CN105608902B - 一种高速公路事故多发点鉴别系统及方法 - Google Patents
一种高速公路事故多发点鉴别系统及方法 Download PDFInfo
- Publication number
- CN105608902B CN105608902B CN201610184166.2A CN201610184166A CN105608902B CN 105608902 B CN105608902 B CN 105608902B CN 201610184166 A CN201610184166 A CN 201610184166A CN 105608902 B CN105608902 B CN 105608902B
- Authority
- CN
- China
- Prior art keywords
- accident
- traffic
- data
- road
- rate
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 46
- 208000004221 Multiple Trauma Diseases 0.000 title abstract 2
- 238000013461 design Methods 0.000 claims abstract description 21
- 238000003908 quality control method Methods 0.000 claims abstract description 21
- 238000010276 construction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 abstract description 9
- 230000008676 import Effects 0.000 abstract description 3
- 238000013523 data management Methods 0.000 abstract description 2
- 231100001261 hazardous Toxicity 0.000 abstract 2
- 238000010606 normalization Methods 0.000 abstract 1
- 230000034994 death Effects 0.000 description 10
- 231100000517 death Toxicity 0.000 description 10
- 238000011161 development Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种高速公路事故多发点鉴别系统及方法,属于道路安全评价技术领域,本发明基于TRANSCAD地理信息系统,整合了高速公路道路条件、交通条件以及历年事故数据,提出了安全服务水平的分级方法,通过交通量和事故数的关系将不同车道数、不同设计速度的高速公路路段划分为四个安全等级,丰富了高速公路安全评价的技术方法体系;提出了综合安全服务水平及质量控制法的事故多发点鉴别方法,有效避免了单方式评价的弊端,提升了相关评价的公正性;本发明有效提高了高速公路道路交通数据和事故数据管理的规范性,提高事故多发点鉴别的效率和实用性,提升高速公路安全水平,可随时按照路段桩号导入其他高速公路数据,并基于本系统框架。
Description
技术领域
本发明属于道路安全评价技术领域,具体涉及一种高速公路事故多发点鉴别系统及方法。
背景技术
据世界卫生组织(WHO)统计,2007年以来,全球每年交通事故死亡人数高达124万人,占全球每年死亡总人数的2.5%,交通安全问题已成为全球性议题;我国近年来交通安全水平逐步提升,但与国外发达国家相比尚有不小的差距;统计数据表明,我国2013年共发生交通事故约20万次,造成约6万人死亡,交通事故依然是我国安全生产领域面临的最大挑战之一。
高速公路行车安全性是道路安全的重要组成部分;截止到2014年年底,全国高速公路通车总里程突破11万公里,跃居世界第一位,高速公路建设取得了举世瞩目的成果同时,其行车安全性亦引起广泛关注;在我国,高速公路里程虽只占全国公路总里程的2%,但统计数据表明,高速公路交通事故却占事故总数的5%,同时高速公路事故死亡人数高占事故总死亡人数的10%,高速公路事故致死率高达0.3左右,远高于其他类型道路;国外统计数据普遍表明,高速公路交通事故率为一般公路的十分之一,死亡率为一般公路的三分之一,而我国高速公路行车安全性不容乐观,交通事故率及死亡率均明显高于一般公路。
