CN106530720B - 一种高速公路道路交通安全黑点路段识别与预警方法 - Google Patents
一种高速公路道路交通安全黑点路段识别与预警方法 Download PDFInfo
- Publication number
- CN106530720B CN106530720B CN201611229745.0A CN201611229745A CN106530720B CN 106530720 B CN106530720 B CN 106530720B CN 201611229745 A CN201611229745 A CN 201611229745A CN 106530720 B CN106530720 B CN 106530720B
- Authority
- CN
- China
- Prior art keywords
- traffic
- road
- section
- safety
- expressway
- 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.)
- Expired - Fee Related
Links
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
Abstract
本发明属于道路交通安全技术领域,具体涉及一种高速公路道路交通安全黑点路段识别与预警方法。本发明提出了一种高速公路道路交通安全黑点路段识别与预警方法,该方法基于高速公路交通事故历史数据,分析高速公路道路路段发生交通事故的影响因素及其敏感性,判断高速公路道路路段在不同道路、交通、环境下的交通安全因子,同时结合高速公路驾驶员的行为特性、车辆性能特征、道路状况以及交通环境,对高速公路交通流运行安全进行动态预警,从而提高高速公路交通运行的安全性,降低高速公路交通事故发生率。
Description
技术领域
本发明属于道路交通安全技术领域,具体涉及一种高速公路道路交通安全黑点路段识别与预警方法。
背景技术
随着我国高速公路里程的不断增加和高速公路网络的不断完善,高速公路在交通出行、物流运输、促进社会经济发展等方面发挥着越来越重要的作用。与此同时,由于高速公路流量大、车速快、车辆组成复杂、道路基础设施不完善等特点,使得高速公路交通事故屡见不鲜。高速公路上发生的交通事故,给国家带来了非常巨大的经济损失,也为事故双方造成了身心和财产上的永久创伤。尽管高速公路管理、运营等部门采取了很多有效的应对措施和办法,但目前我国高速公路交通安全面临的形势依然严峻。
客观上讲,高速公路交通安全问题是多种矛盾叠加、若干因素累积形成的,与高速公路驾驶员的超速行驶、疲劳驾驶、违章行驶等,与高速公路车辆的使用强度、行驶工况、制动性能、电气性能等,与高速公路道路的几何设计、标志标线、防护设施等,与高速公路的雨、雪、雾等天气条件等因素密切相关。
发明内容
本发明提出了一种高速公路道路交通安全黑点路段识别与预警方法,该方法基于高速公路交通事故历史数据,分析高速公路道路路段发生交通事故的影响因素及其敏感性,判断高速公路道路路段在不同道路、交通、环境下的交通安全因子,同时结合高速公路驾驶员的行为特性、车辆性能特征、道路状况以及交通环境,对高速公路交通流运行安全进行动态预警,从而提高高速公路交通运行的安全性,降低高速公路交通事故发生率。
本发明提出的一种高速公路道路交通安全黑点路段识别与预警方法,主要由黑点路段识别模块和交通安全预警模块组成,如图1,其特征主要包括:
1)黑点路段识别模块
黑点路段识别模块主要在于利用高速公路交通事故历史数据,分析高速公路道路路段发生交通事故的影响因素及其敏感性,判断高速公路道路路段在不同道路、交通、环境下的交通安全因子,确定不同道路、交通、环境下的高速公路黑点路段。
2)交通安全预警模块
交通安全预警模块主要在于基于高速公路的交通流运行状态,结合道路状况和交通环境,针对高速公路交通流中的驾驶员行为特性和车辆性能特征,分别对高速公路管理者和高速公路出行者进行高速公路交通流运行安全状态预警。
附图说明
图1:一种高速公路道路交通安全黑点路段识别与预警方法功能组成图;
图2:高速公路道路路段交通运行安全评价三层指标体系图。
具体实施方式
本发明提出的一种高速公路道路交通安全黑点路段识别与预警方法,该方法由黑点路段识别模块和交通安全预警模块组成,如图1,其中黑点路段识别模块主要在于利用高速公路交通事故历史数据,分析高速公路道路路段发生交通事故的影响因素及其敏感性,判断高速公路道路路段在不同道路、交通、环境下的交通安全因子,确定不同道路、交通、环境下的高速公路黑点路段。交通安全预警模块主要在于基于高速公路的交通流运行状态,结合道路状况和交通环境,针对高速公路交通流中的驾驶员行为特性和车辆性能特征,分别对高速公路管理者和高速公路出行者进行高速公路交通流运行安全状态预警。从而提高高速公路交通运行的安全性,降低高速公路交通事故发生率。
本发明提出的一种高速公路道路交通安全黑点路段识别与预警方法,其工作的具体流程为:
1)黑点路段识别模块
