CN103971519A - 一种利用交通冲突判别事故易发路段的方法及其系统 - Google Patents
一种利用交通冲突判别事故易发路段的方法及其系统 Download PDFInfo
- Publication number
- CN103971519A CN103971519A CN201410137338.1A CN201410137338A CN103971519A CN 103971519 A CN103971519 A CN 103971519A CN 201410137338 A CN201410137338 A CN 201410137338A CN 103971519 A CN103971519 A CN 103971519A
- Authority
- CN
- China
- Prior art keywords
- conflict
- traffic
- layering
- section
- accident
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种利用交通冲突判别事故易发路段的方法及其系统,不仅可以判断出某一路段是否为事故易发路段,也可以给出事故易发的时间段以及易发的事故类型,继而为后续的警示和治理工作提供了具体的数据支持。高度自动化的判定手段,弥补了现有交通事故数据库不完善的缺陷,比以往的人工观测冲突更准确和科学,能有效地推动交通冲突技术在工程中的应用。通过采用交通流参数检测设备获取连续24小时交通流信息作为辅助,利用分层抽样调查方法为交通冲突调查时段选择提供依据,可以提高交通冲突数确定的精度,且同样适用于夜间交通冲突调查,在为交通冲突调查时段选择提供依据方面具有实际的工程运用价值。
Description
技术领域
本发明涉及交通安全领域,具体地说是一种利用交通冲突判别事故易发路段的方法及其系统。
背景技术
交通冲突是指在可观测条件下,两个或两个以上道路使用者在时间和空间上相互接近,以至于如果任何一方不改变其运动轨迹,就将发生碰撞。交通冲突的实质是交通行为不安全因素的表现形式,其发展既可能导致事故发生,也可能因采取的避险行为得当而避免事故发生,因而事故与冲突存在着极为相似的形式,两者的唯一差别在于是否发生了直接损害性后果。根据国内外的调查研究表明:事故与冲突之间存在着一定的替换关系,尤其是严重冲突与交通事故有着良好的线性关系,故可以结合交通冲突来判定路段是否为事故易发路段。
公布号为CN102254430A,名称为“一种利用交通冲突判别事故易发路段的方法”的专利便提出了结合交通冲突来判定路段是否为事故易发路段的方法。其具体方法为:通过划分路段确定路段交通冲突发生规律;引入交通冲突概率分布的分位点,选择分位点对应的交通冲突次数τ为临界交通冲突次数,作为判别是否为事故易发路段的标准;计算临界交通冲突次数τ;使用VehicleVideo-CaptureDataCollector视频处理软件对路段交通冲突次数C进行测算;比较路段交通冲突次数C与临界交通冲突次数τ的大小,判别是否为事故易发路段。但是由于VehicleVideo-CaptureDataCollector视频处理软件在处理数据时的运算方法相对简单粗放,准确度不够。同时该技术方案没有结合交通冲突的生成特点,而且在交通冲突统计的管理上存在缺陷,影响了交通安全评价的可信度水平。并且只是单纯的判断出某一路段是否为事故易发路段,没有给出事故易发的时间段以及易发的事故类型,所以也就无法为后续的警示和治理工作提供具体的数据支持。
发明内容
为此,本发明所要解决的技术问题在于现有技术中无法获得精准的交通冲突数据来为交通治理提供数据支持,从而提出一种利用交通冲突判别事故易发路段的方法及其系统。
为解决上述技术问题,本发明采用如下技术方案:
一种利用交通冲突判别事故易发路段的方法,包括如下步骤:
S1:设置交通流参数检测设备实时采集待判断路段的交通流量数据,所述交通流数据包括冲突距离Dh、冲突角度θ、冲突车辆速度、流量,所述冲突距离Dh为同一车道上冲突车辆的前后车之间的距离;
S2:根据所述步骤S1得到的交通流量数据,确定在调查时间区间内待判断路段的冲突次数C,若所述冲突次数C≧t,则认定待判断路段为事故易发路段,其中t为临界交通阈值;
S3:根据冲突距离、冲突角度、冲突车辆速度判断出每一次冲突的类型并确定不同冲突类型的发生次数;
所述冲突类型包括同向冲突、侧向冲突、对向冲突和追尾冲突:
其中冲突角度θ∈(0°,30°)时的冲突为同向冲突;
冲突角度θ∈(30°,90°)时的冲突为侧向冲突;
冲突车辆相对速度v≥10m/s且冲突角度θ∈(90°,180°)时的冲突为对向冲突;
冲突距离Dh≤5m且冲突车辆中的后车速度与前车速度差值Δv>5m/s时的冲突为追尾冲突;
S4:将待判断路段的冲突次数C、每一冲突类型的发生次数及其发生时间以及待判断路段是否为事故易发路段的认定结果绑定后发送给交通管理中心。
所述步骤S2采用分层抽样调查方式确定冲突次数C,具体包括:
S21:以调查时间区间内的流量之和作为分层标志;