高速公路的交通事故有很大一部分是由事故多发点引起的,即高速公路上的事故多发点是影响整体行车安全性的重要因素;事故多发点指交通事故明显高于其他地点的路段,即:对同一条高速公路而言,事故多发点的事故所占事故总数的比例,往往高于事故多发点路段长度所占道路总长度的比例;以丹阜高速公路沈阳至丹东段为例,该段高速公路长201km(除去互通立交区域),2006年至2012年共发生事故2783起,鉴别出的事故多发路段(点)总长度11km、共发生事故819起,即该高速公路事故多发点长度虽只占道路总长度的5.5%,但交通事故所占比例却高达29.4%。由此看来,鉴别事故多发点是进行安全改善的重要一步,其意义是:鉴别出高速公路上亟需进行安全改善的路段,分清轻重缓急,尽快采取有针对性的措施,尤其是资金受限或不足时,优先改善事故多发路段,能显著减少事故的发生;为此,如何快速、准确地鉴别出事故多发点,对于高速公路危险路段安全改善及提高整个高速公路的行车安全性具有重要意义。
目前,虽然针对事故多发点鉴别方法有一定研究,如事故次数法、事故率法及质量控制法等,但这些研究更多是理论层面,实际应用时,高速公路管理人员需要按照各方法需要,整理和处理大量数据,在理解各种方法的原理后,方可进行计算和鉴别,导致目前针对高速公路事故多发点鉴别方法实用性和可操作性不强。
发明内容
针对现有技术的不足,本发明提出一种高速公路事故多发点鉴别系统及方法,实现高速公路数据管理更加规范化、合理化,提升高速公路管理水平;实现快速、准确地鉴别出事故多发点,提高事故多发点鉴别的效率和实用性;根据鉴别出的事故多发点采取有针对性的措施,能显著减少事故的发生、提升高速公路安全性;利用基于安全服务水平以及质量控制法的综合方法鉴别事故多发点,方法原理更加合理,鉴别的事故多发点针对性强、准确度高,降低了单一鉴别方法导致的误差。
一种高速公路事故多发点鉴别系统,该系统包括高速公路建设数据模块、交通运行状况数据模块、交通事故数据模块和事故多发点鉴别模块,其中,
高速公路建设数据模块:用于存储道路设计数据,包括:路段起点、路段终点、车道数量、断面宽度、直线段长度、平曲线段长度、平曲线半径、平曲线偏角、竖曲线半径、竖曲线类型、竖曲线长度、纵坡坡度和纵坡坡长,并通过图形的方式显示数据;
交通运行状况数据模块:用于存储交通运行数据,包括:交通量、交通组成、道路通行能力、运行速度和设计速度;
交通事故数据模块:用于存储交通事故历史数据,包括:事故发生的时间、事故发生的地点、事故类型、事故严重程度、事故方、事故形态、事故成因、财产损失额度、人员受伤人数和人员死亡人数;
事故多发点鉴别模块:用于根据道路设计数据、交通运行数据和交通事故历史数据,计算各路段的事故率,采用交通安全服务水平分级方法进行分级,获取处于四级安全服务水平的路段,即该路段为事故多发点;并通过质量控制法获得事故率上限值,若待鉴别路段的事故率高于该上限值则该路段为事故多发点;将同时满足步骤3和步骤4的事故多发点作为最终确定的高速公路事故多发点。
该系统基于TRANSCAD平台。
所述的平曲线偏角:分为右转曲线和左转曲线,其中,右转曲线为“+”,左转曲线为“-”;所述的竖曲线类型:分为凹形竖曲线和凸型竖曲线;所述的纵坡坡度:按照道路桩号增大方向,上坡为“+”,下坡为“-”。
采用高速公路事故多发点鉴别系统进行的鉴别方法,包括以下步骤:
步骤1、根据实际需求,确定待鉴别的高速公路路段;
步骤2、收集待鉴别的高速公路路段的道路设计数据、交通运行数据和交通事故历史数据,并分别存储于高速公路建设数据模块、交通运行状况数据模块和交通事故数据模块中;
所述的道路设计数据包括:路段起点、路段终点、车道数量、断面宽度、直线段长度、平曲线段长度、平曲线半径、平曲线偏角、竖曲线半径、竖曲线类型、竖曲线长度、纵坡坡度和纵坡坡长;
所述的交通运行数据包括:包括交通量、交通组成、道路通行能力、运行速度和设计速度;
所述的交通事故历史数据包括:事故发生的时间、事故发生的地点、事故类型、事故严重程度、事故方、事故形态、事故成因、财产损失额度、人员受伤人数和人员死亡人数;
步骤3、根据获得的交通事故历史数据,采用事故多发点鉴别模块计算各路段的事故率,采用交通安全服务水平分级方法进行分级,获取处于四级安全服务水平的路段,即该路段为事故多发点;
步骤4、采用事故多发点鉴别模块通过质量控制法获得事故率上限值,若待鉴别路段的事故率高于该上限值则该路段为事故多发点;
步骤5、将同时满足步骤3和步骤4的事故多发点作为最终确定的高速公路事故多发点。
步骤2所述的交通量为折算交通量,包括历史交通量和预测交通量,其中,
当预测交通量时,根据实际需求选择预测模型,包括增长量模型和增长率模型;
增长量模型公式如下:
T=t0+nδ (1)
其中,T表示预测年限的年平均日交通量;t0表示折算后的初始年限的年平均日交通量;n表示预测年限,年;δ表示年平均增长量,等于历史数据年平均增长量;
增长率模型公式如下:
T=t0(1+γ)n (2)
其中,γ表示年平均增长率,等于历史数据年平均增长率。
步骤3所述的事故率为亿车公里事故率或百万辆车事故率。
步骤4所述的采用事故多发点鉴别模块通过质量控制法获得事故率上限值,具体公式如下:
其中:Rc +表示临界事故率上限值;
Rc -表示临界事故率下限值;
A表示同类型路段的平均事故率;
K表示统计常数;
M表示指定地点在调查期内的交通量。
步骤4所述的折算后的初始年限的年平均日交通量,获取方式为:将每种车型的实际初始年限的年平均日交通量乘以对应的折算系数,所述的折算系数具体如下:
本发明优点:
1、本系统基于TRANSCAD平台,采用GIS技术存储和调用高速公路数据,在用户使用方面提供了很大的方便,可方便用户查找特定的道路设计或者交通事故信息,并方便数据的更新;
2、由于高速公路建设数据、交通运行数据以及事故数据多以excel方式存储,该系统能直接导入excel数据,极大方便了用户使用和操作;
3、该系统实现了高速公路线形设计数据与交通事故数据的快速匹配,大大缩短了交通安全分析过程中数据处理的工作量,可为后续相关工作的开展提供有效支撑;
公路历年检测数据分车道统一存储,根据需求随时调用每一条路1年数据,实现同一线路、不同年限数据对比,以及相同断面、不同年限数据对比,系统能够依据历史数据自动绘制发展趋势图,包括总体状况、分项指标的衰变情况,采用柱状图、趋势图等图形(可选)储存、输出,并能够按类(路段)查询;
4、本系统提出了安全服务水平的分级方法,通过交通量和事故数的关系将不同车道数、不同设计速度的高速公路路段划分为四个安全等级,丰富了高速公路安全评价的技术方法体系;
5、本系统提出了综合安全服务水平及质量控制法的事故多发点鉴别方法,有效避免了单方式评价的弊端,提升了相关评价的公正性;
6、该系统包含数据信息量大,当有需要时,可随时按照路段桩号导入其他高速公路数据,并基于本系统框架。
附图说明
图1为本发明一种实施例的高速公路事故多发点鉴别系统结构框图;
图2为本发明一种实施例的高速公路事故多发点鉴别方法流程图;
图3为本发明一种实施例的高速公路进出口及路段流量示意图;
图4为本发明一种实施例的拟构建的安全服务水平分级标准示意图;
图5为本发明一种实施例的沈大高速公路K120~K218段基于质量控制法确定的事故率分级标准示意图。
具体实施方式
下面结合附图对本发明一种实施例做进一步说明。
本发明实施例中,如图1所示,高速公路事故多发点鉴别系统,系统基于TRANSCAD平台,包括高速公路建设数据模块、交通运行状况数据模块、交通事故数据模块和事故多发点鉴别模块;
本发明实施例中,以沈大高速公路运营状况为例进行说明;沈大高速公路为双向八车道高速公路,设计速度为120km/h,沿途地形平坦,全线共选择11个调查断面,断面分布见表1:
表1
本发明实施例中,高速公路建设数据模块用于存储并显示高速几何线形设计的基本信息,包括高速公路路段的起终点桩号、直线段长度、平曲线段长度、平曲线半径、平曲线偏角、竖曲线半径、竖曲线类型、竖曲线长度、纵坡坡度及纵坡坡长等全部几何线形数据,通过图形反映道路的详细信息,其中需要特别说明:在系统中,平曲线偏角:分为右转曲线和左转曲线,在系统中分别为“+”和“-”;竖曲线类型:分为凹形竖曲线和凸型竖曲线;纵坡坡度:按照道路桩号增大方向,上坡为“+”,下坡为“-”;
本发明实施例中,沈大高速公路建设数据见表2:
表2
本发明实施例中,交通运行状况数据模块用于存储交通运行数据,包括:交通量、交通组成、道路通行能力、运行速度和设计速度;
本发明实例中,采用“Adobe Premiere CS3”软件提取各断面视频录像中每辆过往车辆的交通信息,具体包括每辆车到达指定断面的时刻、地点速度、车型等,进而可得到各断面的交通流量、交通组成和分车型的各车辆速度;沈大高速公路各断面交通组成见表3:
表3
本发明实施例中,交通事故数据模块用于存储交通事故历史数据,包括:事故发生的时间、事故发生的地点、事故类型、事故严重程度、事故方、事故形态、事故成因、财产损失额度、人员受伤人数和人员死亡人数;本发明实施例中,共录入2006~2012年事故数据10678起,事故信息85424条;
其中,所述的事故地点是指事故发生的位置,以桩号为基本属性;所述的事故类型是按照有无人员伤亡划分的事故,分为财产损失事故,人员受伤事故和人员死亡事故。财产损失事故指的是事故中仅有财产损失、无人员伤亡的事故,人员受伤事故指的是事故中有人员受伤但无人员死亡的事故,人员死亡事故指的是事故中有人员死亡的事故;所述的事故严重程度是根据人身伤亡或者财产损失的程度和数额划分的事故,分为轻微事故、一般事故、重大事故和特大事故。其中,轻微事故是指一次造成轻伤1至2人,或者财产损失机动车事故不足1000元,非机动车事故不足200元的事故;一般事故是指一次造成重伤1至2人,或者轻伤3人以上,或者财产损失不足3万元的事故;重大事故是指一次造成死亡1至2人,或者重伤3人以上10人以下,或者财产损失3万元以上不足6万元的事故;特大事故是指一次造成死亡3人以上,或者重伤11人以上,或者死亡1人,同时重伤8人以上,或者死亡2人,同时重伤5人以上,或者财产损失6万元以上的事故;所述的事故方指的是直接参与交通事故的个体,包括单车事故、多车事故(视具体个数而定);所述的事故形态是指交通事故参与者之间发生冲突或自身失控肇事所表现出来的具体事态,可分为碰撞、碾压、刮擦、翻车、坠落、爆炸和失火等;所述的事故成因是指造成交通事故的直接诱因,包括驾驶员因素(如疲劳驾驶、酒后驾驶、驾驶员分神、超速行驶、违章变道超车等)、车辆故障(如转向失效、制动失效、爆胎、发动机熄火等)、道路因素(如长大纵坡、视距不良、道路障碍物、路面结冰等)、环境因素(如路面反光、车辆眩光、降雨、大雾等);
本发明实施例中,高速公路建设数据、交通运行数据以及事故数据多以excel方式存储,该系统能直接导入excel数据;公路历年检测数据分车道统一存储,根据需求随时调用每一条路1年数据,实现同一线路、不同年限数据对比,以及相同断面、不同年限数据对比,系统能够依据历史数据自动绘制发展趋势图,包括总体状况、分项指标的衰变情况,采用柱状图、趋势图等图形(可选)储存、输出,并能够按类(路段)查询;
本发明实施例中,事故多发点鉴别模块于根据道路设计数据、交通运行数据和交通事故历史数据,计算各路段的事故率,采用交通安全服务水平分级方法进行分级,获取处于四级安全服务水平的路段,即该路段为事故多发点;并通过质量控制法获得事故率上限值,若待鉴别路段的事故率高于该上限值则该路段为事故多发点;将同时满足步骤3和步骤4的事故多发点作为最终确定的高速公路事故多发点。
本发明实施例中,采用高速公路事故多发点鉴别系统进行的鉴别方法,方法流程图如图2所示,包括以下步骤:
步骤1、根据实际需求,确定待鉴别的高速公路路段;
本发明实施例中,以沈大高速公路运营状况为例进行说明;
步骤2、收集待鉴别的高速公路路段的道路设计数据、交通运行数据和交通事故历史数据,并分别存储于高速公路建设数据模块、交通运行状况数据模块和交通事故数据模块中;
本发明实施例中具体参数已在上文中阐述,此处不再敷述;
本发明实施例中,所述的交通量为折算交通量,包括历史交通量和预测交通量;
当预测交通量时,根据实际需求选择预测模型,包括增长量模型和增长率模型;
增长量模型公式如下:
T=t0+nδ (1)
其中,T表示预测年限的年平均日交通量;t0表示折算后的初始年限的年平均日交通量;n表示预测年限,年;δ表示年平均增长量,等于历史数据年平均增长量;
增长率模型公式如下:
T=t0(1+γ)n (2)
其中,γ表示年平均增长率,等于历史数据年平均增长率;
本发明实施例中,所述的折算后的初始年限的年平均日交通量t0,获取方式为:将每种车型的实际初始年限的年平均日交通量乘以对应的折算系数(如表5所示);
当采用历史数据时,若没有路段流量观测数据,则采用OD反推的方法获得;
具体如下:
本发明实施例中,假设高速公路起终点和收费站的个数为m,从起点至终点进出口流量依次编号为Q进1(Q出1)、Q进2(Q出2)、...、Q进n(Q出m),其间的路段流量分别定义为Q1-2(Q2-1)、Q2-3(Q3-2)、...、Q(m-1)-m(Qm-(m-1));高速公路进出口及路段流量示意见图3,相应的各个进出口之间流量OD关系见表4;
每个路段的流量可用式(4)及式(5)计算:
其中,Qk-(k+1)表示路段k-(k+1)的流量;Q(k+1)-k表示路段(k+1)-k的流量;qij表示进口i至出口j的流量;
表4
采用Fratar法进行流量分布预测,公式如下:
qij=(qij1+qij2)/2 (6)
其中,表示进口i至出口j的流量初始设定值;Ei表示进口i流量与流量初始设定值的比值;Fj表示出口j的流量与流量初始设定值的比值;
本发明实施例中,所述的运行速度指的是大小型车85%位速度,选取正态分布作为车速的分布模型,绘制累计频率曲线,计算各路段的不同车道上大小型车的运行速度;车型划分及折算系数见表5;本发明实施例中将上述的车型进行了合并,一、二类车合并为小型车、三、四、五车合并为大型车;
本发明实例中的高速公路基本路段通行能力计算公式如下:
C=CB×fw×fHV×fP (9)
其中,C表示实际条件下的通行能力;CB表示基本通行能力;fw表示车道宽及侧向净宽修正系数;fHV表示大中型车修正系数;fP表示驾驶员条件修正系数;
表5
步骤3、根据获得的交通事故历史数据,采用事故多发点鉴别模块计算各路段的事故率,采用交通安全服务水平分级方法进行分级,获取处于四级安全服务水平的路段,即该路段为事故多发点;
本发明实施例中,根据获得的交通事故数据,计算各路段的事故率,可选用的指标包括亿车公里事故率、百万辆车事故率等,进而,借鉴高速公路交通服务水平的分级标准,将交通安全服务水平分为四级,即一级、二级、三级、四级交通安全服务水平,并结合质量控制法等传统事故多发点的鉴别方法,综合确定高速公路上的事故多发点;
本发明实例中,亿车公里事故率具体公式如下:
其中,RV表示亿车公里事故率;D表示统计年限内事故数;V表示统计年限内总的运行车公里数;
本发明实例中,百万辆车事故率具体计算公式如下:
其中,RC表示百万辆车事故率;C′表示统计年限内总交通量;
本发明实例中,沈大高速公路统计年限内的事故率指标见表6:
表6
本发明实例中,选取高速公路平均每年每公里事故次数作为交通安全服务水平分级指标,将交通安全服务水平分为四级,即一级、二级、三级、四级交通安全服务水平;各级交通安全服务水平描述如下:
一级交通安全服务水平:代表安全状况良好,事故指标均显著低于平均值,事故次数再降低的可能性不大;
二级交通安全服务水平:代表安全状况较好,事故指标低于平均水平,在维持既有水平的基础上,可以适当采取措施提高安全服务水平;
三级交通安全服务水平:代表交通安全状况较差,事故指标高出均值,事故次数降低的可能性较大,需要采取措施改善该路段的交通安全状况;
四级交通安全服务水平:交通安全状况很差,事故指标均明显高出平均值,认为四级安全水平路段就是传统意义下的事故多发路段,路段安全状况亟需改善。
本发明实例中,所述的交通安全服务水平分级方法(该方法为现有技术,具体可以参考论文“基于事故数据与安全服务水平的高速公路路段安全性评价方法”),具体步骤如下:
①根据不同路段的AADT(年平均日交通流量)和各分级指标的关系,绘制AADT与分级指标的散点图;
②根据实际路段AADT情况,将AADT划分为连续、等长的几个区间;
③计算每个AADT区间内各路段分级指标的均值Ei和标准差σi;
④计算每个AADT区间Ei+σi、Ei-σi,得到三组样本统计数据,即{Ei}、{Ei+1.5σi}、{Ei-1.5σi};
⑤将{Ei}、{Ei+1.5σi}、{Ei-1.5σi}三组数据进行回归分析,得到3条回归曲线;
⑥三条曲线将散点图划分为四个区域,分别对应四个安全等级,由下至上为一级、二级、三级、四级交通安全服务水平,三条曲线为分界线;
⑦将交通安全服务水平划分结果图进行离散化处理,得到交通安全服务水平分级离散化的数字标准;
本发明实施例中,拟构建的安全服务水平分级标准如图4所示;
最终确定的安全服务水平阈值函数见式(12)至式(14)和表7:
上界:
y1=2.58591n(x)-20.833 (12)
均值:
y2=1.79761n(x)-14.976 (13)
下界:
y3=1.00941n(x)-9.1193 (14)
本发明实例中,沈大高速公路270个评价路段中,处于一级、二级、三级和四级安全服务水平的路段分别为6、165、83和16个,分别占所有评价路段的2.2%、61.1%、30.7%、6.0%。沈大高速公路基本路段加权平均交通安全服务水平为2.4级,鉴别出的事故多发点为16个(四级服务水平);
表7
步骤4、采用事故多发点鉴别模块通过质量控制法获得事故率上限值,若待鉴别路段的事故率高于该上限值则该路段为事故多发点;
本发明实施例中,质量控制法以概率论为理论基础,将特定地点的事故率与所有相似特征地点的平均事故率作比较,得出事故的临界比率Rc ±。质量控制法既考虑了事故次数,同时又考虑了交通流量;
质量控制法计算公式具体如下:
其中:Rc +表示临界事故率上限值;Rc -表示临界事故率下限值;A表示同类型路段的平均事故率;K表示统计常数,本实施例中取1.96(95%置信度);M表示指定地点在调查期内的交通量;
质量控制法事故鉴别准则如下:
①若实际事故率小于临界事故率下限值Rc -,则该路段安全状况良好;
②若实际事故率介于临界事故率下限值Rc -与平均事故率A之间,则该路段安全状况较好;
③若实际事故率介于平均事故率A与临界事故率上限值Rc +之间,则该路段安全状况较差;
④若实际事故率大于临界事故率上限值Rc +,则该路段安全状况差,即判定为事故多发点。
本发明实施例中,沈大高速公路K120~K218段基于质量控制法确定的事故率分级标准如图5所示;
步骤5、将同时满足步骤3和步骤4的事故多发点作为最终确定的高速公路事故多发点。
本发明实施例中,采用交通安全服务水平方法和质量控制法对沈大高速公路的事故多发点分别进行了鉴别,其中交通安全服务水平方法鉴别出的事故多发点为16个,质量控制法鉴别出的事故多发点为31个,两者重合部分为13个,即为最终确定的事故多发点,见表8:
表8
Claims (8)
1.一种高速公路事故多发点鉴别系统,其特征在于,该系统包括高速公路建设数据模块、交通运行状况数据模块、交通事故数据模块和事故多发点鉴别模块,其中,
高速公路建设数据模块:用于存储道路设计数据,包括:路段起点、路段终点、车道数量、断面宽度、直线段长度、平曲线段长度、平曲线半径、平曲线偏角、竖曲线半径、竖曲线类型、竖曲线长度、纵坡坡度和纵坡坡长,并通过图形的方式显示数据;
交通运行状况数据模块:用于存储交通运行数据,包括:交通量、交通组成、道路通行能力、运行速度和设计速度;
交通事故数据模块:用于存储交通事故历史数据,包括:事故发生的时间、事故发生的地点、事故类型、事故严重程度、事故方、事故形态、事故成因、财产损失额度、人员受伤人数和人员死亡人数;
事故多发点鉴别模块:用于根据道路设计数据、交通运行数据和交通事故历史数据,计算各路段的事故率,采用交通安全服务水平分级方法进行分级,获取处于四级安全服务水平的路段,即该路段为事故多发点;并通过质量控制法获得事故率上限值,若待鉴别路段的事故率高于该上限值则该路段为事故多发点;将同时满足上述两种的事故多发点作为最终确定的高速公路事故多发点。
2.根据权利要求1所述的高速公路事故多发点鉴别系统,其特征在于,该系统基于TRANSCAD平台。
3.根据权利要求1所述的高速公路事故多发点鉴别系统,其特征在于,所述的平曲线偏角:分为右转曲线和左转曲线,其中,右转曲线为“+”,左转曲线为“-”;所述的竖曲线类型:分为凹形竖曲线和凸型竖曲线;所述的纵坡坡度:按照道路桩号增大方向,上坡为“+”,下坡为“-”。
4.采用权利要求1所述的高速公路事故多发点鉴别系统进行的鉴别方法,其特征在于,包括以下步骤:
步骤1、根据实际需求,确定待鉴别的高速公路路段;
步骤2、收集待鉴别的高速公路路段的道路设计数据、交通运行数据和交通事故历史数据,并分别存储于高速公路建设数据模块、交通运行状况数据模块和交通事故数据模块中;
所述的道路设计数据包括:路段起点、路段终点、车道数量、断面宽度、直线段长度、平曲线段长度、平曲线半径、平曲线偏角、竖曲线半径、竖曲线类型、竖曲线长度、纵坡坡度和纵坡坡长;
所述的交通运行数据包括:包括交通量、交通组成、道路通行能力、运行速度和设计速度;
所述的交通事故历史数据包括:事故发生的时间、事故发生的地点、事故类型、事故严重程度、事故方、事故形态、事故成因、财产损失额度、人员受伤人数和人员死亡人数;
步骤3、根据获得的交通事故历史数据,采用事故多发点鉴别模块计算各路段的事故率,采用交通安全服务水平分级方法进行分级,获取处于四级安全服务水平的路段,即该路段为事故多发点;
步骤4、采用事故多发点鉴别模块通过质量控制法获得事故率上限值,若待鉴别路段的事故率高于该上限值则该路段为事故多发点;
步骤5、将同时满足步骤3和步骤4的事故多发点作为最终确定的高速公路事故多发点。
5.根据权利要求4所述的鉴别方法,其特征在于,步骤2所述的交通量为折算交通量,包括历史交通量和预测交通量,其中,
当预测交通量时,根据实际需求选择预测模型,包括增长量模型和增长率模型;
增长量模型公式如下:
T=t0+nδ (1)
其中,T表示预测年限的年平均日交通量;t0表示折算后的初始年限的年平均日交通量;n表示预测年限,年;δ表示年平均增长量,等于历史数据年平均增长量;
增长率模型公式如下:
T=t0(1+γ)n (2)
其中,γ表示年平均增长率,等于历史数据年平均增长率。
6.根据权利要求4所述的鉴别方法,其特征在于,步骤3所述的事故率为亿车公里事故率或百万辆车事故率。
7.根据权利要求4所述的鉴别方法,其特征在于,步骤4所述的采用事故多发点鉴别模块通过质量控制法获得事故率上限值,具体公式如下:
其中:Rc +表示临界事故率上限值;
Rc -表示临界事故率下限值;
A表示同类型路段的平均事故率;
K表示统计常数;
M表示指定地点在调查期内的交通量。
8.根据权利要求5所述的鉴别方法,其特征在于,所述的折算后的初始年限的年平均日交通量,获取方式为:将每种车型的实际初始年限的年平均日交通量乘以对应的折算系数,所述的折算系数具体如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610184166.2A CN105608902B (zh) | 2016-03-28 | 2016-03-28 | 一种高速公路事故多发点鉴别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610184166.2A CN105608902B (zh) | 2016-03-28 | 2016-03-28 | 一种高速公路事故多发点鉴别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105608902A CN105608902A (zh) | 2016-05-25 |
CN105608902B true CN105608902B (zh) | 2017-10-03 |
Family
ID=55988806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610184166.2A Active CN105608902B (zh) | 2016-03-28 | 2016-03-28 | 一种高速公路事故多发点鉴别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105608902B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530720B (zh) * | 2016-12-28 | 2018-12-14 | 吉林大学 | 一种高速公路道路交通安全黑点路段识别与预警方法 |
CN106846802B (zh) * | 2017-02-09 | 2021-01-05 | 陕西公路交通科技开发咨询公司 | 一种高速路数据处理方法及装置 |
CN106935030A (zh) * | 2017-03-31 | 2017-07-07 | 青岛海信网络科技股份有限公司 | 一种高速公路安全隐患路段识别方法和装置 |
CN107392373B (zh) * | 2017-07-19 | 2021-02-09 | 哈尔滨工业大学 | 一种基于敏感性分析与行车安全的线形指标选择与优化方法 |