黑点路段识别模块主要在于利用高速公路交通事故历史数据,分析高速公路道路路段发生交通事故的影响因素及其敏感性,判断高速公路道路路段在不同道路、交通、环境下的交通安全因子,确定不同道路、交通、环境下的高速公路黑点路段。具体工作步骤为:
Step1:将高速公路交通事故影响因素分为道路几何特征A1、交通运行状况A2、交通安全设施A3、道路服务养护设施A4、交通安全管理A5、交通安全环境A6、交通监控系统A7,其中道路几何特征A1细分为道路路面质量A11、道路几何线形A12、道路横断面构成A13,道路路面质量A11细分为路面平整度A111、路面抗滑能力A112,道路几何线形A12细分为时距连续性A121、平曲线半径A122、坡度A123、线性组合A124、直线段长度A125,道路横断面构成A13细分为车道宽度A131、路肩宽度A132、分隔带宽度A133;交通运行状况A2细分为交通流运行状况A21、交通流运行状态A22,交通流运行状况A21细分为平均小时交通量A211、道路通行能力A212、交通量车型组成A213,交通流运行状态A22细分为车流密度A221、车速分布A222、交通流拥挤度A223;交通安全设施A3细分为交通标志A31、交通标线A32、防护设施A33、防眩设施A34、诱导设施A35、道路照明设施A36;道路服务养护设施A4细分为服务设施A41、养护设施A42;交通安全管理A5细分为管理体制A51、管理法规A52、管理人员的学历组成A53、交通安全管理执法水平A54;交通安全环境A6细分为地域环境A61、路网交通环境A62、气候环境A63;交通监控系统A7细分为交通监控模式A71、交通监控策略A72、交通监控规模A73。
Step2:将高速公路目标线路按单位长度进行划分,得到目标线路M个高速公路交通事故黑点评价路段。
Step3:提取高速公路交通事故的历史数据,根据高速公路交通事故的地点位置,将交通事故信息匹配到各个高速公路交通事故黑点评价路段,并对高速公路交通事故历史数据进行标准化处理:
其中:TA为高速公路路段交通事故相对数;fi为高速公路路段发生第i等级交通事故在TA中的加权系数;Pi为高速公路路段第i等级交通事故的数次;i为高速公路交通事故等级序号;n为高速公路交通事故等级划分数;Ei为高速公路发生第i等级交通事故的平均经济损失;为高速公路交通事故经济损失计算基量。
Step4:根据高速公路交通流量数据,根据高速公路车型划分标准和折算系数,将高速公路路段交通事故相对数计算周期内高速公路路段通过的交通流量换算成标准车数PCU,计算高速公路路段交通事故发生率R:
Step5:计算高速公路所有路段的交通事故发生率,统计高速公路交通事故发生率下对应的影响因素,分级计算高速公路各影响因素对交通事故发生率的影响程度:
其中:ρAijk、ρAij、ρAi分别为三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai对高速公路交通事故发生率的影响程度;εijk、εij、εi分别为三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的临界标准阈值;分别为高速公路路段中三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的状态值分别大于或等于临界标准阈值εijk、εij、εi的高速公路路段交通事故发生率平均值;分别为高速公路路段中三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的状态值分别小于临界标准阈值εijk、εij、εi的高速公路路段交通事故发生率平均值;Aijk、Aij、Ai中i为一级影响因素编号,j为二级影响因素编号,k为三级影响因素编号。
Step6:根据高速公路道路路段当前道路、交通、环境情况,修正高速公路路段当前条件下的交通事故影响程度和高速公路道路路段的交通事故发生率:
其中:τAijk、τAij、τAi分别为高速公路路段当前道路、交通、环境条件下三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的交通事故影响程度; 分别为高速公路路段当前道路、交通、环境条件下三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的状态值;K、J、I分别为二级影响因素Aij下三级影响因素的个数、一级影响因素Ai下二级影响因素的个数、一级影响因素的个数;τ为当前道路、交通、环境条件下高速公路路段的交通事故发生率。
Step7:计算高速公路路段交通事故的临界阈值:
其中:δ+、δ-分别为高速公路路段交通事故的临界阈值的上限值和下限值;λ为当前道路、交通、环境条件下高速公路路段的车辆到达流率;α为统计常数,在95%的置信度下,α=1.96。
Step8:当τ≥δ+,则当前高速公路路段为道路交通安全黑点路段,是高速公路交通运行重点监测路段,驾驶员需谨慎行驶;当δ-≤τ<δ+,则当前高速公路路段为交通事故常发路段,是高速公路交通运行关注路段,驾驶员需小心行驶;当τ<δ-,则当前高速公路路段为交通运行安全路段。
2)交通安全预警模块
交通安全预警模块主要在于基于高速公路的交通流运行状态,特别是道路交通安全黑点路段,结合道路状况和交通环境,针对高速公路交通流中的驾驶员行为特性和车辆性能特征,分别对高速公路管理者和高速公路出行者进行高速公路交通流运行安全状态预警,具体工作步骤为:
Step1:构建高速公路道路路段交通运行安全评价三层指标体系,即目标层、准则层、指标层,如图2,准则层指标为U={U1,U2,U3,U4},U1为驾驶员行为特性,U2为车辆性能特征,U3为道路交通状况,U4为交通运行环境;指标层指标为U1={U11,U12,U13},U11为驾驶里程,U12为驾驶速度,U13为驾龄;U2={U21,U22},U21为车辆制动性能,U22为车辆类型;U3={U31,U32,U33,U34},U31为道路路面平整度,U32为道路路段不良线性比例,U33为道路交通标志标线完备率,U34为道路安全防护设施完好率;U4={U41,U42,U43},U41为道路交通气象环境,U42为道路交通车辆构成,U43为道路交通车速分布。
Step2:利用层次分析法中的1-9标度法,根据同级评价指标间的两两比较和相对重要性对评价指标权重进行赋值,分别构造各层的评价指标判断矩阵A=[aij]n×n,aij为第i评价指标相对第j列评价指标的相对重要度,n为指标层评价指标的个数,i=1,2,…,n,j=1,2,…,n。
Step3:利用层次分析法中的和积法求解判断矩阵A=[aij]n×n的最大特征值λmax及其对应的特征向量W。
Step4:进行评价指标判断矩阵的一致性检验,计算判断矩阵的一致性指标CI和一致性比率CR:
其中:n为评价指标判断矩阵中评价指标的个数;RI为随机一致性指标,是关于n的常数。
Step5:如果CR<0.1,则认为评价指标判断矩阵A=[aij]n×n满足一致性要求,各评价指标权重分配合理,判断矩阵A=[aij]n×n的最大特征值λmax对应的特征向量W为评价指标的权重向量;如果CR≥0.1,重新执行Step2-Step5,直至CR<0.1。
Step6:通过Step2-Step5的运行,获得准则层评价指标的权重向量W1和指标层评价指标的权重向量W2,将高速公路道路路段交通运行安全评价结果划分成五个等级,即V={V1,V2,V3,V4,V5},分别对应高速公路路段交通运行安全状态为{好,较好,一般,较差,差},对应高速公路道路路段交通安全预警级别为{V,IV,III,II,I}。
Step7:构建评价指标与评价结果之间的模糊关系矩阵μ:
其中:μij为第i个评价指标相对于第j个高速公路道路路段交通运行安全评价结果的隶属度。
评价指标的隶属度采用三角形隶属函数进行计算:
其中:x为评价指标的分值;y1、y2、y3、y4、y51分别对应高速公路道路路段交通运行安全评价结果的好,较好,一般,较差,差。
Step8:进行模糊关系矩阵的合成运算,得到高速公路道路路段交通运行安全综合评判模型:
其中:B为高速公路道路路段交通运行安全评价结果模糊向量;βi为高速公路道路路段交通运行安全第i评价结果权重。
Step9:采用加权平均法对评价结果进行反模糊化处理:
其中:θ为高速公路道路路段交通运行安全评价结果值;νi为高速公路道路路段交通运行安全评价结果第i划分等级的取值。
Step10:当θ∈{V1,V2,V3},表征高速公路道路路段交通运行处于安全状态,不需要进行安全预警;当θ=V4,表征高速公路道路路段交通运行处于不安全状态,提醒高速公路交通管理者进行高速公路路段重点监测,提醒高速公路交通出行者小心驾驶;当θ=V5,表征高速公路道路路段交通运行处于危险状态,提醒高速公路交通管理者进行高速公路交通管制,提醒高速公路交通出行者谨慎驾驶。
Claims (2)
1.一种高速公路道路交通安全黑点路段识别与预警方法,其特征在于:黑点路段识别模块主要在于利用高速公路交通事故历史数据,分析高速公路道路路段发生交通事故的影响因素及其敏感性,判断高速公路道路路段在不同道路、交通、环境下的交通安全因子,确定不同道路、交通、环境下的高速公路黑点路段,具体工作步骤为:
Step1:将高速公路交通事故影响因素分为道路几何特征A1、交通运行状况A2、交通安全设施A3、道路服务养护设施A4、交通安全管理A5、交通安全环境A6、交通监控系统A7,其中道路几何特征A1细分为道路路面质量A11、道路几何线形A12、道路横断面构成A13,道路路面质量A11细分为路面平整度A111、路面抗滑能力A112,道路几何线形A12细分为时距连续性A121、平曲线半径A122、坡度A123、线性组合A124、直线段长度A125,道路横断面构成A13细分为车道宽度A131、路肩宽度A132、分隔带宽度A133;交通运行状况A2细分为交通流运行状况A21、交通流运行状态A22,交通流运行状况A21细分为平均小时交通量A211、道路通行能力A212、交通量车型组成A213,交通流运行状态A22细分为车流密度A221、车速分布A222、交通流拥挤度A223;交通安全设施A3细分为交通标志A31、交通标线A32、防护设施A33、防眩设施A34、诱导设施A35、道路照明设施A36;道路服务养护设施A4细分为服务设施A41、养护设施A42;交通安全管理A5细分为管理体制A51、管理法规A52、管理人员的学历组成A53、交通安全管理执法水平A54;交通安全环境A6细分为地域环境A61、路网交通环境A62、气候环境A63;交通监控系统A7细分为交通监控模式A71、交通监控策略A72、交通监控规模A73;
Step2:将高速公路目标线路按单位长度进行划分,得到目标线路M个高速公路交通事故黑点评价路段;
Step3:提取高速公路交通事故的历史数据,根据高速公路交通事故的地点位置,将交通事故信息匹配到各个高速公路交通事故黑点评价路段,并对高速公路交通事故历史数据进行标准化处理:
其中:TA为高速公路路段交通事故相对数;fi为高速公路路段发生第i等级交通事故在TA中的加权系数;Pi为高速公路路段第i等级交通事故的数次;i为高速公路交通事故等级序号;n为高速公路交通事故等级划分数;Ei为高速公路发生第i等级交通事故的平均经济损失;为高速公路交通事故经济损失计算基量;
Step4:根据高速公路交通流量数据,根据高速公路车型划分标准和折算系数,将高速公路路段交通事故相对数计算周期内高速公路路段通过的交通流量换算成标准车数PCU,计算高速公路路段交通事故发生率R:
Step5:计算高速公路所有路段的交通事故发生率,统计高速公路交通事故发生率下对应的影响因素,分级计算高速公路各影响因素对交通事故发生率的影响程度:
其中:ρAijk、ρAij、ρAi分别为三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai对高速公路交通事故发生率的影响程度;εijk、εij、εi分别为三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的临界标准阈值;分别为高速公路路段中三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的状态值分别大于或等于临界标准阈值εijk、εij、εi的高速公路路段交通事故发生率平均值;分别为高速公路路段中三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的状态值分别小于临界标准阈值εijk、εij、εi的高速公路路段交通事故发生率平均值;Aijk、Aij、Ai中i为一级影响因素编号,j为二级影响因素编号,k为三级影响因素编号;
Step6:根据高速公路道路路段当前道路、交通、环境情况,修正高速公路路段当前条件下的交通事故影响程度和高速公路道路路段的交通事故发生率:
其中:τAijk、τAij、τAi分别为高速公路路段当前道路、交通、环境条件下三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的交通事故影响程度; 分别为高速公路路段当前道路、交通、环境条件下三级影响因素Aijk、二级影响因素Aij、一级影响因素Ai的状态值;K、J、I分别为二级影响因素Aij下三级影响因素的个数、一级影响因素Ai下二级影响因素的个数、一级影响因素的个数;τ为当前道路、交通、环境条件下高速公路路段的交通事故发生率;
Step7:计算高速公路路段交通事故的临界阈值:
其中:δ+、δ-分别为高速公路路段交通事故的临界阈值的上限值和下限值;λ为当前道路、交通、环境条件下高速公路路段的车辆到达流率;α为统计常数,在95%的置信度下,α=1.96;
Step8:当τ≥δ+,则当前高速公路路段为道路交通安全黑点路段,是高速公路交通运行重点监测路段,驾驶员需谨慎行驶;当δ-≤τ<δ+,则当前高速公路路段为交通事故常发路段,是高速公路交通运行关注路段,驾驶员需小心行驶;当τ<δ-,则当前高速公路路段为交通运行安全路段。
2.根据权利要求1所述的一种高速公路道路交通安全黑点路段识别与预警方法,其特征在于:交通安全预警模块主要在于基于高速公路的交通流运行状态,结合道路状况和交通环境,针对高速公路交通流中的驾驶员行为特性和车辆性能特征,分别对高速公路管理者和高速公路出行者进行高速公路交通流运行安全状态预警,具体工作步骤为:
Step1:构建高速公路道路路段交通运行安全评价三层指标体系,即目标层、准则层、指标层,准则层指标为U={U1,U2,U3,U4},U1为驾驶员行为特性,U2为车辆性能特征,U3为道路交通状况,U4为交通运行环境;指标层指标为U1={U11,U12,U13},U11为驾驶里程,U12为驾驶速度,U13为驾龄;U2={U21,U22},U21为车辆制动性能,U22为车辆类型;U3={U31,U32,U33,U34},U31为道路路面平整度,U32为道路路段不良线性比例,U33为道路交通标志标线完备率,U34为道路安全防护设施完好率;U4={U41,U42,U43},U41为道路交通气象环境,U42为道路交通车辆构成,U43为道路交通车速分布;
Step2:利用层次分析法中的1-9标度法,根据同级评价指标间的两两比较和相对重要性对评价指标权重进行赋值,分别构造各层的评价指标判断矩阵A=[aij]n×n,aij为第i评价指标相对第j列评价指标的相对重要度,n为指标层评价指标的个数,i=1,2,…,n,j=1,2,…,n;
Step3:利用层次分析法中的和积法求解判断矩阵A=[aij]n×n的最大特征值λmax及其对应的特征向量W;
Step4:进行评价指标判断矩阵的一致性检验,计算判断矩阵的一致性指标CI和一致性比率CR:
其中:n为评价指标判断矩阵中评价指标的个数;RI为随机一致性指标,是关于n的常数;
Step5:如果CR<0.1,则认为评价指标判断矩阵A=[aij]n×n满足一致性要求,各评价指标权重分配合理,判断矩阵A=[aij]n×n的最大特征值λmax对应的特征向量W为评价指标的权重向量;如果CR≥0.1,重新执行Step2-Step5,直至CR<0.1;
Step6:通过Step2-Step5的运行,获得准则层评价指标的权重向量W1和指标层评价指标的权重向量W2,将高速公路道路路段交通运行安全评价结果划分成五个等级,即V={V1,V2,V3,V4,V5},分别对应高速公路路段交通运行安全状态为{好,较好,一般,较差,差},对应高速公路道路路段交通安全预警级别为{V,IV,III,II,I};
Step7:构建评价指标与评价结果之间的模糊关系矩阵μ:
其中:μij为第i个评价指标相对于第j个高速公路道路路段交通运行安全评价结果的隶属度;
评价指标的隶属度采用三角形隶属函数进行计算:
其中:x为评价指标的分值;y1、y2、y3、y4、y5分别对应高速公路道路路段交通运行安全评价结果的好,较好,一般,较差,差;
Step8:进行模糊关系矩阵的合成运算,得到高速公路道路路段交通运行安全综合评判模型:
其中:B为高速公路道路路段交通运行安全评价结果模糊向量;βi为高速公路道路路段交通运行安全第i评价结果权重;
Step9:采用加权平均法对评价结果进行反模糊化处理:
其中:θ为高速公路道路路段交通运行安全评价结果值;νi为高速公路道路路段交通运行安全评价结果第i划分等级的取值;
Step10:当θ∈{V1,V2,V3},表征高速公路道路路段交通运行处于安全状态,不需要进行安全预警;当θ=V4,表征高速公路道路路段交通运行处于不安全状态,提醒高速公路交通管理者进行高速公路路段重点监测,提醒高速公路交通出行者小心驾驶;当θ=V5,表征高速公路道路路段交通运行处于危险状态,提醒高速公路交通管理者进行高速公路交通管制,提醒高速公路交通出行者谨慎驾驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611229745.0A CN106530720B (zh) | 2016-12-28 | 2016-12-28 | 一种高速公路道路交通安全黑点路段识别与预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611229745.0A CN106530720B (zh) | 2016-12-28 | 2016-12-28 | 一种高速公路道路交通安全黑点路段识别与预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106530720A CN106530720A (zh) | 2017-03-22 |
CN106530720B true CN106530720B (zh) | 2018-12-14 |
Family
ID=58338906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611229745.0A Expired - Fee Related CN106530720B (zh) | 2016-12-28 | 2016-12-28 | 一种高速公路道路交通安全黑点路段识别与预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530720B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067781B (zh) * | 2017-04-07 | 2020-02-11 | 叶昊 | 一种用于先进驾驶辅助系统应用的gis道路黑点地图生成方法 |
CN107886721A (zh) * | 2017-11-09 | 2018-04-06 | 西华大学 | 一种交通事故道路状况数据采集方法 |
CN107665583B (zh) * | 2017-11-20 | 2021-07-02 | 浩鲸云计算科技股份有限公司 | 一种不同天气条件下车道饱和流率的计算方法 |
CN110390451A (zh) * | 2018-04-18 | 2019-10-29 | 网帅科技(北京)有限公司 | 一种道路行车安全风险预测预警指标体系 |
CN108682149B (zh) * | 2018-05-21 | 2021-01-05 | 东南大学 | 基于二项Logistic回归的公路事故黑点路段线形致因分析方法 |
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 |
CN108711287A (zh) * | 2018-05-31 | 2018-10-26 | 吉林化工学院 | 一种智能交通信息采集分析处理系统 |
CN108806297A (zh) * | 2018-07-24 | 2018-11-13 | 四川数字灯塔科技有限公司 | 基于融合大数据分析的交通事故预防系统 |
CN110766258B (zh) * | 2018-07-25 | 2022-04-01 | 阿里巴巴(中国)有限公司 | 一种道路风险的评估方法及装置 |
CN109243178A (zh) * | 2018-11-14 | 2019-01-18 | 上海应用技术大学 | 一种不良气候条件下城镇公路交通安全分析与评价方法 |
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 |
CN109374006A (zh) * | 2018-12-06 | 2019-02-22 | 兰州交通大学 | 多目标的危险品道路运输路径规划方法 |
CN110379161B (zh) * | 2019-07-18 | 2021-02-02 | 中南大学 | 一种城市路网交通流量分配方法 |
CN110599791A (zh) * | 2019-10-29 | 2019-12-20 | 北京汽车研究总院有限公司 | 信息监控方法、装置和设备 |
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 |
CN111126867B (zh) * | 2019-12-27 | 2023-06-20 | 中南大学 | 一种轨道系统多域关联的服役敏感度分析方法 |
CN111476415A (zh) * | 2020-04-03 | 2020-07-31 | 兰州理工大学 | 建筑能耗采集节点布局优化方法、装置及电子设备 |
CN112083274B (zh) * | 2020-08-21 | 2023-10-31 | 深圳供电局有限公司 | 一种电网二次设备箱故障信息的监测方法及装置 |
CN112419719B (zh) * | 2020-11-18 | 2022-06-07 | 济南北方交通工程咨询监理有限公司 | 高速公路交通运营安全评价方法及系统 |
CN112561175A (zh) * | 2020-12-18 | 2021-03-26 | 深圳赛安特技术服务有限公司 | 交通事故影响因子预测方法、装置、设备及存储介质 |
CN113160564A (zh) * | 2021-04-01 | 2021-07-23 | 公安部道路交通安全研究中心 | 一种交通安全预警分析方法、装置及计算机设备 |
CN116161028B (zh) * | 2023-04-26 | 2023-06-30 | 禾多科技(北京)有限公司 | 一种基于人工智能的自动驾驶车辆的辅助控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833610A (zh) * | 2010-04-09 | 2010-09-15 | 北京工业大学 | 事故黑点鉴别优化方法 |
CN101826258B (zh) * | 2010-04-09 | 2011-12-07 | 北京工业大学 | 高速公路简约事故预测方法 |
US20140012498A1 (en) * | 2012-03-19 | 2014-01-09 | Thomas F. Gustafson | Informed Traveler Program and Application |
CN104392076B (zh) * | 2014-12-16 | 2017-10-31 | 东南大学 | 城市路网行人交通事故黑点识别方法 |
CN104852970B (zh) * | 2015-04-24 | 2018-11-30 | 公安部道路交通安全研究中心 | 一种高速公路交通事故信息发布系统 |
CN105608902B (zh) * | 2016-03-28 | 2017-10-03 | 辽宁省交通科学研究院 | 一种高速公路事故多发点鉴别系统及方法 |
-
2016
- 2016-12-28 CN CN201611229745.0A patent/CN106530720B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN106530720A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530720B (zh) | 一种高速公路道路交通安全黑点路段识别与预警方法 | |
CN104978853B (zh) | 一种道路交通安全评估方法及系统 | |
Ma et al. | Constructing road safety performance indicators using fuzzy delphi method and grey delphi method | |
Tighe et al. | Incorporating road safety into pavement management | |
Schurr et al. | Relationship of design, operating, and posted speeds on horizontal curves of rural two-lane highways in Nebraska | |
CN105946860B (zh) | 一种考虑驾驶风格的弯道车速预测方法 | |
CN103895649B (zh) | 一种驾驶员安全驾驶预警方法 | |
CN116704771B (zh) | 基于拥堵路段交通信息实时定位指挥处理系统 | |
CN110085028A (zh) | 一种团雾天气条件下的交通安全风险分级管控方法 | |
CN105719510B (zh) | 车联网环境下道路交通事故链阻断系统的效率评价方法 | |
CN109636257A (zh) | 一种网约车出行前的风险评价方法 | |
He et al. | Analysis of urban traffic accidents features and correlation with traffic congestion in large-scale construction district | |
Mamčic et al. | The analysis of traffic accidents on Lithuanian regional gravel roads | |
Li et al. | Incorporating traffic control and safety hardware performance functions into risk-based highway safety analysis | |
Qi et al. | Risk area identification model of bus bay stops based on distribution of conflicts | |
Sugiyanto et al. | Road safety audit at black spot area: Case study in Tlahab Lor, Karangreja, Purbalingga | |
Sugiyanto et al. | Road Infrastructure Deficiency and Road Safety Audit at Black Spot Area in Rural Road | |
CN105023063B (zh) | 公交线网新能源公交车运行能耗指标体系的建立方法 | |
Thordarson et al. | Weather induced road accidents, winter maintenance and user information | |
Abbondati et al. | Crashes comparison before and after speed control cameras installation: case studies on rural roads in Lithuania and Italy | |
RVyas et al. | Identification of black spots for safe commuting using weighted severity index and GIS | |
Robert R et al. | Hazard-rating scores for prioritization of accident-prone sections on highways | |
Heidarian et al. | Location of emergency escape ramps on two-lane rural highways based on the fuzzy multicriteria decision-making method | |
Shen et al. | Study on highway disaster risk classification of lean rainfall | |
Sun et al. | Evaluation of safety factors at Chinese intersections |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181214 Termination date: 20201228 |
|
CF01 | Termination of patent right due to non-payment of annual fee |