CN103198713B - 基于交通数据和天气数据的减少交通事故的车辆调控方法 - Google Patents

Abstract

本发明公开了一种基于交通数据和天气数据的减少交通事故的车辆调控方法，包括以下步骤：步骤10）获取事故路段在事故发生前的交通信息；步骤20）获取事故路段在事故发生前的天气信息；步骤30）采集事故路段在正常状态下的交通数据和天气数据；步骤40）建立交通流数据总样本；步骤50）建立标定后的交通事故概率关系式；步骤60）检测路段发生交通事故概率,并调控车辆；步骤70）重复步骤60），进行下一个设定时间T路段发生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，以及环境气象站获取的天气数据，实时检测快速道路发生交通事故概率，对车辆进行调控，减少交通事故。

Description

基于交通数据和天气数据的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，涉及一种基于交通数据和天气数据的减少交通事故的车辆调控方法。

背景技术

恶劣天气条件会对城市快速道路交通安全产生显著的不良影响。恶劣天气不仅会显著影响驾驶员的反映时间，例如在雾天中，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。已有研究表明在恶劣天气下单位时间内的交通事故数量是晴天的几倍甚至几十倍。

这些年来，城市快速道路动态交通控制系统得到了快速地发展。这些动态交通控制系统的出现，例如快速道路匝道控制系统和快速道路可变限速控制系统，使得主动式干预并提升快速道路交通安全状况成为可能。如何实时检测快速道路交通安全风险成为其中最关键技术之一，因为它能够实时判别高风险交通流状态，决定当前是否需要启动控制算法来降低交通事故风险从而提升快速道路交通安全状况。目前，很多城市快速道路装备了交通流检测设备，越来越多的学者开始研究如何利用交通流检测设备获取的交通数据来实时检测快速道路交通事故风险，用以实时判别高风险交通流状态。

虽然已有研究表明使用城市快速道路上交通流检测设备获取的数据能够对交通事故风险进行实时检测，但是仅仅采用交通流数据对交通事故风险进行实时检测往往忽略了恶劣天气条件对交通事故风险的影响。

发明内容

技术问题：本发明所要解决的技术问题是：提供一种基于交通数据和天气数据的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，以及环境气象站获取的天气数据，实时检测快速道路发生交通事故概率，对车辆进行调控，减少交通事故。

技术方案：为解决上述技术问题，本发明采用的基于交通数据和天气数据的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）获取事故路段在事故发生前的交通信息：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；根据交通事故的发生时间和发生路段，采集交通事故发生路段上游和下游两个交通流检测设备获取的交通数据，交通数据包括交通事故发生前设定时间T内，上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄；q和m均为大于1的整数；

步骤20）获取事故路段在事故发生前的天气信息：通过距离交通事故发生地点最近的环境气象站，采集交通事故发生时的天气数据，天气数据是交通事故发生前设定时间T内的天气状况x₅，当天气状况为晴天时，x₅=0，当天气状况不为晴天时，x₅=1；

步骤30）采集事故路段在正常状态下的交通数据和天气数据：对于每起交通事故，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是指对应于每个交通事故的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；交通数据包括正常状态下设定时间T内，上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄；天气数据是正常状态下设定时间T内的天气状况x₅；a为大于等于2的整数；

步骤40）建立交通流数据总样本：对于每个路段，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个交通流数据样本的交通流数据总样本；

步骤50）建立标定后的交通事故概率关系式：

首先利用逻辑回归模型，建立如式（1）所示的交通事故概率关系式：

$P(y_i=1|x_i)=\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}+{\mathrm{\β}}_5{x}_{5i})}}$ 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交通事故的概率，y_i表示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表示交通流数据总样本中第i个交通流数据样本上游交通占有率平均值，x_2i表示交通流数据总样本中第i个交通流数据样本下游车辆平均速度；x_3i表示交通流数据总样本中第i个交通流数据样本上下游车辆速度差绝对值的平均值；x_4i表示交通流数据总样本中第i个交通流数据样本下游车辆速度标准差；x_5i表示交通流数据总样本中第i个交通流数据样本天气状况；β₀为常数，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，β₅为x_5i的系数；

然后通过测算式（2）的最大值，确定β₀、β₁、β₂、β₃、β₄和β₅值；

$\ln L\left(x_i\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[y_i\ln \left(\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}+{\mathrm{\β}}_5{x}_{5i})}}\right)+(1-y_i)\ln (1-\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}+{\mathrm{\β}}_5{x}_{5i})}})]$

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、β₄和β₅，带入式（1）中，得到标定后的交通事故概率关系式；

步骤60）检测路段发生交通事故概率,并调控车辆：设定该快速道路发生交通事故概率的阈值P₀，利用步骤10）设置的交通流检测设备和环境气象站，实时采集设定时间T内的交通数据和天气数据x₅，交通数据包括上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄，并带入步骤50）得到的标定后的交通事故概率关系式中，测算该设定时间T内第j个路段的交通事故概率P(y_j＝1|x_j)，如果P(y_j＝1|x_j)>P₀时，则表明第j个路段当前有发生交通事故的风险，在该路段前方通过可变信息板对驾驶员进行预警提示，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(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70）重复步骤60），进行下一个设定时间T路段发生交通事故概率的检测，直至结束检测。

进一步，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，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。

进一步，所述的步骤10）中，通过上游和下游两个交通流检测设备，按照采样步长采集检测路段的交通流数据，该交通流数据包括上游交通占有率、下游车辆速度和上下游车辆速度差绝对值三个参数，然后每隔设定时间T测算各参数的平均值或标准差，获得上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃，以及下游车辆速度标准差x₄；在采集交通流数据的同时，每隔设定时间T通过环境气象站检测路段的实时天气状况x₅气象信息。

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，本发明同时采集了交通流数据和气象数据，因而可以提高交通事故概率检测精度。本发明中，在快速道路上设有环境气象站。通过环境气象站采集路段的天气数据，并在建立的标定后的交通事故概率关系式中，增加设置天气状况，及其系数β₅。这样，在标定后的交通事故概率关系式中，既含有交通数据，又含有气象数据。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天气数据带入标定后的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。在本发明中，通过步骤50），得到标定后的交通事故概率关系式后，只需要采集路段的新的交通数据和天气数据，就可以实时预测未来设定时间内，该路段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是本发明的快速道路的布设示意图。

图2是本发明的流程框图。

图3是本发明中步骤60）和步骤70）中交通事故风险实时检测的流程框图。

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、图2和图3所示，本发明的基于交通数据和天气数据的减少交通事故的车辆调控方法，包括以下步骤：

步骤10）获取事故路段在事故发生前的交通信息：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；根据交通事故的发生时间和发生路段，采集交通事故发生路段上游和下游两个交通流检测设备获取的交通数据,交通数据包括交通事故发生前设定时间T内，上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄；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。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，按照采样步长采集待检测路段的交通流数据，该交通流数据包括上游交通占有率、下游车辆速度和上下游车辆速度差绝对值三个参数，然后每隔设定时间T测算各参数的平均值或标准差，获得上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃，以及下游车辆速度标准差x₄；在采集交通流数据的同时，每隔设定时间T通过环境气象站检测路段的实时天气状况x₅气象信息。采样步长优选为30秒。

步骤20）获取事故路段在事故发生前的天气信息：通过距离交通事故发生地点最近的环境气象站，采集交通事故发生时的天气数据，天气数据是交通事故发生前设定时间T内的天气状况x₅，当天气状况为晴天时，x₅=0，当天气状况不为晴天时，x₅=1。

步骤30）采集事故路段在正常状态下的交通数据和天气数据：对于每起交通事故，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是指对应于每个交通事故的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；交通数据包括正常状态下设定时间T内，上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄；天气数据是正常状态下设定时间T内的天气状况x₅；a为大于等于2的整数，a优选为4。

在步骤30）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40）建立交通流数据总样本：对于每个路段，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个交通流数据样本的交通流数据总样本。

步骤50）建立标定后的交通事故概率关系式：

首先利用逻辑回归模型，建立如式（1）所示的交通事故概率关系式：

$P(y_i=1|x_i)=\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}+{\mathrm{\β}}_5{x}_{5i})}}$ 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交通事故的概率，y_i表示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表示交通流数据总样本中第i个交通流数据样本上游交通占有率平均值，x_2i表示交通流数据总样本中第i个交通流数据样本下游车辆平均速度；x_3i表示交通流数据总样本中第i个交通流数据样本上下游车辆速度差绝对值的平均值；x_4i表示交通流数据总样本中第i个交通流数据样本下游车辆速度标准差；x_5i表示交通流数据总样本中第i个交通流数据样本天气状况；β₀为常数，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，β₅为x_5i的系数；

然后通过测算式（2）的最大值，确定β₀、β₁、β₂、β₃、β₄和β₅值；

$\ln L\left(x_i\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[y_i\ln \left(\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}+{\mathrm{\β}}_5{x}_{5i})}}\right)+(1-y_i)\ln (1-\frac{1}{1+e^{-({\mathrm{\β}}_0+{\mathrm{\β}}_1{x}_{1i}+{\mathrm{\β}}_2{x}_{2i}+{\mathrm{\β}}_3{x}_{3i}+{\mathrm{\β}}_4{x}_{4i}+{\mathrm{\β}}_5{x}_{5i})}})]$

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、β₄和β₅，带入式（1）中，得到标定后的交通事故概率关系式。

步骤60）检测路段发生交通事故概率,并调控车辆：设定该快速道路发生交通事故概率的阈值P₀，P₀优选为0.2。利用步骤10）设置的交通流检测设备和环境气象站，实时采集设定时间T内的交通数据和天气数据x₅，交通数据包括上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄，并带入步骤50）得到的标定后的交通事故概率关系式中，测算该设定时间T内第j个路段的交通事故概率P(y_j＝1|x_j)，如果P(y_j＝1|x_j)>P₀时，则表明第j个路段当前有发生交通事故的风险，在该路段前方通过可变信息板对驾驶员进行预警提示，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(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）。设定时间T优选为5—10分钟。通过可变限速板对当前车辆限速，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和环境气象站。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。环境气象站实时采集检测路段的天气数据。

将采集到的实时交通数据和天气数据带入本发明所建立的交通事故概率关系式中，测算当前发生交通事故的概率。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和天气数据，判断检测路段当前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函数来判断检测路段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交通事故概率关系式和检测交通事故概率两个过程。

建立标定后的交通事故概率关系式：收集或采集检测路段一段时间内的事故数据、天气数据和交通数据。为了保证建立的事故概率预测函数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200个，正常组数据样本大于400个。根据上述步骤10）到步骤50）建立标定后的交通事故概率关系式。

检测交通事故概率：实时采集待检测路段中上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃、下游车辆速度标准差x₄和天气状况x₅，将这五个参数其代入所建立的标定后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，表明检测路段有发生交通事故的可能性；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。

实施例

利用美国加利福利亚洲I-880道路上的真实交通流和气象数据，测试本发明在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、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃、下游车辆速度标准差x₄和天气状况x₅。

现有877个交通事故组数据范例，以及3508个正常状态下（即没有发生交通事故条件下）的数据范例。从整个样本中随机选取710个交通事故组数据范例和2840个没有发生交通事故条件下的数据范例用作训练集，用来说明标定模型过程。剩下的167个交通事故组数据范例和668个正常状态下的数据范例用作检测集，用来说明模型使用过程，并测试本发明的预测精度。

利用选取的训练集，根据本发明的步骤10）—步骤50），确定β₀、β₁、β₂、β₃、β₄和β₅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，如下式所示：

$P\left(x\right)=\frac{1}{1+e^{-0.919+0.013X_1-0.018X_2+0.013X_3+0.027X_4+0.935X_5}}$

表1交通事故概率函数系数

参数	系数
		常数β0	-0.919
上游交通占有率平均值（x1）	0.013
		下游车辆平均速度（x2）	-0.018
上下游车辆速度差绝对值的平均值（x3）	0.013
		下游车辆速度标准差（x4）	0.027
天气状况（x5）	0.935

利用该交通事故概率函数对包含167个事故组数据范例和668个正常状态下的数据范例的检测集进行判别，该交通事故概率关系式对交通事故组数据范例的检测正确率为57.6%，对正常状态下的数据范例的检测正确率为67.1%，总的检测正确率为65.2%。

利用现有的忽略天气状况的检测方法对交通事故组数据范例的检测正确率为52.5%，对正常状态下的数据范例的检测正确率为62.9%，总的检测正确率为60.8%。这些数据都低于本发明对交通事故概率检测的准确率。因此，本发明的方法通过检测快速道路交通事故概率，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 (3)

1.一种基于交通数据和天气数据的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)获取事故路段在事故发生前的交通信息：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；根据交通事故的发生时间和发生路段，采集交通事故发生路段上游和下游两个交通流检测设备获取的交通数据，交通数据包括交通事故发生前设定时间T内，上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄；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；

所述的步骤10)中，通过上游和下游两个交通流检测设备，按照采样步长采集检测路段的交通流数据，该交通流数据包括上游交通占有率、下游车辆速度和上下游车辆速度差绝对值三个参数，然后每隔设定时间T测算各参数的平均值或标准差，获得上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃，以及下游车辆速度标准差x₄；在采集交通流数据的同时，每隔设定时间T通过环境气象站检测路段的实时天气状况x₅；所述的采样步长为30秒；

步骤20)获取事故路段在事故发生前的天气信息：通过距离交通事故发生地点最近的环境气象站，采集交通事故发生时的天气数据，天气数据是交通事故发生前设定时间T内的天气状况x₅，当天气状况为晴天时，x₅＝0，当天气状况不为晴天时，x₅＝1；

步骤30)采集事故路段在正常状态下的交通数据和天气数据：对于每起交通事故，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是指对应于每个交通事故的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；交通数据包括正常状态下设定时间T内，上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄；天气数据是正常状态下设定时间T内的天气状况x₅；a为大于等于2的整数；

步骤40)建立交通流数据总样本：对于每个路段，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个交通流数据样本的交通流数据总样本；

步骤50)建立标定后的交通事故概率关系式：

首先利用逻辑回归模型，建立如式(1)所示的交通事故概率关系式：

...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交通事故的概率，y_i表示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表示交通流数据总样本中第i个交通流数据样本上游交通占有率平均值，x_2i表示交通流数据总样本中第i个交通流数据样本下游车辆平均速度；x_3i表示交通流数据总样本中第i个交通流数据样本上下游车辆速度差绝对值的平均值；x_4i表示交通流数据总样本中第i个交通流数据样本下游车辆速度标准差；x_5i表示交通流数据总样本中第i个交通流数据样本天气状况；β₀为常数，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，β₅为x_5i的系数；

然后通过测算式(2)的最大值，确定β₀、β₁、β₂、β₃、β₄和β₅值；

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、β₄和β₅，带入式(1)中，得到标定后的交通事故概率关系式；

步骤60)检测路段发生交通事故概率,并调控车辆：设定该快速道路发生交通事故概率的阈值P₀，利用步骤10)设置的交通流检测设备和环境气象站，实时采集设定时间T内的交通数据和天气状况x₅，交通数据包括上游交通占有率平均值x₁、下游车辆平均速度x₂、上下游车辆速度差绝对值的平均值x₃和下游车辆速度标准差x₄，并带入步骤50)得到的标定后的交通事故概率关系式中，测算该设定时间T内第j个路段的交通事故概率P(y_j＝1|x_j)，如果P(y_j＝1|x_j)>P₀时，则表明第j个路段当前有发生交通事故的风险，在该路段前方通过可变信息板对驾驶员进行预警提示，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，降低上游车辆流量，通过可变限速板对当前车辆限速，每次调整变化的车辆速度幅度在5km/h以内，降低上游车辆的行驶速度；当P(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)；所述的设定时间T为5—10分钟；P₀＝0.2；

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

2.按照权利要求1所述的基于交通数据和天气数据的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所述的基于交通数据和天气数据的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＝4。