CN108256749B - 基于事故修正系数配对技术的交通安全改善效果评价方法 - Google Patents
基于事故修正系数配对技术的交通安全改善效果评价方法 Download PDFInfo
- Publication number
- CN108256749B CN108256749B CN201711482667.XA CN201711482667A CN108256749B CN 108256749 B CN108256749 B CN 108256749B CN 201711482667 A CN201711482667 A CN 201711482667A CN 108256749 B CN108256749 B CN 108256749B
- Authority
- CN
- China
- Prior art keywords
- accident
- correction coefficient
- improvement
- measure
- improvement measure
- 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
- 230000006872 improvement Effects 0.000 title claims abstract description 126
- 238000012937 correction Methods 0.000 title claims abstract description 96
- 238000011156 evaluation Methods 0.000 title claims abstract description 19
- 230000000694 effects Effects 0.000 title claims abstract description 17
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 230000008901 benefit Effects 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000010276 construction Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 101000986989 Naja kaouthia Acidic phospholipase A2 CM-II Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于事故修正系数配对技术的交通安全改善效果评价方法,用以辅助平面交叉口交通安全改善措施选择及决策,主要包括事故修正系数选择模块、改善效益分析模块、成本效益最大化分析模块。本发明将事故修正系数特征参量与事故发生交叉口特征参量相匹配,从众多事故修正系数候选值中选择最适合目标交叉口的计算值,以生命周期效益最大化为目标函数,以改善措施的类型和改善措施的起始时间为决策变量,帮助决策者科学、高效地选择最优改善措施。
Description
技术领域
本发明属于交通安全领域,特别涉及一种基于事故修正系数配对技术的平面交叉口交通安全改善效果评价方法。
背景技术
平面交叉口事故预测方程是根据一系列特征相似的交叉口的事故数与交通流量统计数据建立的回归方程,其应变量为事故频次,反应变量为主次道路交通流量,该方法是用于平面交叉口交通安全改善设计评价的最主要、最直接的方法。国内外许多学者对此进行了研究,针对不同类型的交叉口给出了不同的基本情况下的事故预测模型,模型中事故数假设服从负二项分布,平面交叉口预测事故数为理想情况下由事故预测模型得到的交叉口预测事故数与事故修正系数的乘积。
事故修正系数(Crash modification factor,CMF)反应的是不同交叉口几何设计及交通控制方式对于交叉口预测事故的累积影响,如车道配置、照明条件等。CMF表示因为使用某种设计方式而使得期望事故数变化的百分比,CMF<1表示该设计方式有利于提高交叉口交通安全性能,反之,CMF>1则表示该设计方式对交通安全有负面影响。
近年来,许多学者开展了对于不同设计方式事故影响系数的研究。因此,对于某种改善方案,可能存在两个或以上关于事故修正系数的估计。不同的研究结果之间存在差异,这些差异是由两方面的因素造成的。首先,在不同的交叉口使用同样的改善措施,其实施效果本身存在差异,这类差异随研究对象的不同而变化。除此之外,CMF值还受到分析方法、数据来源、样本量大小等因素的影响,不同研究得到的结果与各自真实值之间亦存在差异。由于不同研究结果之间的差异性,很难确定应该选择哪个CMF值来进行交通安全改善效果的预评价。工程实践中,往往根据设计者的经验进行主观判断,导致实施效果与理论预期差异较大。
发明内容
发明目的:针对上述现有存在的问题和不足,本发明的目的是提供一种基于事故修正系数配对技术的平面交叉口交通安全改善效果评价方法,以帮助决策者快速、高效地选择最合适的事故修正系数,从而进行交通安全改善效果评价。
技术方案:基于事故修正系数配对技术的平面交叉口交通安全改善效果评价方法,其特征在于:包括事故修正系数选择步骤、改善效益分析步骤、改善措施评价步骤、事故修正系数选择步骤用于将事故修正系数特征参量与事故发生交叉口特征参量相匹配,从众多事故修正系数候选值中选择最适合目标点的计算值;改善效益分析步骤用以将各改善措施影响效果转化为经济指标;改善措施评价步骤以生命周期效益最大化为目标函数,以改善措施的类型和改善措施的起始时间为决策变量,用于选择最优改善措施。
进一步地,在事故修正系数选择步骤中,采用下述三个步骤为事故j缩小CMF的范围,
步骤一,检查事故j是否适合改善措施m的第k个事故修正系数,
其中,l=1,2,...,L,表示发生事故的交叉口,用m表示交通安全改善措施编号,k表示事故修正系数编号,k=1,2,...,K,ajl为l点事故j的信息集合,cmkl为l点改善措施m的第k个事故修正系数,无特殊说明时,cmkl=U,U为事故修正系数集合,如果二进制变量αjmk等于1,则第k个事故修正系数适合事故j,否则不适合,I表示当l点事故j的信息集合包含于改善措施m的第k个事故修正系数的集合。
步骤二,匹配事故修正系数值,δjmk为匹配指标,表示事故j与改善措施m的第k个事故修正系数之间的加权值,
步骤三,选定事故修正系数在交通事故交叉口j中的最佳估计,将事故修正系数的加权平均值作为估计值由式(4)计算得出,事故修正系数的标准差为由式(5)计算得出,是事故修正系数估计,且所述事故修正系数估计的标准误差为即
其中,
γj为事故成本,等价财产损失值会随其事故严重程度而变化,
τ为使用历史数据的持续时间。
进一步地,在改善措施评价步骤中,采用单目标优化公式确定有限规划的最优改善措施,单目标问题由式(10b)给出:
限制条件:
其中,m为改善措施,m=1,2,...,M,
T为规划周期的年数,
xm对于任意m,表示二进制整数决策变量,
Bconstrucntion为建设年预算,建设年度由之前的建设年份和选定改善措施的周期来决定,
Km为改善措施m的建设成本,
Mm为改善措施m的维修成本,
式(10c)代表机构年成本,该机构应在使用改善措施的周期中每年支付维护费用,式(10d)用以确保改善措施不能同时被使用,它可以通过式(10b)中的来进行求解,即如果为正值且满足约束条件,则具有最大效益值且满足约束条件的改善措施为最优措施,当Bconstrucntion不变时,最优改善措施不变。
有益效果:本发明是一种基于事故修正系数配对技术的平面交叉口交通安全改善效果评价方法,主要包括事故修正系数选择步骤、改善效益分析步骤、成本效益最大化分析步骤。本发明将事故修正系数特征参量与事故发生交叉口特征参量相匹配,从众多事故修正系数候选值中选择最适合目标点的计算值,以生命周期效益最大化为目标函数,以改善措施的类型和改善措施的起始时间为决策变量,帮助决策者科学、高效地选择最优改善措施,从而指导平面交叉口交通安全设计。
附图说明
图1为本发明流程图;
图2为各改善措施年均效益的置信区间。
具体实施方式
一种基于事故修正系数配对技术的平面交叉口交通安全改善方法,包括事故修正系数选择步骤、改善效益分析步骤、改善措施评价步骤,其中,事故修正系数选择步骤中,事故修正系数选择步骤用于将事故修正系数特征参量与事故发生交叉口特征参量相匹配,从众多事故修正系数候选值中选择最适合目标点的计算值,改善效益分析步骤中,改善效益分析步骤用以将各改善措施影响效果转化为经济指标,改善措施评价步骤中,改善措施评价步骤以生命周期效益最大化为目标函数,以改善措施的类型和改善措施的起始时间为决策变量,用于选择最优改善措施。
在事故修正系数选择步骤中,采用下述三个步骤为事故j缩小CMF的范围,
步骤一,检查事故j是否适合改善措施m的第k个事故修正系数
其中,l=1,2,...,L,表示发生事故的交叉口,用m表示交通安全改善措施编号,k表示事故修正系数编号,k=1,2,...,K,ajl为l点事故j的信息集合,cmkl为l点改善措施m的第k个事故修正系数,cmkl=U,U为事故修正系数集合,如果二进制变量αjmk等于1,则第k个事故修正系数适合事故j,否则不适合;
步骤二,匹配事故修正系数值,δjmk为匹配指标,表示事故j与改善措施m的第k个事故修正系数之间的加权值,
步骤三,选定事故修正系数在交通事故j中的最佳估计,
其中,表示改善措施m的第k个事故修正系数估计,当αjmk=0时,说明是来自不同事故交叉口,此时要将其去除,当δjmk达到最大,且αjmk=1时,改善措施m所选定的事故修正系数是在交通事故j中的最佳估计,
当通过上述方法选择了事故修正系数估计,对于事故j,就可以得到改善措施m的事故修正系数列表,由于测量时间和地点的差异,各研究得到的改善措施计算结果各不相同,选择事故修正系数的平均值进行研究,得到的结果并不理想。此时可以将事故修正系数的加权平均值作为估计值由式(4)计算得出。事故修正系数的标准差为由式(5)计算得出。
其中,
γj:事故成本,等价财产损失值(EPDO)会随其事故严重程度而变化;
τ:使用历史数据的持续时间。
在改善措施评价步骤中,单目标优化公式确定了有限规划的最优改善措施,目标函数是通过减少事故来实现生命周期效益最大化,决策变量是所应用的改善措施的类型和改善措施的起始时间,在选项中改善措施m被指定为m=1,2,...,M,规划周期的时间为T年,第m个改善措施的时间定义为Tm,假设代理成本包括建筑和维护费用。另外,也假设多个改善措施不能同时被应用于同一地点,同时对于残值都忽略不计。单目标问题由式(10a)和(10b)给出:
限制条件:
其中,
xm对于任意m,表示二进制整数决策变量;
Bconstrucntion:建设年预算,建设年度由之前的建设年份和选定改善措施的周期来决定;
Km:改善措施m的建设成本;
Mm:改善措施m的维修成本;
r:折扣率。
式(10a)等价于式(10b),为了避免没有应用改善措施的年数,同时为正值,在满足约束的唯一改善措施中,对于为负值的情况下,式(10b)仍然与(10a)具有相同的最优解,与相同,因此,式(10b)为目标函数,不采用式(10a),以减少变量和约束条件的数量,式(10c)代表机构年成本,该机构应在使用改善措施的周期中每年支付维护费用,建设成本与年维护成本相对较高,仅在改善措施的第一年投入使用,因此,只有在建设期间才需要考虑预算约束。式(10d)用以确保改善措施不能同时被使用,它可以通过比较改善措施m=1,2,...,M的效益值来进行求解,如果为正值且满足约束条件,则具有最大效益值且满足约束条件的改善措施为最优措施,在建设年限中最优规划变量会随着预算约束条件(10c)发生变化而发生变化,当Bconstrucntion不变时,最优改善措施不变。
本部分内容对本发明中提出的基于事故修正系数配对技术的平面交叉口交通安全改善效果评价方法的全过程进行了实施。
该研究地点位于加利福尼亚州伯克利市中心附近。在案例研究中,假设提供五种不同的改善措施:
CM 1:安装过街天桥;
CM 2:将自控人行穿越道变更为行人优先穿越平台;
CM 3:平均车速减少10%;
CM 4:安装高强度行人激活信号灯(HAWK);
CM 5:设置自行车车道。
改善措施参数详见表1,每个改善措施都存在建设成本和维护成本,建设成本不仅包括安装费用,还包括由于负面影响而产生的用户成本费用,如工作区建设延误;维护成本不仅包括维护费用,还包括由每个改善措施的连续影响而产生的用户和社会成本。对于每个改善措施,都有多个事故修正系数,并为不同的事故修正系数提供不同的环境情况。预算约束是针对单个地点所定义的,建设年限期间的预算约束为25,000美元,规划期限为25年,折扣率为0.07,目标函数等价于式(10b),在此过程中,折扣率忽略不计。
表1改善措施参数
十年的事故成本为6.90E06,每个改善措施的效益值都是根据前面所提到的方法计算得到的,具体如表2所示。结果显示,第三种改善措施可以解决该优化问题。根据预算约束条件可知,第四种改善措施不可行。方案3建设成本低,使用周期长达25年,而方案4的成本比方案3高出8000$,且使用周期比方案3少5年,由于第五种改善措施使得总成本增加,进而将其排除。对于一些改善措施可以提供校正和未校正的事故修正误差,调整后的标准误差是未校正标准误差与校正因子的乘积,该校正因子与校正类型和质量有关,将校正因子分配给每个事故修正因子和改善措施。基于所有事故j和改善措施m,校正ζjm的标准误差,来生成的校正标准偏差,并假设随机变量vm服从正态分布,可以得到置信水平为95%的置信区间,当事故总集合J足够大时,中心极限定理合理。图2给出了改善措施年均效益的置信区间,如果决策者想得到更准确的效益值,此时应多考虑标准误差。
表2模型计算结果
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.基于事故修正系数配对技术的平面交叉口交通安全改善效果评价方法,其特征在于:包括事故修正系数选择步骤、改善效益分析步骤、改善措施评价步骤,事故修正系数选择步骤用于将事故修正系数特征参量与事故发生交叉口特征参量相匹配,从众多事故修正系数候选值中选择最适合目标点的计算值;改善效益分析步骤用以将各改善措施影响效果转化为经济指标;改善措施评价步骤以生命周期效益最大化为目标函数,以改善措施的类型和改善措施的起始时间为决策变量,用于选择最优改善措施;在事故修正系数选择步骤中,采用下述三个步骤为事故j缩小事故修正系数的范围,
步骤一,检查事故j是否适合改善措施m的第k个事故修正系数,
其中,l=1,2,…,L,表示发生事故的交叉口,用m表示交通安全改善措施编号,k表示事故修正系数编号,k=1,2,…,K,ajl为l点事故j的信息集合,cmkl为l点改善措施m的第k个事故修正系数的集合,无特殊说明时,cmkl=U,U为事故修正系数集合,如果二进制变量αjmk等于1,则第k个事故修正系数适合事故j,否则不适合,表示当l点事故j的信息集合包含于改善措施m的第k个事故修正系数的集合;
步骤二,匹配事故修正系数值,δjmk为匹配指标,表示事故j与改善措施m的第k个事故修正系数之间的加权值,
3.如权利要求1所述的基于事故修正系数配对技术的平面交叉口交通安全改善效果评价方法,其特征在于,在改善措施评价步骤中,采用单目标优化公式确定有限规划的最优改善措施,单目标问题由式(10b)给出:
限制条件:
其中,m为改善措施,m=1,2,…,M,
T为规划周期的年数,
xm对于任意m,表示二进制整数决策变量,
Bconstrucntion为建设年预算,建设年度由之前的建设年份和选定改善措施的周期来决定,
Km为改善措施m的建设成本,
Mm为改善措施m的维修成本,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711482667.XA CN108256749B (zh) | 2017-12-29 | 2017-12-29 | 基于事故修正系数配对技术的交通安全改善效果评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711482667.XA CN108256749B (zh) | 2017-12-29 | 2017-12-29 | 基于事故修正系数配对技术的交通安全改善效果评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256749A CN108256749A (zh) | 2018-07-06 |
CN108256749B true CN108256749B (zh) | 2022-05-03 |
Family
ID=62725417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711482667.XA Active CN108256749B (zh) | 2017-12-29 | 2017-12-29 | 基于事故修正系数配对技术的交通安全改善效果评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256749B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113095667B (zh) * | 2021-04-07 | 2022-05-24 | 公安部交通管理科学研究所 | 一种道路交通安全隐患改善评价方法及系统 |
CN115148029B (zh) * | 2022-06-29 | 2023-09-19 | 交通运输部公路科学研究所 | 一种用于预测行人交通事故的方法、介质以及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760634A (zh) * | 2016-03-30 | 2016-07-13 | 南京航空航天大学 | 基于蒙特卡洛仿真的交叉口设计方案变权综合评价方法 |
CN107331152A (zh) * | 2017-07-13 | 2017-11-07 | 南京航空航天大学 | 一种次路停车控制交叉口行人过街设施多目标优选方法 |
-
2017
- 2017-12-29 CN CN201711482667.XA patent/CN108256749B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760634A (zh) * | 2016-03-30 | 2016-07-13 | 南京航空航天大学 | 基于蒙特卡洛仿真的交叉口设计方案变权综合评价方法 |
CN107331152A (zh) * | 2017-07-13 | 2017-11-07 | 南京航空航天大学 | 一种次路停车控制交叉口行人过街设施多目标优选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108256749A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512767B (zh) | 一种多预见期的洪水预报方法 | |
CN104464304A (zh) | 一种基于路网特性的城市道路车辆行驶速度预测方法 | |
CN103218675B (zh) | 一种基于聚类和滑动窗口的短期负荷预测方法 | |
CN106875699B (zh) | 一种交通控制优化方法及装置 | |
CN106971048A (zh) | 一种伽马型有寿件备件需求量计算方法 | |
CN108256749B (zh) | 基于事故修正系数配对技术的交通安全改善效果评价方法 | |
CN1737502A (zh) | 延误风险规避的车载导航系统准动态路线优化方法 | |
CN110991046B (zh) | 一种基于响应面函数的排水系统内涝风险快速预警方法 | |
CN105243449A (zh) | 售电量预测结果修正方法及装置 | |
CN103177570A (zh) | 一种早晚高峰交通拥堵指数的预测方法 | |
CN106203683A (zh) | 一种电力客户用电负荷预测系统的建模方法 | |
CN102521989A (zh) | 一种动态数据驱动的高速公路出口流量预测方法 | |
CN113469528A (zh) | 一种考虑时空关联多维不确定性的水库群多目标防洪调度风险分析方法 | |
CN114202316A (zh) | 基于深度强化学习的城市轨道交通列车时刻表优化方法 | |
Avery et al. | Data-driven modeling and prediction of the process for selecting runway configurations | |
Mohammad Rezapour Tabari | Prediction of river runoff using fuzzy theory and direct search optimization algorithm coupled model | |
CN114004102A (zh) | 抵抗洪水预报误差扰动的水库实时防洪多目标鲁棒优化调控方法 | |
Dumas et al. | Probabilistic forecasting of imbalance prices in the Belgian context | |
CN110020475A (zh) | 一种交通流预测的马尔科夫粒子滤波方法 | |
CN111612224A (zh) | 一种路面多车道状况预测与养护规划方法 | |
CN104865827A (zh) | 一种基于多工况模型的抽油机采油优化方法 | |
CN103984986A (zh) | 实时校正的自学习arma模型风电功率超短期预测方法 | |
CN111833594A (zh) | 车流量预测方法、装置、电子设备及存储介质 | |
CN107145714B (zh) | 基于多因素的公共自行车使用量预测方法 | |
CN103745602A (zh) | 一种基于滑窗平均的交通流量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |