系式中，实时对路段发生交通事故进行检测。根据交通事故概率，决定当前是否需要启动预警手段，来降低交通事故风险，从而提高了车辆调控的准确率，降低了交通事故，有效的保障了快速道路的交通安全。

2.检测过程简单。在本发明的步骤60）建立雨天状态下的交通事故概率关系式后，只需要采集路段在雨天下新的交通流数据和降雨强度，就可以实时预测设定时间内，该路段在雨天下发生交通事故的概率，使用简便、实用性强，具有较好的应用前景。

附图说明

图1是本发明的交通流检测设备和环境气象站的布设示意图。

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，本发明的雨天状况下减少交通事故的车辆调控方法，包括以下步骤：

步骤10）获取事故路段的交通事故信息：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，并且在快速道路上安装m个环境气象站；采集待检测路段在雨天状况下的交通事故信息，包括雨天状况下各起交通事故的发生时间和发生地点，并确立位于交通事故发生地点上游和下游的两个交通流检测设备，以及距离交通事故发生地点最近的环境气象站；q和m均为大于1的整数。

在步骤10）中，相邻的两个交通流检测设备之间距离为500米到1500米，相邻的两个环境气象站之间距离为5公里到15公里，且交通流检测设备和环境气象站均沿快速道路均匀布置。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。快速道路上共设有q-1个路段。

步骤20）采集雨天状况下的事故组交通数据和天气数据：通过设置在交通事故发生地点上游和下游的两个交通流检测设备，采集该路段在雨天状态下交通事故发生前的事故组交通数据，所述的事故组交通数据包括该路段在交通事故发生前、设定时间T内的上游交通占有率平均值x₁、上游交通占有率平均值的方差x₂、上下游车辆速度差的绝对值x₃3个交通流参量；并通过距离交通事故发生地点最近的环境气象站，采集交通事故发生前的天气数据，天气数据是交通事故发生前设定时间T内的降雨强度x₄。

在步骤20）中，通过待检测路段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流参量，然后每隔设定时间T测算各个参数，所述的采样步长为30秒。设定时间T优选为5—10分钟。

步骤30）采集雨天状况下的正常组交通数据和天气数据：对应于雨天状况下的每起交通事故，采用病例对照研究法，按1∶a比例选取交通事故发生路段在雨天正常状态下交通数据和天气数据，所述的正常状态是指路段没有发生交通事故时的状态，所述的1:a是指对应于每个事故组交通数据和天气数据，选取该交通事故发生路段在正常状态下的a个交通数据和a个天气数据；交通数据包括该路段在雨天、正常状态下，且在设定时间T内，上游交通占有率平均值x₁、上游交通占有率平均值的方差x₂、上下游车辆速度差的绝对值x₃，天气数据是该路段在雨天、正常状态下，且在设定时间T内的降雨强度x₄。a为大于等于2的整数。a优选为10。

步骤40）建立雨天状况下的交通流数据总样本：对每个路段，将该路段上游和下游两个交通流检测设备在设定时间T内采集的交通数据，以及距离该路段最近的环境气象站采集的天气数据组合后，建立一个交通流数据样本；在每个路段中，所有在发生交通事故状态下形成的交通流数据样本组成事故组数据样本，所有在正常状态下形成的交通流数据样本组成正常组数据样本；将该快速道路所有路段中的事故组数据样本和正常组数据样本组合后，形成包含n个雨天状况下交通流数据样本的交通流数据总样本；n为大于等于2的整数。

步骤50）建立初始交通事故概率关系式：利用逻辑回归模型，建立如式（1）所示的初始交通事故概率关系式：

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

其中，i＝1、2、…、n；P(y_i＝1|x_i)表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故的概率，y_i表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故的状况，y_i的值为1或0，y_i=1表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故，y_i=0表示雨天状况下的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,P(y_i＝0|x_i)表示雨天状况下的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表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上游交通占有率平均值，x_2i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上游交通占有率平均值的方差，x_3i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上下游车辆速度差的绝对值；x_4i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的降雨强度；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60）建立标定后的雨天状态下交通事故概率关系式：

通过测算式（2）的最大值，确定β₀、β₁、β₂、β₃和β₄的值：

$\ln L\left(x_i\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[y_i\ln \left(\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}}\right)+(1-y_i)\ln (1-\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}})]$

