CN105701579A - 高原双车道二级公路基本路段交通事故预测方法 - Google Patents
高原双车道二级公路基本路段交通事故预测方法 Download PDFInfo
- Publication number
- CN105701579A CN105701579A CN201610128506.XA CN201610128506A CN105701579A CN 105701579 A CN105701579 A CN 105701579A CN 201610128506 A CN201610128506 A CN 201610128506A CN 105701579 A CN105701579 A CN 105701579A
- Authority
- CN
- China
- Prior art keywords
- section
- villages
- small towns
- trackside
- sample
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
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
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。
Nrs=NbrCr(AMF1r×AMF2r···AMFnr)
式中:Nrs——路段预测的事故数;
Nbr——理想条件下路段的预测事故数;
AMFir——路段的事故修正系数;
Cr——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:
ΔHi: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DAC:
NAC: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DHC:
NHC: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: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:
Lrsi=1路侧净区宽度≥4m,路侧边坡坡度<1:4;
LrSi=2路侧净区宽度<4m,1:4<路侧边坡坡度<1:3;;
Lrsi=3路侧净区宽度<4m,路侧边坡坡度>1:3;
Li: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Lrsi=1的路侧环境的路在路段L(2km)中长度为1km,例如Lrsi=2
的路侧环境的路在路段L中长度为1km;
大车比例:
Ntruck: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:
NCi=expo×EXP(-3.9232+5.003PT+0.9355Lrs+0.4460DHC+0.2564DAC-
0.0198Edif)
村镇路段:
NCti=expo×EXP(-0.3616-2.2983PT+0.1651DAC+0.0049Edif)
式中:
NCti:村镇路段i路段的预测事故数;
NCi: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;
Lrs:样本路段内加权后的路侧等级;
DHC:i路段内平均每公里包含平曲线的数量
DAC:i路段内平均每公里包含接入口数量;
Edif: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:
单位路段内的接入口数量:
单位路段内的平曲线个数:
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
大车比例:
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
NCi=expo×EXP(-3.9232+5.003PT+0.9355Lrs+0.4460DHC+0.2564DAC-0.0198Edif
=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)
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;
(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:
ΔHi: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DAC:
NAC: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DHC:
NHC: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: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:
Lrsi=1:路侧净区宽度≥4m,路侧边坡坡度<1:4;
Lrst=2:路侧净区宽度<4m,1:4<路侧边坡坡度<1:3;;
Lrst=3:路侧净区宽度<4m,路侧边坡坡度>1:3;
Li: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;
大车比例:
Ntruck: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:
村镇路段:
NCi=expo×EXP(-0.3616-2.2983PT+0.1651DAC+0.0049Edif)
式中:
NCti:非村镇路段i路段的预测事故数;
NCi: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;
Lrs:样本路段内加权后的路侧等级;
DHC:i路段内平均每公里包含平曲线的数量
DAC:i路段内平均每公里包含接入口数量;
Edif:i路段内平均每公里的海拔之差的绝对值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610128506.XA CN105701579A (zh) | 2016-03-08 | 2016-03-08 | 高原双车道二级公路基本路段交通事故预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610128506.XA CN105701579A (zh) | 2016-03-08 | 2016-03-08 | 高原双车道二级公路基本路段交通事故预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105701579A true CN105701579A (zh) | 2016-06-22 |
Family
ID=56220290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610128506.XA Pending CN105701579A (zh) | 2016-03-08 | 2016-03-08 | 高原双车道二级公路基本路段交通事故预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701579A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264724A (zh) * | 2019-07-09 | 2019-09-20 | 哈尔滨工业大学 | 一种交互式高速公路交通事故预测方法 |
CN112530163A (zh) * | 2020-11-23 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 交通事故预测方法、装置、电子设备及存储介质 |
CN115171367A (zh) * | 2022-05-23 | 2022-10-11 | 广西交通设计集团有限公司 | 一种基于埃尔曼神经网络的高等级公路事故预测方法 |
Citations (2)
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 |
CN105096586A (zh) * | 2014-05-15 | 2015-11-25 | 交通运输部公路科学研究所 | 基于交通流特征参数的平原区高速公路事故预测方法 |
-
2016
- 2016-03-08 CN CN201610128506.XA patent/CN105701579A/zh active Pending
Patent Citations (2)
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 |
CN105096586A (zh) * | 2014-05-15 | 2015-11-25 | 交通运输部公路科学研究所 | 基于交通流特征参数的平原区高速公路事故预测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264724A (zh) * | 2019-07-09 | 2019-09-20 | 哈尔滨工业大学 | 一种交互式高速公路交通事故预测方法 |
CN112530163A (zh) * | 2020-11-23 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 交通事故预测方法、装置、电子设备及存储介质 |
CN112530163B (zh) * | 2020-11-23 | 2022-03-01 | 腾讯科技(深圳)有限公司 | 交通事故预测方法、装置、电子设备及存储介质 |
CN115171367A (zh) * | 2022-05-23 | 2022-10-11 | 广西交通设计集团有限公司 | 一种基于埃尔曼神经网络的高等级公路事故预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101794507B (zh) | 基于浮动车数据的宏观路网交通状态评价方法 | |
Dervisoglu et al. | Automatic calibration of the fundamental diagram and empirical observations on capacity | |
CN104294720B (zh) | 一种高速公路设计方案安全性评价方法 | |
CN102360525A (zh) | 基于判别分析的快速道路实时交通事故风险预测方法 | |
CN104809112A (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN103593976A (zh) | 基于检测器确定道路交通状态的方法及系统 | |
CN102968901A (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
Schneider et al. | Development and application of volume model for pedestrian intersections in San Francisco, California | |
Schneider et al. | Development and application of the San Francisco pedestrian intersection volume model | |
CN105279967A (zh) | 交通运行指数计算系统及方法 | |
Semeida | New models to evaluate the level of service and capacity for rural multi-lane highways in Egypt | |
CN105701579A (zh) | 高原双车道二级公路基本路段交通事故预测方法 | |
Bae et al. | Multicontextual machine-learning approach to modeling traffic impact of urban highway work zones | |
Roh | Developing cold region winter weather traffic models and testing their temporal transferability and model specification | |
CN113516258A (zh) | 公路养护智能决策分析系统 | |
CN104182633A (zh) | 分层次的交通运行评价方法 | |
Bertini | Congestion and its extent | |
Ryu et al. | Path flow estimator for planning applications in small communities | |
Hourdos et al. | Effectiveness of urban partnership agreement traffic operations measures in the I-35W corridor | |
Matcha et al. | Modelling road traffic congestion at urban merge section under mixed traffic conditions | |
Fitzpatrick et al. | Evaluating operational implications of reduced lane and shoulder widths on freeways | |
Eisele et al. | Developing and applying models for estimating arterial corridor travel time index for transportation planning in small to medium-sized communities | |
Oskarbski et al. | Analysis of possibilities for the use of volume-delay functions in the planning module of the TRISTAR system | |
Singh et al. | Modelling of urban traffic noise using a systems approach | |
Moses et al. | Evaluation of the 2010 highway capacity manual urban street free-flow speed prediction model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
DD01 | Delivery of document by public notice |
Addressee: He Yulong Document name: Notice of reexamination |
|
DD01 | Delivery of document by public notice | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160622 |
|
RJ01 | Rejection of invention patent application after publication |