S22:确定分层抽样样本总容量:交通冲突调查的分层抽样样本总容量等于调查时间区间/调查时间单位长度;
S23:确定分层抽样层数:若需要调查全天冲突次数,则分层层数为3层;若需要调查白天7:00AM–7:00PM时间段内的冲突次数,则分层层数为2层;
S24:分层划分调查时间区间:根据所述步骤S23确定的分层层数,采用累积平方根法对调查时间区间进行分层划分;
S25:确定不同调查时间区间分层内的样本数:根据分层抽样理论,采用内曼分配法确定不同调查时间区间分层内的样本数;
S26:确定冲突次数C:根据所述步骤S24对调查时间区间的分层结果及所述步骤S25确定的不同调查时间区间分层内的样本数,在不同调查时间区间分层中进行随机不放回抽样,根据不同调查时间区间分层的抽样结果调查抽中时段内的冲突次数,确定整个调查时间区间内的交通冲突次数C。
所述调查时间单位长度为5-10分钟。
所述调查时间单位长度为5分钟。
所述步骤S24中,采用累积平方根法对调查时间区间进行分层划分时,包括将分层标志数据由小到大进行等间距分组的步骤,所述分组数≥15组。
本发明还提供一种利用交通冲突判别事故易发路段的系统,包括:
数据采集模块:用于实时采集待判断路段的交通流量数据,所述交通流数据包括冲突距离Dh、冲突角度θ、冲突车辆速度、流量,所述冲突距离Dh为同一车道上冲突车辆的前后车之间的距离;
事故判断模块:用于根据所述数据采集模块得到的交通流量数据,确定在调查时间区间内待判断路段的冲突次数C,若所述冲突次数C≧t,则认定待判断路段为事故易发路段,其中t为临界交通阈值;
交通冲突类型判断模块:用于根据冲突距离、冲突角度、冲突车辆速度判断出每一次冲突的类型并确定不同冲突类型的发生次数;
所述冲突类型包括同向冲突、侧向冲突、对向冲突和追尾冲突:
其中冲突角度θ∈(0°,30°)时的冲突为同向冲突;
冲突角度θ∈(30°,90°)时的冲突为侧向冲突;
冲突车辆相对速度v≥10m/s且冲突角度θ∈(90°,180°)时的冲突为对向冲突;
冲突距离Dh≤5m且冲突车辆中的后车速度与前车速度差值Δv>5m/s时的冲突为追尾冲突;
绑定发送模块:用于将待判断路段的冲突次数C、每一冲突类型的发生次数及其发生时间以及待判断路段是否为事故易发路段的认定结果绑定后发送给交通管理中心。
所述事故判断模块采用分层抽样调查方式确定冲突次数C,具体包括:
分层单元:用于将调查时间区间内的流量之和作为分层标志;
分层抽样样本总容量确定单元:交通冲突调查的分层抽样样本总容量等于调查时间区间/调查时间单位长度;
分层抽样层数确定单元:若需要调查全天冲突次数,则分层层数为3层;若需要调查白天7:00AM–7:00PM时间段内的冲突次数,则分层层数为2层;
调查时间区间分层划分单元:根据所述分层抽样层数确定单元确定的分层层数,采用累积平方根法对调查时间区间进行分层划分;
不同调查时间区间分层内的样本数确定单元:根据分层抽样理论,采用内曼分配法确定不同调查时间区间分层内的样本数;
冲突次数确定单元:根据所述调查时间区间分层划分单元划分好的分层结果及所述不同调查时间区间分层内的样本数确定单元确定的各层样本数,在各层中进行随机不放回抽样,根据各层抽样结果调查抽中时段内的冲突数,确定整个调查时间区间内的交通冲突次数C。
所述调查时间单位长度为5-10分钟。
所述调查时间单位长度为5分钟。
所述调查时间区间分层划分单元中,采用累积平方根法对调查时间区间进行分层划分时,包括将分层标志数据由小到大进行等间距分组的步骤,所述分组数≥15组。
本发明的上述技术方案相比现有技术具有以下优点:
(1)本发明所述的一种利用交通冲突判别事故易发路段的方法及其系统,不仅可以判断出某一路段是否为事故易发路段,也可以给出事故易发的时间段以及易发的事故类型,继而为后续的警示和治理工作提供了具体的数据支持。高度自动化的判定手段,弥补了现有交通事故数据库不完善的缺陷,比以往的人工观测冲突更准确和科学,能有效地推动交通冲突技术在工程中的应用,在城市道路交通安全管理与评价方面也具有实际的工程运用价值。
(2)本发明所述的一种利用交通冲突判别事故易发路段的方法及其系统,通过采用交通流参数检测设备获取连续24小时交通流信息作为辅助,利用分层抽样调查方法为交通冲突调查时段选择提供依据,可以提高交通冲突数确定的精度,且同样适用于夜间交通冲突调查,在为交通冲突调查时段选择提供依据方面具有实际的工程运用价值。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
图1是一种利用交通冲突判别事故易发路段的方法的流程图;
图2是一种利用交通冲突判别事故易发路段的系统框图。
具体实施方式
实施例1
本实施例提供一种利用交通冲突判别事故易发路段的方法,如图1所示,包括如下步骤:
S1:设置交通流参数检测设备实时采集待判断路段的交通流量数据,所述交通流数据包括冲突距离Dh、冲突角度θ、冲突车辆速度、流量,所述冲突距离Dh为同一车道上冲突车辆的前后车之间的距离;
S2:根据所述步骤S1得到的交通流量数据,确定在调查时间区间内待判断路段的冲突次数C,若所述冲突次数C≧t,则认定待判断路段为事故易发路段,其中t为临界交通阈值;
S3:根据冲突距离、冲突角度、冲突车辆速度判断出每一次冲突的类型并确定不同冲突类型的发生次数;
所述冲突类型包括同向冲突、侧向冲突、对向冲突和追尾冲突:
其中冲突角度θ∈(0°,30°)时的冲突为同向冲突;
冲突角度θ∈(30°,90°)时的冲突为侧向冲突;
冲突车辆相对速度v≥10m/s且冲突角度θ∈(90°,180°)时的冲突为对向冲突;
冲突距离Dh≤5m且冲突车辆中的后车速度与前车速度差值Δv>5m/s时的冲突为追尾冲突;
S4:将待判断路段的冲突次数C、每一冲突类型的发生次数及其发生时间以及待判断路段是否为事故易发路段的认定结果绑定后发送给交通管理中心。
其中所述步骤S2中的临界交通阈值t的选择可以参照对比文件中的指出的阈值算法,也可以根据对交通状况的不同认定情形设定相应的具体的数据。由于所述临界交通阈值t的设定不是本实施例的发明要点,故此处不再赘述。所述步骤S3通过利用数据分析功能强大的Spss(StatisticalProductandServiceSolutions)统计分析软件,以冲突距离、冲突角度、冲突车辆速度为聚类指标,对现状分类进行聚类,最终将交通冲突分为同向冲突、侧向冲突、对向冲突和追尾冲突,精准的判断出交通冲突类型并确定每一所述交通冲突的发生数量并发送给交通管理部门。由此交通管理部门便可以获知该路段是否为事故易发路段,同时知晓易发的冲突类型,易发的冲突时间。从而可以在冲突易发的时间段进行重点的管控,也可以针对该路段易发的冲突进行重点治理。比如说该路段冲突易发的是对向冲突,则有可能是因为城市道路设置的过于狭窄,或者是该路段通行的大型汽车数量较多。交通管理部门可以根据这些情况对该路段进行拓宽或者部门限制大型汽车通行。科学的交通冲突类型划分标准为科学的交通安全评价提供了可能。
本实施例所述的一种利用交通冲突判别事故易发路段的方法,不仅可以判断出某一路段是否为事故易发路段,也可以给出事故易发的时间段以及易发的事故类型,继而为后续的警示和治理工作提供了具体的数据支持。高度自动化的判定手段,弥补了现有交通事故数据库不完善的缺陷,比以往的人工观测冲突更准确和科学,能有效地推动交通冲突技术在工程中的应用,在城市道路交通安全管理与评价方面也具有实际的工程运用价值。
所述步骤S2采用分层抽样调查方式确定冲突次数C,具体包括:
S21:以调查时间区间内的流量之和作为分层标志;
S22:确定分层抽样样本总容量:交通冲突调查的分层抽样样本总容量等于调查时间区间/调查时间单位长度;
S23:确定分层抽样层数:若需要调查全天冲突次数,则分层层数为3层;若需要调查白天7:00AM–7:00PM时间段内的冲突次数,则分层层数为2层;
S24:分层划分调查时间区间:根据所述步骤S23确定的分层层数,采用累积平方根法对调查时间区间进行分层划分;
S25:确定不同调查时间区间分层内的样本数:根据分层抽样理论,采用内曼分配法确定不同调查时间区间分层内的样本数;
S26:确定冲突次数C:根据所述步骤S24对调查时间区间的分层结果及所述步骤S25确定的不同调查时间区间分层内的样本数,在不同调查时间区间分层中进行随机不放回抽样,根据不同调查时间区间分层的抽样结果调查抽中时段内的冲突次数,确定整个调查时间区间内的交通冲突次数C。
以下结合具体路段详细地举例说明一下所述步骤S2的具体实施过程。
表1
所述步骤S21中提出以调查时间区间内的流量之和作为分层标志,通过对冲突车流流量之和(V1+V2)与冲突次数C进行相关系数检验,发现它们是显著相关的,因此选择(V1+V2)为分层标志。
以竹园路1进口道左转与2进口道左转(即1左2左)冲突点为例说明具体实施过程,通过录像调查方法获得该路段冲突车流流量信息,并可以获取待调查时间段内的冲突录像,调查时段为白天(7:00AM–7:00PM)。由所述步骤S21我们知道冲突车流流量之和(V1+V2)与冲突次数C是显著相关的,因此选择(V1+V2)为分层标志。同时为了方便对比调查结果精度,对竹园路1左2左路段进行总时长为3小时(180分钟)的调查,交通冲突调查时段单位长度取5分钟,因此交通冲突调查分层抽样样本总容量=180/5=36。由于调查时间段在白天7:00AM–7:00PM,所以确定分层层数为2层。
确定分层层数后,还需要确定的就是各层之间的分点值。采用累积平方根法将分层标志数据由小到大进行等间距分组,然后统计出每组分层标志数据的频率分布表(包括分层标志数据的累积分布频率)如表2所示。
表2
在得到分层标志数据频率累积平方根后,可由下列公式计算出第i层与第i+1层之间的理论最优分点的分层标志数据频率累积平方根值,进而通过寻找与理论最优分点的分层标志数据频率累积平方根值最为接近的组求出相应的实际分点。
其中,fi为第i层与第i+1层之间的理论最优分点的分层标志数据频率累积平方根;为分层标志数据频率累积平方根;L为分层层数。
根据分层抽样理论,为使交通冲突数估计量误差最小,采用内曼分配法计算各层样本数,公式如下:
其中,ni为第i层样本容量,Ni为第i层总体容量,σi为第i层分层标志的标准差,n为各层样本容量之和。
继而在各层中进行随机不放回抽样,得到各层交通冲突数的估计量的平均值,然后可用以下公式计算整个调查区间内的冲突数的估计值:
其中,Y为整个交通冲突调查区间内的冲突数估计值,Ni为第i层总体容量,yi为第i层交通冲突数的估计量平均值。
结合上述公式利用分层标志(V1+V2)将交通冲突调查时段总体分为2层。利用录像调查得到竹园路1左2左路段(V1+V2)的总体分布值,采用累积平方根法计算得到(V1+V2)分布频率的累积平方根之和为51.864,因此得到第一层与第二层的最优分点的累积平方根为25.932,通过寻找与25.932最为接近的(V1+V2)组值得到相应的实际分点为35。以35为分界点,将(V1+V2)值小于或等于35的分为第一层,可知第一层层内共有样本71个;将(V1+V2)值大于35的分为第二层,可知第二层层内共有样本73个。之后计算第一层(V1+V2)值的标准差为5.448;第二层(V1+V2)值的标准差为5.054。
从而可以确定第一层样本数为第二层样本数为
在第一层及第二层中分别进行样本量为18的不放回随机抽样,得到第一层交通冲突数估计量平均值为0.778;第二层交通冲突数估计量平均值为1.151。因此整个调查时段(7:00AM–7:00PM)总的交通冲突数确定为71*0.778+73*1.151=139。
在冲突调查中,样本单位时长不宜过短,否则大量样本会出现零值;样本单位时长也不宜过长,否则总体数过小,抽样调查的可靠性会受到影响。因此本实施例所述调查时间单位长度为5-10分钟,优选地所述调查时间单位长度为5分钟。所述步骤S24中,采用累积平方根法对调查时间区间进行分层划分时,包括将分层标志数据由小到大进行等间距分组的步骤,所述分组数≥15组。
本实施例所述的一种利用交通冲突判别事故易发路段的方法,通过采用交通流参数检测设备获取连续24小时交通流信息作为辅助,利用分层抽样调查方法为交通冲突调查时段选择提供依据,可以提高交通冲突数确定的精度,且同样适用于夜间交通冲突调查。在为交通冲突调查时段选择提供依据方面具有实际的工程运用价值。
实施例2
本实施例提供一种利用交通冲突判别事故易发路段的系统,如图2所示,包括:
数据采集模块:用于实时采集待判断路段的交通流量数据,所述交通流数据包括冲突距离Dh、冲突角度θ、冲突车辆速度、流量,所述冲突距离Dh为同一车道上冲突车辆的前后车之间的距离;
事故判断模块:用于根据所述数据采集模块得到的交通流量数据,确定在调查时间区间内待判断路段的冲突次数C,若所述冲突次数C≧t,则认定待判断路段为事故易发路段,其中t为临界交通阈值;
交通冲突类型判断模块:用于根据冲突距离、冲突角度、冲突车辆速度判断出每一次冲突的类型并确定不同冲突类型的发生次数;
所述冲突类型包括同向冲突、侧向冲突、对向冲突和追尾冲突:
其中冲突角度θ∈(0°,30°)时的冲突为同向冲突;
冲突角度θ∈(30°,90°)时的冲突为侧向冲突;
冲突车辆相对速度v≥10m/s且冲突角度θ∈(90°,180°)时的冲突为对向冲突;
冲突距离Dh≤5m且冲突车辆中的后车速度与前车速度差值Δv>5m/s时的冲突为追尾冲突;
绑定发送模块:用于将待判断路段的冲突次数C、每一冲突类型的发生次数及其发生时间以及待判断路段是否为事故易发路段的认定结果绑定后发送给交通管理中心。
其中所述事故判断模块中的临界交通阈值t的选择可以参照对比文件中的指出的阈值算法,也可以根据对交通状况的不同认定情形设定相应的具体的数据。由于所述临界交通阈值t的设定不是本实施例的发明要点,故此处不再赘述。所述交通冲突类型判断模块通过利用数据分析功能强大的Spss(StatisticalProductandServiceSolutions)统计分析软件,以冲突距离、冲突角度、冲突车辆速度为聚类指标,对现状分类进行聚类,最终将交通冲突分为同向冲突、侧向冲突、对向冲突和追尾冲突,精准的判断出交通冲突类型并确定每一所述交通冲突的发生数量并发送给交通管理部门。由此交通管理部门便可以获知该路段是否为事故易发路段,同时知晓易发的冲突类型,易发的冲突时间。从而可以在冲突易发的时间段进行重点的管控,也可以针对该路段易发的冲突进行重点治理。比如说该路段冲突易发的是对向冲突,则有可能是因为城市道路设置的过于狭窄,或者是该路段通行的大型汽车数量较多。交通管理部门可以根据这些情况对该路段进行拓宽或者部门限制大型汽车通行。科学的交通冲突类型划分标准为科学的交通安全评价提供了可能。
本实施例所述的一种利用交通冲突判别事故易发路段的系统,不仅可以判断出某一路段是否为事故易发路段,也可以给出事故易发的时间段以及易发的事故类型,继而为后续的警示和治理工作提供了具体的数据支持。高度自动化的判定手段,弥补了现有交通事故数据库不完善的缺陷,比以往的人工观测冲突更准确和科学,能有效地推动交通冲突技术在工程中的应用,在城市道路交通安全管理与评价方面也具有实际的工程运用价值。
所述事故判断模块采用分层抽样调查方式确定冲突次数C,具体包括:
分层单元:用于将调查时间区间内的流量之和作为分层标志;
分层抽样样本总容量确定单元:交通冲突调查的分层抽样样本总容量等于调查时间区间/调查时间单位长度;
分层抽样层数确定单元:若需要调查全天冲突次数,则分层层数为3层;若需要调查白天7:00AM–7:00PM时间段内的冲突次数,则分层层数为2层;
调查时间区间分层划分单元:根据所述分层抽样层数确定单元确定的分层层数,采用累积平方根法对调查时间区间进行分层划分;
不同调查时间区间分层内的样本数确定单元:根据分层抽样理论,采用内曼分配法确定不同调查时间区间分层内的样本数;
冲突次数确定单元:根据所述调查时间区间分层划分单元划分好的分层结果及所述不同调查时间区间分层内的样本数确定单元确定的各层样本数,在各层中进行随机不放回抽样,根据各层抽样结果调查抽中时段内的冲突数,确定整个调查时间区间内的交通冲突次数C。
以下结合具体路段详细地举例说明一下所述事故判断模块的具体工作过程。
表3
所述分层单元中提出以调查时间区间内的流量之和作为分层标志,通过对冲突车流流量之和(V1+V2)与冲突次数C进行相关系数检验,发现它们是显著相关的,因此选择(V1+V2)为分层标志。
以竹园路1进口道左转与2进口道左转(即1左2左)为例说明具体实施过程,通过录像调查方法获得该路段冲突车流流量信息,并可以获取待调查时间段内的冲突录像,调查时段为白天(7:00AM–7:00PM)。由所述分层单元我们知道冲突车流流量之和(V1+V2)与冲突次数C是显著相关的,因此选择(V1+V2)为分层标志。同时为了方便对比调查结果精度,对竹园路1左2左路段进行总时长为3小时(180分钟)的调查,交通冲突调查时段单位长度取5分钟,因此交通冲突调查分层抽样样本总容量=180/5=36。由于调查时间段在白天7:00AM–7:00PM,所以确定分层层数为2层。
确定分层层数后,还需要确定的就是各层之间的分点值。采用累积平方根法将分层标志数据由小到大进行等间距分组,然后统计出每组分层标志数据的频率分布表(包括分层标志数据的累积分布频率)如表4所示。
表4
在得到分层标志数据频率累积平方根后,可由下列公式计算出第i层与第i+1层之间的理论最优分点的分层标志数据频率累积平方根值,进而通过寻找与理论最优分点的分层标志数据频率累积平方根值最为接近的组求出相应的实际分点。
其中,fi为第i层与第i+1层之间的理论最优分点的分层标志数据频率累积平方根;为分层标志数据频率累积平方根;L为分层层数。
根据分层抽样理论,为使交通冲突数估计量误差最小,采用内曼分配法计算各层样本数,公式如下:
其中,ni为第i层样本容量,Ni为第i层总体容量,σi为第i层分层标志的标准差,n为各层样本容量之和。
继而在各层中进行随机不放回抽样,得到各层交通冲突数的估计量的平均值,然后可用以下公式计算整个调查区间内的冲突数的估计值:
其中,Y为整个交通冲突调查区间内的冲突数估计值,Ni为第i层总体容量,yi为第i层交通冲突数的估计量平均值。
结合上述公式利用分层标志(V1+V2)将交通冲突调查时段总体分为2层。利用录像调查得到竹园路1左2左路段(V1+V2)的总体分布值,采用累积平方根法计算得到(V1+V2)分布频率的累积平方根之和为51.864,因此得到第一层与第二层的最优分点的累积平方根为25.932,通过寻找与25.932最为接近的(V1+V2)组值得到相应的实际分点为35。以35为分界点,将(V1+V2)值小于或等于35的分为第一层,可知第一层层内共有样本71个;将(V1+V2)值大于35的分为第二层,可知第二层层内共有样本73个。之后计算第一层(V1+V2)值的标准差为5.448;第二层(V1+V2)值的标准差为5.054。
从而可以确定第一层样本数为第二层样本数为
在第一层及第二层中分别进行样本量为18的不放回随机抽样,得到第一层交通冲突数估计量平均值为0.778;第二层交通冲突数估计量平均值为1.151。因此整个调查时段(7:00AM–7:00PM)总的交通冲突数确定为71*0.778+73*1.151=139。
在冲突调查中,样本单位时长不宜过短,否则大量样本会出现零值;样本单位时长也不宜过长,否则总体数过小,抽样调查的可靠性会受到影响。因此本实施例所述调查时间单位长度为5-10分钟,优选地所述调查时间单位长度为5分钟。所述步骤S24中,采用累积平方根法对调查时间区间进行分层划分时,包括将分层标志数据由小到大进行等间距分组的步骤,所述分组数≥15组。
本实施例所述的一种利用交通冲突判别事故易发路段的系统,通过采用交通流参数检测设备获取连续24小时交通流信息作为辅助,利用分层抽样调查方法为交通冲突调查时段选择提供依据,可以提高交通冲突数确定的精度,且同样适用于夜间交通冲突调查。在为交通冲突调查时段选择提供依据方面具有实际的工程运用价值。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种利用交通冲突判别事故易发路段的方法,其特征在于,包括如下步骤:
S1:设置交通流参数检测设备实时采集待判断路段的交通流量数据,所述交通流数据包括冲突距离Dh、冲突角度θ、冲突车辆速度、流量,所述冲突距离Dh为同一车道上冲突车辆的前后车之间的距离;
S2:根据所述步骤S1得到的交通流量数据,确定在调查时间区间内待判断路段的冲突次数C,若所述冲突次数C≧t,则认定待判断路段为事故易发路段,其中t为临界交通阈值;
S3:根据冲突距离、冲突角度、冲突车辆速度判断出每一次冲突的类型并确定不同冲突类型的发生次数;
所述冲突类型包括同向冲突、侧向冲突、对向冲突和追尾冲突:
其中冲突角度θ∈(0°,30°)时的冲突为同向冲突;
冲突角度θ∈(30°,90°)时的冲突为侧向冲突;
冲突车辆相对速度v≥10m/s且冲突角度θ∈(90°,180°)时的冲突为对向冲突;
冲突距离Dh≤5m且冲突车辆中的后车速度与前车速度差值Δv>5m/s时的冲突为追尾冲突;
S4:将待判断路段的冲突次数C、每一冲突类型的发生次数及其发生时间以及待判断路段是否为事故易发路段的认定结果绑定后发送给交通管理中心。
2.根据权利要求1所述的利用交通冲突判别事故易发路段的方法,其特征在于,所述步骤S2采用分层抽样调查方式确定冲突次数C,具体包括:
S21:以调查时间区间内的流量之和作为分层标志;
S22:确定分层抽样样本总容量:交通冲突调查的分层抽样样本总容量等于调查时间区间/调查时间单位长度;
S23:确定分层抽样层数:若需要调查全天冲突次数,则分层层数为3层;若需要调查白天7:00AM–7:00PM时间段内的冲突次数,则分层层数为2层;
S24:分层划分调查时间区间:根据所述步骤S23确定的分层层数,采用累积平方根法对调查时间区间进行分层划分;
S25:确定不同调查时间区间分层内的样本数:根据分层抽样理论,采用内曼分配法确定不同调查时间区间分层内的样本数;
S26:确定冲突次数C:根据所述步骤S24对调查时间区间的分层结果及所述步骤S25确定的不同调查时间区间分层内的样本数,在不同调查时间区间分层中进行随机不放回抽样,根据不同调查时间区间分层的抽样结果调查抽中时段内的冲突次数,确定整个调查时间区间内的交通冲突次数C。
3.根据权利要求2所述的利用交通冲突判别事故易发路段的方法,其特征在于:所述调查时间单位长度为5-10分钟。
4.根据权利要求3所述的利用交通冲突判别事故易发路段的方法,其特征在于:所述调查时间单位长度为5分钟。
5.根据权利要求1-4任一所述的利用交通冲突判别事故易发路段的方法,其特征在于,所述步骤S24中,采用累积平方根法对调查时间区间进行分层划分时,包括将分层标志数据由小到大进行等间距分组的步骤,所述分组数≥15组。
6.一种利用交通冲突判别事故易发路段的系统,其特征在于,包括:
数据采集模块:用于实时采集待判断路段的交通流量数据,所述交通流数据包括冲突距离Dh、冲突角度θ、冲突车辆速度、流量,所述冲突距离Dh为同一车道上冲突车辆的前后车之间的距离;
事故判断模块:用于根据所述数据采集模块得到的交通流量数据,确定在调查时间区间内待判断路段的冲突次数C,若所述冲突次数C≧t,则认定待判断路段为事故易发路段,其中t为临界交通阈值;
交通冲突类型判断模块:用于根据冲突距离、冲突角度、冲突车辆速度判断出每一次冲突的类型并确定不同冲突类型的发生次数;
所述冲突类型包括同向冲突、侧向冲突、对向冲突和追尾冲突:
其中冲突角度θ∈(0°,30°)时的冲突为同向冲突;
冲突角度θ∈(30°,90°)时的冲突为侧向冲突;
冲突车辆相对速度v≥10m/s且冲突角度θ∈(90°,180°)时的冲突为对向冲突;
冲突距离Dh≤5m且冲突车辆中的后车速度与前车速度差值Δv>5m/s时的冲突为追尾冲突;
绑定发送模块:用于将待判断路段的冲突次数C、每一冲突类型的发生次数及其发生时间以及待判断路段是否为事故易发路段的认定结果绑定后发送给交通管理中心。
7.根据权利要求6所述的利用交通冲突判别事故易发路段的系统,其特征在于,所述事故判断模块采用分层抽样调查方式确定冲突次数C,具体包括:
分层单元:用于将调查时间区间内的流量之和作为分层标志;
分层抽样样本总容量确定单元:交通冲突调查的分层抽样样本总容量等于调查时间区间/调查时间单位长度;
分层抽样层数确定单元:若需要调查全天冲突次数,则分层层数为3层;若需要调查白天7:00AM–7:00PM时间段内的冲突次数,则分层层数为2层;
调查时间区间分层划分单元:根据所述分层抽样层数确定单元确定的分层层数,采用累积平方根法对调查时间区间进行分层划分;
不同调查时间区间分层内的样本数确定单元:根据分层抽样理论,采用内曼分配法确定不同调查时间区间分层内的样本数;
冲突次数确定单元:根据所述调查时间区间分层划分单元划分好的分层结果及所述不同调查时间区间分层内的样本数确定单元确定的各层样本数,在各层中进行随机不放回抽样,根据各层抽样结果调查抽中时段内的冲突数,确定整个调查时间区间内的交通冲突次数C。
8.根据权利要求7所述的利用交通冲突判别事故易发路段的系统,其特征在于所述调查时间单位长度为5-10分钟。
9.根据权利要求7或8所述的利用交通冲突判别事故易发路段的系统,其特征在于,所述调查时间单位长度为5分钟。
10.根据权利要求6-9任一所述的利用交通冲突判别事故易发路段的系统,其特征在于,所述调查时间区间分层划分单元中,采用累积平方根法对调查时间区间进行分层划分时,包括将分层标志数据由小到大进行等间距分组的步骤,所述分组数≥15组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410137338.1A CN103971519A (zh) | 2014-04-04 | 2014-04-04 | 一种利用交通冲突判别事故易发路段的方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410137338.1A CN103971519A (zh) | 2014-04-04 | 2014-04-04 | 一种利用交通冲突判别事故易发路段的方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103971519A true CN103971519A (zh) | 2014-08-06 |
Family
ID=51240951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410137338.1A Pending CN103971519A (zh) | 2014-04-04 | 2014-04-04 | 一种利用交通冲突判别事故易发路段的方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103971519A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251670A (zh) * | 2016-08-18 | 2016-12-21 | 深圳市永兴元科技有限公司 | 车辆驾驶提示方法及装置 |
CN106251669A (zh) * | 2016-08-18 | 2016-12-21 | 深圳市永兴元科技有限公司 | 车辆驾驶提示方法及装置 |
CN107093331A (zh) * | 2016-02-17 | 2017-08-25 | 上海博泰悦臻网络技术服务有限公司 | 一种事故多发地段预警方法、系统以及一种智能车载系统 |
CN109087534A (zh) * | 2018-10-09 | 2018-12-25 | 王业宝 | 一种基于车辆行驶轨迹的交通冲突检测方法 |
CN109727454A (zh) * | 2019-02-15 | 2019-05-07 | 东南大学 | 一种基于时空立方体的道路超速事件黑点识别方法 |
CN110992718A (zh) * | 2019-12-28 | 2020-04-10 | 浙江永尚光电有限公司 | 一种运用于路灯的道路智能控制端及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010086637A (ko) * | 2000-02-21 | 2001-09-15 | 정길도 | 지능형 도로교통제어 시스템 |
WO2010046063A1 (fr) * | 2008-10-22 | 2010-04-29 | Continental Automotive France | Procede de gestion d'information trafic |
CN102254430A (zh) * | 2011-06-03 | 2011-11-23 | 东南大学 | 一种利用交通冲突判别事故易发路段的方法 |
CN103093620A (zh) * | 2013-01-07 | 2013-05-08 | 东南大学 | 基于冲突车流流量特征的机动车交通冲突数的确定方法 |
-
2014
- 2014-04-04 CN CN201410137338.1A patent/CN103971519A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010086637A (ko) * | 2000-02-21 | 2001-09-15 | 정길도 | 지능형 도로교통제어 시스템 |
WO2010046063A1 (fr) * | 2008-10-22 | 2010-04-29 | Continental Automotive France | Procede de gestion d'information trafic |
CN102254430A (zh) * | 2011-06-03 | 2011-11-23 | 东南大学 | 一种利用交通冲突判别事故易发路段的方法 |
CN103093620A (zh) * | 2013-01-07 | 2013-05-08 | 东南大学 | 基于冲突车流流量特征的机动车交通冲突数的确定方法 |
Non-Patent Citations (3)
Title |
---|
周伟: "路段交通事故多发点的冲突判定方法", 《中国公路学报》 * |
罗石贵: "路段交通冲突技术研究", 《公路交通科技》 * |
薛薇: "《基于SPSS的数据分析》", 31 October 2006, 中国人民大学出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107093331A (zh) * | 2016-02-17 | 2017-08-25 | 上海博泰悦臻网络技术服务有限公司 | 一种事故多发地段预警方法、系统以及一种智能车载系统 |
CN106251670A (zh) * | 2016-08-18 | 2016-12-21 | 深圳市永兴元科技有限公司 | 车辆驾驶提示方法及装置 |
CN106251669A (zh) * | 2016-08-18 | 2016-12-21 | 深圳市永兴元科技有限公司 | 车辆驾驶提示方法及装置 |
CN106251669B (zh) * | 2016-08-18 | 2018-11-23 | 深圳市永兴元科技股份有限公司 | 车辆驾驶提示方法及装置 |
CN106251670B (zh) * | 2016-08-18 | 2018-11-23 | 深圳市永兴元科技股份有限公司 | 车辆驾驶提示方法及装置 |
CN109087534A (zh) * | 2018-10-09 | 2018-12-25 | 王业宝 | 一种基于车辆行驶轨迹的交通冲突检测方法 |
CN109727454A (zh) * | 2019-02-15 | 2019-05-07 | 东南大学 | 一种基于时空立方体的道路超速事件黑点识别方法 |
CN109727454B (zh) * | 2019-02-15 | 2020-07-31 | 东南大学 | 一种基于时空立方体的道路超速事件黑点识别方法 |
CN110992718A (zh) * | 2019-12-28 | 2020-04-10 | 浙江永尚光电有限公司 | 一种运用于路灯的道路智能控制端及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102968901B (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
CN103971519A (zh) | 一种利用交通冲突判别事故易发路段的方法及其系统 | |
CN103903438B (zh) | 客运车辆违规停车地点识别方法及系统 | |
CN104751642B (zh) | 一种高等级道路交通流运行风险实时预估方法 | |
CN104809878B (zh) | 利用公交车gps数据检测城市道路交通异常状态的方法 | |
CN105336162B (zh) | 车辆异常聚集的预警方法及预警系统 | |
CN102881162B (zh) | 大规模交通信息的数据处理及融合方法 | |
CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
CN103903465B (zh) | 一种道路拥堵原因实时发布方法及系统 | |
CN109784254B (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
CN108766031B (zh) | 一种检测车道障碍物的方法和装置 | |
CN110164132B (zh) | 一种道路交通异常的检测方法及系统 | |
CN103903439B (zh) | 客运车辆违规停车地点识别方法及系统 | |
CN100466010C (zh) | 异类交通信息实时融合方法 | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN106781460B (zh) | 一种路段交通状态确定方法及装置 | |
Liu et al. | Length-based vehicle classification using event-based loop detector data | |
CN111489555A (zh) | 一种交通运行状态预测方法、装置和系统 | |
CN108922170B (zh) | 一种基于电子警察抓拍数据的交叉口安全评价方法 | |
CN105741598A (zh) | 嫌疑车辆落脚点分析处理方法及其装置 | |
CN103955596A (zh) | 一种基于交通事故采集技术的事故热点综合判定方法 | |
CN108629982B (zh) | 一种基于旅行时间分布规律的路段车辆数估计方法 | |
CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
CN111613056A (zh) | 一种交通异常事件检测方法及装置 | |
CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140806 |
|
RJ01 | Rejection of invention patent application after publication |