式（2）

其中，lnL(x_i)表示似然函数的自然对数值；

接着将β₀、β₁、β₂、β₃和β₄，带入式（1）中，得到标定后的雨天状态下交通事故概率关系式。

步骤70）检测在雨天状态下发生交通事故的概率，并调控车辆：设定该快速道路在雨天状态下，发生交通事故概率的阈值为P₀，利用步骤10）设置的交通流检测设备和环境气象站，采集雨天状态下，待检测路段当前在设定时间T内的3个交通流参量和降雨强度，然后将该3个交通流参量和降雨强度带入步骤60）建立的标定后的雨天状态下交通事故概率关系式中，测算该设定时间T内第j个路段在雨天状态下交通事故概率值P(y_i＝1|x_i)，如果P(y_i＝1|x_i)>P₀，则表明该路段j当前有发生交通事故的风险，则在该路段前方通过可变信息板对驾驶员进行预警提示，并启动控制设备，通过可变限速板降低当前车辆限速值，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，则表明第j个路段当前为安全状态，无需发出警报提示。j=1、2、…、（q-1）；作为优选，P₀等于0.1。通过可变限速板降低当前车辆限速值，每次调整变化的车辆速度幅度为5km/h。

步骤80）重复步骤70），采集下一设定时间T内的3个交通流参量和降雨强度，进行路段发生交通事故概率的判断，进而对车辆进行调控，直至结束检测。

本发明的车辆调控方法根据采集的实时交通数据和天气数据，判断待检测路段在雨天状态下是否存在发生交通事故的风险，是采用通过逻辑回归分析建立的交通事故概率关系式来判断待检测路段在雨天状态下发生交通事故的概率。

本发明实际运用过程分为建立标定后的雨天状态下的交通事故概率关系式，以及检测雨天状态下交通事故概率和调控车辆两个过程。

建立标定后的雨天状态下的交通事故概率关系式：收集或采集待检测路段设定时间内的交通数据。为了保证建立的事故概率关系式能够具有较好的预测精度，采集的样本尽量大，通常事故组数据样本大于50个，正常组数据样本大于100个。根据上述步骤10）到步骤60）建立标定后的雨天状态下的交通事故概率关系式。

检测雨天状态下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占有率平均值x₁，上游交通占有率平均值的方差x₂，上下游车辆速度差的绝对值x₃，降雨强度x₄，将这4个参数代入所建立的标定后的雨天状态下的交通事故概率关系式中，根据该关系式测算得的概率值，对快速道路雨天状态交通事故进行实时预测。如果得到的概率值大于阈值P₀，表明检测路段在雨天状态下有发生交通事故的可能性，则在该路段前方通过可变信息板对驾驶员进行预警提示，并启动控制设备，降低上游车辆行驶速度；反之，当概率值小于等于阈值P₀，表明该路段在当前发生交通事故的概率较小，为安全状态，无需对车辆调控。

实施例

利用美国加利福利亚洲I-880道路上的真实交通流参数和气象数据，测试本发明在雨天状态下交通事故实时预测方面的性能。采集的数据包括上游交通占有率平均值x₁、上游交通占有率平均值的方差x₂、上下游车辆速度差的绝对值x₃和降雨强度x₄。

现有101个事故组交通数据样本，以及1010个正常组交通数据样本（即没有发生交通事故条件下采集的雨天状态下数据）。从整个样本中随机选取80个事故组交通数据样本和800个正常组交通数据样本用作训练集。剩下的21个事故组交通数据样本和210个正常组交通数据样本用作检测集，用来测试本发明的预测精度。

结合训练集，依照本发明的步骤10）到步骤60）建立标定后的雨天状态下的交通事故概率关系式，该关系式中的交通流参数及其系数如表1所示。

表1

交通流参数	系数
		上游交通占有率平均值x1	0.189（β1）
上游交通占有率平均值的方差x2	-0.005（β2）
		上下游车辆速度差的绝对值x3	0.048（β3）
降雨强度x4	0.166（β4）
		常数	-4.103（β0）

利用该雨天状态下的交通事故概率关系式对包含21个事故组交通数据样本和210个正常组交通数据样本的检测集进行判别，该交通事故概率关系式对事故组交通数据样本的检测正确率为61.9%，对正常组交通数据样本的检测正确率为60.5%，总的检测正确率为60.6%。因此，本发明的方法通过检测雨天状态下待检测路段的交通事故概率，并通过可变限速调控车辆，能够有效的降低雨天交通事故的发生。本发明的方法具有实际的工程运用价值。

Claims (5)

1.一种雨天状况下减少交通事故的车辆调控方法，其特征在于，该车辆调控方法包括以下步骤：

步骤10)获取事故路段的交通事故信息：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，并且在快速道路上安装m个环境气象站；采集待检测路段在雨天状况下的交通事故信息，包括雨天状况下各起交通事故的发生时间和发生地点，并确立位于交通事故发生地点上游和下游的两个交通流检测设备，以及距离交通事故发生地点最近的环境气象站；q和m均为大于1的整数；相邻的两个交通流检测设备之间距离为500米到1500米，相邻的两个环境气象站之间距离为5公里到15公里，且交通流检测设备和环境气象站均沿快速道路均匀布置；

步骤20)采集雨天状况下的事故组交通数据和天气数据：通过设置在交通事故发生地点上游和下游的两个交通流检测设备，采集该路段在雨天状态下交通事故发生前的事故组交通数据，所述的事故组交通数据包括该路段在交通事故发生前、设定时间T内的上游交通占有率平均值x₁、上游交通占有率平均值的方差x₂、上下游车辆速度差的绝对值x₃3个交通流参量；并通过距离交通事故发生地点最近的环境气象站，采集交通事故发生前的天气数据，天气数据是交通事故发生前设定时间T内的降雨强度x₄；

步骤30)采集雨天状况下的正常组交通数据和天气数据：对应于雨天状况下的每起交通事故，采用病例对照研究法，按1∶a比例选取交通事故发生路段在雨天正常状态下交通数据和天气数据，所述的正常状态是指路段没有发生交通事故时的状态，所述的1:a是指对应于每个事故组交通数据和天气数据，选取该交通事故发生路段在正常状态下的a个交通数据和a个天气数据；交通数据包括该路段在雨天、正常状态下，且在设定时间T内，上游交通占有率平均值x₁、上游交通占有率平均值的方差x₂、上下游车辆速度差的绝对值x₃，天气数据是该路段在雨天、正常状态下，且在设定时间T内的降雨强度x₄；a为大于等于2的整数；

步骤40)建立雨天状况下的交通流数据总样本：对每个路段，将该路段上游和下游两个交通流检测设备在设定时间T内采集的交通数据，以及距离该路段最近的环境气象站采集的天气数据组合后，建立一个交通流数据样本；在每个路段中，所有在发生交通事故状态下形成的交通流数据样本组成事故组数据样本，所有在正常状态下形成的交通流数据样本组成正常组数据样本；将该快速道路所有路段中的事故组数据样本和正常组数据样本组合后，形成包含n个雨天状况下交通流数据样本的交通流数据总样本；n为大于等于2的整数；

步骤50)建立初始交通事故概率关系式：利用逻辑回归模型，建立如式(1)所示的初始交通事故概率关系式：

$P(y_i=1|x_i)=\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2+x_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}}$     式(1)

其中，i＝1、2、…、n；P(y_i＝1|x_i)表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故的概率，y_i表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故的状况，y_i的值为1或0，y_i＝1表示雨天状况下的交通流数据总样本中第i个交通流数据样本发生交通事故，y_i＝0表示雨天状况下的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,P(y_i＝0|x_i)表示雨天状况下的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表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上游交通占有率平均值，x_2i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上游交通占有率平均值的方差，x_3i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的上下游车辆速度差的绝对值；x_4i表示雨天状况下的交通流数据总样本中第i个交通流数据样本的降雨强度；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60)建立标定后的雨天状态下交通事故概率关系式：

通过测算式(2)的最大值，确定β₀、β₁、β₂、β₃和β₄的值：

$\ln L\left(x_i\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[y_i\ln \left(\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}}\right)+(1-y_i)\ln (1-\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i})}})]$

式(2)

其中，lnL(x_i)表示似然函数的自然对数值；

接着将β₀、β₁、β₂、β₃和β₄，带入式(1)中，得到标定后的雨天状态下交通事故概率关系式；

步骤70)检测在雨天状态下发生交通事故的概率，并调控车辆：设定该快速道路在雨天状态下，发生交通事故概率的阈值为P₀，利用步骤10)设置的交通流检测设备和环境气象站，采集雨天状态下，待检测路段当前在设定时间T内的3个交通流参量和降雨强度，然后将该3个交通流参量和降雨强度带入步骤60)建立的标定后的雨天状态下交通事故概率关系式中，测算该设定时间T内第j个路段在雨天状态下的交通事故概率值P(y_j＝1|x_j)，如果P(y_j＝1|x_j)>P₀，则表明该路段当前有发生交通事故的风险，则在该路段前方通过可变信息板对驾驶员进行预警提示，并启动控制设备，通过可变限速板降低当前车辆限速值，对当前车辆限速，降低上游车辆的行驶速度，每次调整变化的车辆速度幅度为5km/h；当P(y_i＝1|x_i)≤P₀时，则表明第j个路段当前为安全状态，无需发出警报提示；j＝1、2、…、(q-1)；

步骤80)重复步骤70)，采集下一设定时间T内的3个交通流参量和降雨强度，进行路段发生交通事故概率的判断，进而对车辆进行调控，直至结束检测；所述的设定时间T为5—10分钟。

2.按照权利要求1所述的雨天状况下减少交通事故的车辆调控方法，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。

3.按照权利要求1所述的雨天状况下减少交通事故的车辆调控方法，其特征在于，所述的步骤70)中，P₀等于0.1。

4.按照权利要求1所述的雨天状况下减少交通事故的车辆调控方法，其特征在于，所述的步骤20)中，通过待检测路段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流参量，所述的采样步长为30秒。

5.按照权利要求1所述的雨天状况下减少交通事故的车辆调控方法，其特征在于，所述的步骤30)中，a＝10。