CN107294794A (zh) * | 2017-07-31 | 2017-10-24 | 国网辽宁省电力有限公司 | 一种大规模ip通信业务矩阵估计方法及系统 |
CN107610484A (zh) * | 2017-11-06 | 2018-01-19 | 郑文英 | 隧道事故判断装置及隧道事故警示系统、方法 |
CN107845262A (zh) * | 2017-11-09 | 2018-03-27 | 山东浪潮云服务信息科技有限公司 | 一种交通事故预测方法和装置 |
CN107993001B (zh) * | 2017-11-29 | 2021-10-22 | 华勤技术股份有限公司 | 一种风险评估的可视化方法、装置及存储介质 |
CN108133317B (zh) * | 2017-12-20 | 2021-12-14 | 长安大学 | 一种山区高速公路平纵组合安全水平的评价方法 |
CN108182802B (zh) * | 2017-12-26 | 2020-10-16 | 杭州远眺科技有限公司 | 一种基于信息衰减模型且由车牌数据挖掘驱动的交通安全分析方法 |
CN108109378A (zh) * | 2018-01-24 | 2018-06-01 | 哈尔滨工业大学 | 一种对路网规划方案进行交通安全评价的方法 |
CN108320514A (zh) * | 2018-04-04 | 2018-07-24 | 哈尔滨工业大学 | 基于Tobit回归的高速公路线形指标对事故率影响的分析方法 |
CN108447265A (zh) * | 2018-05-21 | 2018-08-24 | 东南大学 | 基于topsis法的公路交通事故黑点路段鉴别方法 |
CN109493600B (zh) * | 2018-11-21 | 2021-02-05 | 合肥工业大学 | 基于事故危险度的交通事故多发路段识别方法 |
CN110264711A (zh) * | 2019-05-29 | 2019-09-20 | 北京世纪高通科技有限公司 | 一种交通事故概率的确定方法及装置 |
CN110335468A (zh) * | 2019-07-26 | 2019-10-15 | 王宣予 | 一种道路安全状态识别方法 |
CN110867076B (zh) * | 2019-11-05 | 2021-02-26 | 武汉理工大学 | 一种交通事故预测方法及装置 |
CN110826937B (zh) * | 2019-11-25 | 2023-04-18 | 山西省交通规划勘察设计院有限公司 | 一种公路危险路段辨识方法 |
CN110930058B (zh) * | 2019-12-06 | 2020-08-07 | 黑龙江省公路勘察设计院 | 一种高速公路交通安全评价系统 |
CN113299060B (zh) * | 2021-04-29 | 2022-11-08 | 山西省交通科技研发有限公司 | 一种基于实测数据车辆信息系数获取系统 |
CN114611867A (zh) * | 2022-01-24 | 2022-06-10 | 广西交通设计集团有限公司 | 一种基运营期高等级公路事故易发点鉴别方法 |
CN114818536B (zh) * | 2022-04-25 | 2023-07-21 | 哈尔滨工业大学 | 一种基于理想流体力学模型的高速公路路段动态服务水平分级方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826258A (zh) * | 2010-04-09 | 2010-09-08 | 北京工业大学 | 高速公路简约事故预测方法 |
CN101950487A (zh) * | 2010-09-25 | 2011-01-19 | 张澎珍 | 高速公路运行环境评价系统 |
CN103150907A (zh) * | 2013-02-06 | 2013-06-12 | 郭忠印 | 一种基于高速公路运营安全的移动监控和预警系统及方法 |
CN103208184A (zh) * | 2013-04-03 | 2013-07-17 | 昆明联诚科技有限公司 | 一种高速公路交通事件视频检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7221287B2 (en) * | 2002-03-05 | 2007-05-22 | Triangle Software Llc | Three-dimensional traffic report |
JP6124652B2 (ja) * | 2013-03-29 | 2017-05-10 | 富士通株式会社 | 効果測定プログラム、提示方法、サービス提供方法、効果測定装置、提示装置、サービス提供装置、提示プログラム及びサービス提供プログラム |
-
2016
- 2016-03-28 CN CN201610184166.2A patent/CN105608902B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826258A (zh) * | 2010-04-09 | 2010-09-08 | 北京工业大学 | 高速公路简约事故预测方法 |
CN101950487A (zh) * | 2010-09-25 | 2011-01-19 | 张澎珍 | 高速公路运行环境评价系统 |
CN103150907A (zh) * | 2013-02-06 | 2013-06-12 | 郭忠印 | 一种基于高速公路运营安全的移动监控和预警系统及方法 |
CN103208184A (zh) * | 2013-04-03 | 2013-07-17 | 昆明联诚科技有限公司 | 一种高速公路交通事件视频检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105608902A (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608902B (zh) | 一种高速公路事故多发点鉴别系统及方法 | |
CN112201038B (zh) | 一种基于单车不良驾驶行为风险的路网风险评估方法 | |
CN103895649B (zh) | 一种驾驶员安全驾驶预警方法 | |
CN104294720B (zh) | 一种高速公路设计方案安全性评价方法 | |
CN107680401A (zh) | 一种基于区间二型模糊集合的停车位满意度的评价方法 | |
CN103247091A (zh) | 一种驾驶评价系统及方法 | |
CN106530717A (zh) | 基于云模型的施工路段行车险态评价方法 | |
WO2012038738A2 (en) | Driver profiling system and method | |
CN105946860A (zh) | 一种考虑驾驶风格的弯道车速预测方法 | |
CN108985539B (zh) | 一种评价停车场道路规划的方法及装置 | |
CN114550445B (zh) | 一种城市区域交通安全状态评估方法和装置 | |
CN106971540A (zh) | 高速公路隧道环境下驾驶人的行为风险量化方法 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
CN112735139A (zh) | 一种用于普通公路安全隐患排查的装置和方法 | |
Yu et al. | Using 3D mobile mapping to evaluate intersection design through drivers’ visual perception | |
CN112985328B (zh) | 一种隧道侧向余宽确定方法及系统 | |
CN113095387B (zh) | 基于联网车载adas的道路风险识别方法 | |
Mehrabani et al. | Evaluating the relationship between operating speed and collision frequency of rural multilane highways based on geometric and roadside features | |
CN110867075A (zh) | 一种评估雨天条件下道路测速仪对驾驶人员反应行为影响的方法 | |
Rengarasu et al. | Effects of road geometry and cross-section variables on traffic accidents: study using homogeneous road segments | |
Guo et al. | Levels of safety at freeway exits: evaluations on the basis of individual speed difference | |
CN113283714B (zh) | 一种基于群决策的交通拥堵抑制方法 | |
Gitelman | Establishing a National system for monitoring safety performance indicators in Israel; An example of a National speed survey | |
CN116246491B (zh) | 基于轨迹特征挖掘的追尾风险路段动态识别与管控方法 | |
Sumitsawan | Effect of pavement type on fuel consumption in city driving |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |