CN105701579A

CN105701579A - 高原双车道二级公路基本路段交通事故预测方法

Info

Publication number: CN105701579A
Application number: CN201610128506.XA
Authority: CN
Inventors: 贺玉龙; 冯丙丙; 张园; 孙小端; 侯洋洋; 任振方
Original assignee: Beijing University of Technology
Current assignee: Beijing University of Technology
Priority date: 2016-03-08
Filing date: 2016-03-08
Publication date: 2016-06-22

Abstract

高原双车道二级公路基本路段交通事故预测方法属于交通安全领域。国内外的研究中，研究对象为不受海拔高度影响的道路环境，上述预测模型中均没有考虑高原条件下海拔高度、高原戈壁无人区等因素对行车安全的影响。上述研究成果都无法适用于高海拔环境条件下的交通安全预测。本发明在对高原地区交通运行特点分析及事故分布的基础上，综合考虑了高原地区地形、交通量、路侧环境等特点对事故的影响，并经实际验证获得了较好的效果。

Description

高原双车道二级公路基本路段交通事故预测方法

技术领域

本发明是一种高原环境下双车道公路交通事故预测方法，通过量化高原高海拔地区的地理环境对行车安全的影响，预测双车道二级公路基本路段的交通事故的频数，属于交通安全领域。

背景技术

美国双车道事故预测方法的研究成果在美国得到了广泛认可，研究过程中收集了华盛顿州和明尼苏达州两个州的公路数据和事故数据，分别开发了路段的事故频数预测模型和3种交叉口的事故频数预测模型，其中路段的事故频数预测模型应用负二项分布，因变量是特定时间段内预测的路段发生的事故数，自变量是反映路段交通量特征、道路线型特征、交通控制特征的指标。由于统计模型自身的缺点、即统计相关性无法说明道路特征与交通控制特征之间的关系，因此，仅用基本模型预测一定基本条件下事故数，不同于基本条件的道路特征、交通控制特征对路段交通事故数的影响都通过事故修正系数(AccidentModificationFactor，简称AMF)来修正。

N_rs＝N_brC_r(AMF_1r×AMF_2r···AMF_nr)

式中：N_rs——路段预测的事故数；

N_br——理想条件下路段的预测事故数；

AMF_ir——路段的事故修正系数；

C_r——特殊地形路段的标定参数类。

近年来，国内研究人员的进行较多探索。钟连德等通过收集京津塘高速事故、交通等数据，建立基于负二项回归的预测模型，分析了环境变量、流量、速度等事故发生的影响；阚伟生等人利用零堆积概率模型对过于离散的交通事故数据构建了交通事故频数预测模型，并且取得更好的拟合效果；唐琤琤、张铁军等利用负二项模型分布对双车道公路事故、双车道路侧事故、山区双车道公路村镇路段事故建立事故预测模型，实现对事故形成机理的定量化研究。

但是上述国内外的研究中，研究对象为不受海拔高度影响的道路环境，上述预测模型中均没有考虑高原条件下海拔高度、高原戈壁无人区等因素对行车安全的影响。上述研究成果都无法适用于高海拔环境条件下的交通安全预测。

发明内容

本发明在对高原地区交通运行特点分析及事故分布的基础上，综合考虑了高原地区地形、交通量、路侧环境等特点对事故的影响，并经实际验证获得了较好的效果。

高原地区双车道二级公路交通事故频数预测方法，按以下步骤进行：

(1)确定路段类型：划分为村镇路段和非村镇

村镇路段：公路两侧村镇密集区域及该区域两侧各外延100m的路段；村镇以外的路段则划分为非村镇路段。

(2)确定所预测二级公路路段的条件，需要收集道路的信息，包括：

样本路段内的每公里海拔变化率：

E_{d i f} = \frac{Σ | {ΔH}_{i} |}{L}

ΔH_i：路段内的每公里的海拔高差(m)

L：样本路段的长度(km)

样本路段内的出入口密度D_AC：

D_{A C} = \frac{N_{A C}}{L}

N_AC：样本路段内的接入口总数(个)

L：样本路段长度(km)

样本路段内的平曲线密度D_HC：

D_{H C} = \frac{N_{H C}}{L}

N_HC：样本路段内平曲线的总数(个)

L：样本路段长度(km)

路段长度加权后的路侧危险等级：

L_{r s} = Σ (\frac{L_{i}}{L} \times L_{r s i})

L：样本路段长度；

路侧危险等级的划分参照美国联邦公路局编制的《美国路侧设计指南RoadsideDesignGuide》表3.1选取，具体划分标准如下：

L_rsi＝1路侧净区宽度≥4m，路侧边坡坡度<1:4；

L_rSi＝2路侧净区宽度<4m，1:4<路侧边坡坡度<1:3；；

L_rsi＝3路侧净区宽度<4m，路侧边坡坡度>1:3；

L_i：样本路段长度内有i种不同路侧环境，分别对应i个路段的长度；即上面有3种不同的路侧环境，分别对应在样本路段长度L中长度；

例如L_rsi＝1的路侧环境的路在路段L(2km)中长度为1km，例如L_rsi＝2

的路侧环境的路在路段L中长度为1km；

L_{r 3} = Σ (\frac{L_{i}}{L} \times L_{r e i}) = \frac{2}{2} \times 1 = 1

L_{r s} = Σ (\frac{L_{i}}{L} \times L_{r s i}) = 1 / 2 + 1 / 2 * 2 = 1.5

大车比例：

P T = \frac{N_{t r u c k}}{A A D T} %

N_truck:年平均日交通量中的大车交通量

AADT:年平均日交通量

(3)计算暴露变量expo

expo＝365*AADT*L*10^-6

AADT：年平均日交通量

L：路段长度

(4)利用Stata12软件进行统计分析，采用向后剔除的回归分析法：得到事故预测模型：

非村镇路段：

NC_i＝expo×EXP(-3.9232+5.003PT+0.9355L_rs+0.4460D_HC+0.2564D_AC-

0.0198E_dif)

村镇路段：

NC_ti＝expo×EXP(-0.3616-2.2983PT+0.1651D_AC+0.0049E_dif)

式中：

NC_ti：村镇路段i路段的预测事故数；

NC_i：非村镇路段i路段的预测事故数；

expo：暴露变量；

AADT：日交通量；

L：样本路段长度；

PT：路段内的大车比例；

L_rs：样本路段内加权后的路侧等级；

D_HC：i路段内平均每公里包含平曲线的数量

D_AC：i路段内平均每公里包含接入口数量；

E_dif：i路段内平均每公里的海拔之差的绝对值。

本发明在对高原环境下交通运行特点分析的基础上，综合考虑了道路线性、海拔变化、路侧环境、交通组成、交通量对事故的影响，经实际验证获得了较好的效果。

具体实际应用方式：

青海省某双车道二级公路路段，长2公里，位于戈壁无人地带，无横向干扰，无接入口，含平曲线1个，道路起点、中点、终点海拔分别为2789、2787、2786米年平均日交通量为2000辆，大车比例35％，计算5年内可能发生的事故数。

1.确定路段类型：

无人区路段属于非村镇路段，选用非村镇路段模型。

2.确定预测二级公路路段的条件：

单位路段内的海拔落差：

E_{d i f} = \frac{Σ | {ΔH}_{i} |}{L} = \frac{| 2789 - 2787 | + | 2787 - 2786 |}{2} = 1.5

单位路段内的接入口数量：

D_{A C} = \frac{N_{A C}}{L} = \frac{0}{2} = 0

单位路段内的平曲线个数：

D_{H C} = \frac{N_{H C}}{L} = \frac{1}{2}

路段长度加权后的路侧危险等级：

该路段2公里内，无横向干扰，安全净区充足，故安全等级均为1

L_{r s} = Σ (\frac{L_{i}}{L} \times L_{r s i}) = \frac{2}{2} \times 1 = 1

大车比例：

P T = \frac{N_{t r u c k}}{A A D T} % = 35 %

3.计算暴露变量EXPO

expo＝365*AADT*L*10^-6＝365*2000*2*1*10^-6＝1.460

4.事故数预测

NC_i＝expo×EXP(-3.9232+5.003PT+0.9355L_rs+0.4460D_HC+0.2564D_AC-0.0198E_dif

＝1.460*exp(-3.9232+5.003*0.35+0.9355*1+0.4460*1/2+0.2564*0-0.0198*1.5)

＝0.67

该路段的年事故数为0.67。

以下使用青海省内多条双车道二级公路的不同路段进行模型的验证

从表中可以看出，预测事故数与实际事故数能够比较好的吻合，从而为预防事故的发生提供理论依据。

Claims

1.高原地区双车道二级公路交通事故频数预测方法，其特征在于，按以下步骤进行：

(1)确定路段类型：划分为村镇路段和非村镇；

村镇路段：公路两侧村镇密集区域及该区域两侧各外延100m的路段；村镇以外的路段则划分为非村镇路段；

样本路段内的每公里海拔变化率：

E_{d i f} = \frac{Σ | {ΔH}_{i} |}{L}

ΔH_i：路段内的每公里的海拔高差，单位为m

L：样本路段的长度，单位为km

样本路段内的出入口密度D_AC：

D_{A C} = \frac{N_{A C}}{L}

N_AC：样本路段内的接入口总数

L：样本路段长度

样本路段内的平曲线密度D_HC：

D_{H C} = \frac{N_{H C}}{L}

N_HC：样本路段内平曲线的总数

路段长度加权后的路侧危险等级：

L_{r s} = Σ (\frac{L_{i}}{L} \times L_{r s i})

L：样本路段长度；

L_rsi＝1：路侧净区宽度≥4m，路侧边坡坡度<1:4；

L_rst＝2：路侧净区宽度<4m，1:4<路侧边坡坡度<1:3；；

L_rst＝3：路侧净区宽度<4m，路侧边坡坡度>1:3；

大车比例：

P T = \frac{N_{t r u c k}}{A A D T} %

N_truck:年平均日交通量中的大车交通量

AADT:年平均日交通量

(3)计算暴露变量expo

expo＝365*AADT*L*10^-6

AADT：年平均日交通量

L：路段长度

(4)进行统计分析，采用向后剔除的回归分析法得到事故预测模型：

非村镇路段：

\begin{matrix} {NC}_{t} = \exp o \times E X P (- 3.9232 + 5.003 P T + 0.9355 L_{r s} + 0.4460 D_{H C} + 0.2564 D_{A C} - \\ 0.0198 E_{d i f}) \end{matrix}

村镇路段：

NC_i＝expo×EXP(-0.3616-2.2983PT+0.1651D_AC+0.0049E_dif)

式中：

NC_ti：非村镇路段i路段的预测事故数；

NC_i：村镇路段i路段的预测事故数；

expo：暴露变量；

AADT：日交通量；

L：样本路段长度；

PT：路段内的大车比例；

L_rs：样本路段内加权后的路侧等级；

D_HC：i路段内平均每公里包含平曲线的数量

D_AC：i路段内平均每公里包含接入口数量；

E_dif：i路段内平均每公里的海拔之差的绝对值。