CN108922170B - 一种基于电子警察抓拍数据的交叉口安全评价方法 - Google Patents

一种基于电子警察抓拍数据的交叉口安全评价方法 Download PDF

Info

Publication number
CN108922170B
CN108922170B CN201810608227.2A CN201810608227A CN108922170B CN 108922170 B CN108922170 B CN 108922170B CN 201810608227 A CN201810608227 A CN 201810608227A CN 108922170 B CN108922170 B CN 108922170B
Authority
CN
China
Prior art keywords
intersection
traffic
data
violation
evaluated
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
Application number
CN201810608227.2A
Other languages
English (en)
Other versions
CN108922170A (zh
Inventor
江泽浩
杨晓光
汪涛
杨正
张羽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Ji'an Transportation Consulting Co ltd
Tongji University
Original Assignee
Shanghai Ji'an Transportation Consulting Co ltd
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Ji'an Transportation Consulting Co ltd, Tongji University filed Critical Shanghai Ji'an Transportation Consulting Co ltd
Priority to CN201810608227.2A priority Critical patent/CN108922170B/zh
Publication of CN108922170A publication Critical patent/CN108922170A/zh
Application granted granted Critical
Publication of CN108922170B publication Critical patent/CN108922170B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Chemical & Material Sciences (AREA)
  • Marketing (AREA)
  • Analytical Chemistry (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于电子警察抓拍数据的交叉口安全评价方法，包括以下步骤：1)确定待评价交叉口和待评价交叉口的短时间区间t；2)获取待评价交叉口在长时间区间T内电子警察数据中的交通违法数据和交通事故数据；3)建立待评价交叉口内交通违法和交通事故间的关系模型；4)获取短时间区间t内交通违法数据和交通流量数据；5)计算短时间区间t内待评价交叉口的交通违法类型对应的违法率；6)根据关系模型计算短时间区间t内待评价交叉口的交通违法指数；7)根据交通违法指数，对待评价交叉口进行安全性排名并评估。与现有技术相比，本发明具有准确性和可操作性高等优点。

Description

一种基于电子警察抓拍数据的交叉口安全评价方法
技术领域
本发明涉及道路车辆的交通控制系统的技术领域，尤其是涉及一种基于电子警察抓拍数据的交叉口安全评价方法。
背景技术
交叉口是城市路网的关键位置，据统计，我国交通事故总量的16％—22％发生于平面交叉口内。因此，对交叉口进行安全评价是城市道路交通安全审计的基础性工作，对于识别和改善危险交叉口具有关键性的指导意义。
经典的城市道路交叉口安全评价方法有“基于事故”和“基于违法”两大类，且各具优缺点。
“基于事故”的交叉口安全评价方法的基本逻辑是经过统计分析，若某交叉口的事故率高于其它交叉口，则可判断此交叉口“不安全”。此方法的优点是交通事故是“显性”的，基于事故的安全性评价说服力强，但由于事故的发生具有强随机性，只有依据长时间的事故记录才能得出有统计意义的结论，同时，我国交通事故多为办案交警采用自然语言记录，分析难度较大。
“基于冲突”的交叉口安全评价方法的基本逻辑是将交通冲突作为交通事故的替代指标，假设交通冲突(特别是严重冲突)与交通事故存在明确的正相关性，若某交叉口的严重冲突数(或冲突率)高于其它交叉口，则断定此交叉口不安全。此方法的优点是交通冲突样本量大，具有统计学优势；此方法亦存在固有缺陷，一则交通冲突是“隐性”的，“严重冲突与交通事故之间存在正相关关系”是否恒成立仍有待研究，此评价方法说服力不强，二则严重冲突阈值判断主观性强且观测难度大。因此，“基于冲突”的评价方法在工程实践中应用并不广泛。
在当下的具体工程实践中，对交叉口进行短时间区间的安全评价的需求较为突出，如对评价范围内多个交叉口的安全性进行月度(或季度)的评价并排名，进而对交警进行勤务考核。在此种需求场景下，若“基于事故”评估，则事故数量极少，不具有统计学意义，而若“基于冲突”评估，则工程实践性不强。因此，需探索一种新的交叉口短时间区间的安全评价方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于电子警察抓拍数据的交叉口安全评价方法。
本发明的目的可以通过以下技术方案来实现：
一种基于电子警察抓拍数据的交叉口安全评价方法，包括以下步骤：
1)确定待评价交叉口和待评价交叉口的短时间区间t；
2)获取待评价交叉口在长时间区间T内电子警察数据中的交通违法数据和交通事故数据，且T＞t＞0；
3)根据长时间区间T内交通违法数据、交通事故数据和交通流量数据，建立待评价交叉口内交通违法和交通事故间的关系模型；
4)获取短时间区间t内交通违法数据和交通流量数据；
5)根据短时间区间t内交通违法数据和交通流量数据，计算短时间区间t内待评价交叉口的交通违法类型对应的违法率；
6)根据关系模型计算短时间区间t内待评价交叉口的交通违法指数；
7)根据交通违法指数，对待评价交叉口进行安全性排名并评估。
所述的步骤1)中，待评价交叉口包括交通交叉口的中心点往道路方向150m内的空间范围。
所述的短时间区间t范围为1-92天。
所述的长时间区间T至少为短时间区间t时间长度的10倍。
所述的步骤2)中，交通违法数据为待评价交叉口的交通违法类型的违法次数Vij，交通事故数据为待评价交叉口的交通事故次数Ci，其中，i为待评价交叉口的序号，j为交通违法类型的序号。
所述的步骤3)中，交叉口的交通违法和交通事故间的关系模型的表达式为：
c＝α1v1+α2v2+…+αjvj
其中，c是交通事故率，αj是第j种交通违法类型的回归系数，vj为第j种交通违法类型的违法率。
所述的事故率的计算式为：
Figure BDA0001694884640000031
其中，ci为交叉口i中交通事故率，Ci为交叉口i中交通事故数，Fi为交叉口i的日均交通流量。
所述的违法率的计算式为：
Figure BDA0001694884640000032
其中，vij为交叉口i中第j种交通违法类型的违法率，Vij为交叉口i中第j种交通违法类型的违法次数，Fi为交叉口i的日均交通流量。
所述的步骤6)中，待评价交叉口的交通违法指数的计算方法如下：
Figure BDA0001694884640000033
其中，Ii为交叉口i的交通违法指数，cmin待评价的交叉口中最小的交通事故率，cmax待评价的交叉口中最大的交通事故率。
所述的步骤7)中，交通违法指数越高，交叉口越危险，反之，交叉口越安全。
与现有技术相比，本发明具有以下优点：
本发明提供了一种基于电子警察数据的交叉口短时间区间安全评价方法，通过获取大量交通违法数据和交通事故数据，构建两者之间的关系模型，将影响交叉口安全性的显性因素和隐形因素结合在一起，通过采集短时间区间内的交通流量数据，计算此时间内各个交叉口的违法类型的违法率和交通违法指数，基于交通违法指数，对评价范围内各交叉口进行安全性排名并评估，本发明克服了“基于事故”和“基于冲突”的交叉口安全评价方法的缺陷，以交叉口的长时间区间的事故数据与违法数据为基础，建立两者之间的关系模型，用来计算交叉口的短时间区间的交通违法指数，最终用于交叉口安全评价，提高交叉口交通安全评价的准确性和可操作性，并在城市道路交通安全管理方面产生实际的工程价值。
附图说明
图1为本发明的方法流程图。
图2为交叉口范围示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示，本发明涉及一种基于电子警察数据的交叉口短时间区间安全评价方法，包括以下步骤。
本发明中，在交通事故数据的统计过程中，考虑到交叉口展宽等多种影响因素，一般情况下，定义待评价交叉口为交通交叉口的中心点往道路方向150m的空间范围，如图2所示。
步骤1：确定待评价交叉口和待评价的短时间区间t，本例中取短时间区间t为1～92天，由于主要针对短时间区间进行安全评价，故短时间区间t为1～92天，一般情况下，t涉及时间为1个月或1个季度，即30天或92天。
步骤2：采集待评价交叉口在长时间区间T内电子警察数据中的交通违法数据和交通事故数据；T＞t＞0，本例中取长时间区间T至少为短时间区间t的10倍。
交通违法数据为待评价交叉口的交通违法类型的违法次数Vij，交通事故数据为待评价交叉口的交通事故次数Ci，其中，i为待评价交叉口，j为交通违法类型的序号，长时间区间T用于获取大量的既有交通数据，为了保证数据在统计学上的意义，T可以取3年，如1095天。
本发明中，由于要保证统计学上的意义，交通违法类型取主要的、常见的交通违法类型，一般情况下，交通违法类型包括：
1)在高速公路或城市快速路以外的道路上行驶时，驾驶人未按规定使用安全带的；
2)机动车通过有灯控路口时，不按所需行进方向驶入导向车道的；
3)压停止线；
4)机动车逆向行驶的；
5)机动车违反禁止标线指示的；
6)机动车违反禁令标志指示的；
7)驾驶机动车违反道路交通信号灯通行的。
步骤3：基于交通违法数据和交通事故数据，建立待评价交叉口内交通违法和交通事故间的关系模型，任一待评价交叉口的交通违法和交通事故间的关系模型为
c＝α1v1+α2v2+…+αjvj
其中，c是交通事故率，αj是第j种交通违法类型的回归系数，vj为第j种交通违法类型的违法率。
事故率的计算式为：
Figure BDA0001694884640000051
其中，ci为交叉口i中交通事故率，Ci为交叉口i中交通事故数，Fi为交叉口i的日均交通流量。
违法率的计算式为：
Figure BDA0001694884640000052
其中，vij为交叉口i中第j种交通违法类型的违法率，Vij为交叉口i中第j种交通违法类型的违法次数，Fi为交叉口i的日均交通流量。本例中。关系模型采用线形回归的方法建立。
步骤4：采集待评价的短时间区间t内电子警察数据的交通流量数据，交通流量数据可从交叉口流量检测系统中导出，交叉口流量检测系统为现有技术中常规使用的系统，系统设有数据导出接口。
步骤5：根据交通流量数据和交通违法数据计算待评价的短时间区间t内待评价交叉口的交通违法类型对应的违法率；
步骤6：基于步骤3的关系模型计算待评价的短时间区间t内待评价交叉口的交通违法指数I，计算方法如下：
Figure BDA0001694884640000053
其中，Ii为交叉口i的交通违法指数，cmin待评价的交叉口中最小的交通事故率，cmax待评价的交叉口中最大的交通事故率；
步骤7：基于所述交通违法指数，对待评价交叉口进行安全性排名并评估，交通违法指数越高，交叉口越危险，反之，交叉口越安全。
以下给出本发明的实施例。
本实施例中，通过城市交通管理部门的交通事故与交通违法信息采集系统，搜集了某城市14个交叉口3年的交通事故与交通违法数据，其中，违法类型1-7分别对应前述7种交通违法类型，数据如表1所示。
表1：14个交叉口3年的交通事故数据与交通违法数据(单位：件)
Figure BDA0001694884640000061
以上述14个交叉口为样本，建立交通违法和交通事故间的关系模型：C＝-139.972+0.004V2+0.006V4+0.001V7。
本实施例中，利用交叉口流量检测系统，搜集上述14个交叉口1个月的交通总流量，利用电子警察数据，搜集14个交叉口1个月的交通违法数据，数据如表2所示。
表2：14个平面交叉口1个月的交通总流量及交通违法数据
Figure BDA0001694884640000062
Figure BDA0001694884640000071
由表2计算可得14个交叉口在获取数据的1个月的各种违法类型的违法率，将上述14个交叉口的各种违法类型的违法率代入公式C＝-139.972+0.004V2+0.006V4+0.001V7中，计算得到交叉口的交通违法指数。在实际计算的过程中，为了便于计算，计算交通违法指数时可将公式中的常数项略掉，并将计算结果百分化。
基于交通违法指数，对评价范围内交叉口进行安全性排名并评估，将该月评价范围内14个交叉口的安全程度由高到低排序，如表3所示。
表3：14个平面交叉口1个月的交通违法率
Figure BDA0001694884640000072
Figure BDA0001694884640000081
由表3可知，第5交叉口的交通违法指数最低，安全程度最高，第7交叉口的交通违法指数最高，安全程度最低。
本发明通过获取大量交通违法数据和交通事故数据，构建两者之间的关系模型，将影响交叉口安全性的显性因素和隐形因素结合在一起，通过采集短时间区间内的交通流量数据，计算此时间内各个交叉口的违法类型的违法率和交通违法指数，基于交通违法指数，对评价范围内各交叉口进行安全性排名并评估。本发明克服了“基于事故”和“基于冲突”的交叉口安全评价方法的缺陷，以交叉口的长时间区间的事故数据与违法数据为基础，建立两者之间的关系模型，用来计算交叉口的短时间区间的交通违法指数，最终用于交叉口安全评价，提高交叉口交通安全评价的准确性和可操作性，并在城市道路交通安全管理方面产生实际的工程价值。

Claims (4)

1.一种基于电子警察抓拍数据的交叉口安全评价方法，其特征在于，包括以下步骤：
1)确定待评价交叉口和待评价交叉口的短时间区间t，待评价交叉口包括交通交叉口的中心点往道路方向150m内的空间范围；
2)获取待评价交叉口在长时间区间T内电子警察数据中的交通违法数据和交通事故数据，且T＞t＞0，交通违法数据为待评价交叉口的交通违法类型的违法次数Vij，交通事故数据为待评价交叉口的交通事故次数Ci，其中，i为待评价交叉口的序号，j为交通违法类型的序号；
3)根据长时间区间T内交通违法数据、交通事故数据和交通流量数据，建立待评价交叉口内交通违法和交通事故间的关系模型，交叉口的交通违法和交通事故间的关系模型的表达式为：
c＝α1v1+α2v2+…+αjvj
其中，c是交通事故率，αj是第j种交通违法类型的回归系数，vj为第j种交通违法类型的违法率；
所述的事故率的计算式为：
Figure FDA0002544742800000011
其中，ci为交叉口i中交通事故率，Ci为交叉口i中交通事故数，Fi为交叉口i的日均交通流量；
所述的违法率的计算式为：
Figure FDA0002544742800000012
其中，vij为交叉口i中第j种交通违法类型的违法率，Vij为交叉口i中第j种交通违法类型的违法次数，Fi为交叉口i的日均交通流量；
4)获取短时间区间t内交通违法数据和交通流量数据；
5)根据短时间区间t内交通违法数据和交通流量数据，计算短时间区间t内待评价交叉口的交通违法类型对应的违法率；
6)根据关系模型计算短时间区间t内待评价交叉口的交通违法指数，待评价交叉口的交通违法指数的计算方法如下：
Figure FDA0002544742800000021
其中，Ii为交叉口i的交通违法指数，cmin待评价的交叉口中最小的交通事故率，cmax待评价的交叉口中最大的交通事故率；
7)根据交通违法指数，对待评价交叉口进行安全性排名并评估。
2.根据权利要求1所述的一种基于电子警察抓拍数据的交叉口安全评价方法，其特征在于，所述的短时间区间t范围为1-92天。
3.根据权利要求2所述的一种基于电子警察抓拍数据的交叉口安全评价方法，其特征在于，所述的长时间区间T至少为短时间区间t时间长度的10倍。
4.根据权利要求1所述的一种基于电子警察抓拍数据的交叉口安全评价方法，其特征在于，所述的步骤7)中，交通违法指数越高，交叉口越危险，反之，交叉口越安全。
CN201810608227.2A 2018-06-13 2018-06-13 一种基于电子警察抓拍数据的交叉口安全评价方法 Active CN108922170B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810608227.2A CN108922170B (zh) 2018-06-13 2018-06-13 一种基于电子警察抓拍数据的交叉口安全评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810608227.2A CN108922170B (zh) 2018-06-13 2018-06-13 一种基于电子警察抓拍数据的交叉口安全评价方法

Publications (2)

Publication Number Publication Date
CN108922170A CN108922170A (zh) 2018-11-30
CN108922170B true CN108922170B (zh) 2020-11-27

Family

ID=64419293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810608227.2A Active CN108922170B (zh) 2018-06-13 2018-06-13 一种基于电子警察抓拍数据的交叉口安全评价方法

Country Status (1)

Country Link
CN (1) CN108922170B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584565A (zh) * 2018-12-25 2019-04-05 天津易华录信息技术有限公司 一种交通安全评价系统及其评价指数计算方法
CN110164132B (zh) * 2019-05-29 2020-03-06 浙江警察学院 一种道路交通异常的检测方法及系统
CN114550445B (zh) * 2022-01-24 2023-07-18 广东省城乡规划设计研究院有限责任公司 一种城市区域交通安全状态评估方法和装置
CN114898555B (zh) * 2022-05-09 2024-01-05 华路易云科技有限公司 一种道路交叉口综合评估方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593545A (zh) * 2012-08-16 2014-02-19 同济大学 交叉口多模式综合服务水平评价方法
KR20160092958A (ko) * 2016-04-30 2016-08-05 윤종식 교차로 신호위반 교통사고 예방 방법 및 그 시스템
CN106448158A (zh) * 2016-09-06 2017-02-22 江苏智通交通科技有限公司 基于对应分析模型的交通事故成因分析方法
CN106778866A (zh) * 2016-12-15 2017-05-31 东南大学 交通事故中事故类型和违章类型对应分析方法
CN107045786A (zh) * 2017-04-12 2017-08-15 江苏智通交通科技有限公司 基于Kaplan‑Meier法的驾驶者发生交通事故间隔时间的计算方法
CN107123268A (zh) * 2017-06-30 2017-09-01 广东工业大学 一种平面交叉口交通安全状态评估方法
CN105741551B (zh) * 2016-04-22 2017-12-01 华南理工大学 一种无信号交叉口交通安全评价方法
CN107766636A (zh) * 2017-10-12 2018-03-06 东南大学 一种基于极值理论与微观仿真的城市交叉口安全评价方法
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
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10208070B4 (de) * 2002-02-25 2009-09-10 Fendt, Günter Verfahren zur Verringerung des Unfallrisikos in einem kombinierten Verkehrsnetz mit unterschiedlichen Prioritäten der Verkehrsteilnehmer
CN106781450B (zh) * 2015-11-19 2019-09-17 阿里巴巴集团控股有限公司 一种交通数据处理方法及装置
CN106887136A (zh) * 2015-12-15 2017-06-23 西安正通电子科技有限公司 一种交叉路口危险等级分析系统
CN106355887A (zh) * 2016-08-31 2017-01-25 广州精点计算机科技有限公司 一种在线交通路口车辆信息的智能监控系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593545A (zh) * 2012-08-16 2014-02-19 同济大学 交叉口多模式综合服务水平评价方法
CN105741551B (zh) * 2016-04-22 2017-12-01 华南理工大学 一种无信号交叉口交通安全评价方法
KR20160092958A (ko) * 2016-04-30 2016-08-05 윤종식 교차로 신호위반 교통사고 예방 방법 및 그 시스템
CN106448158A (zh) * 2016-09-06 2017-02-22 江苏智通交通科技有限公司 基于对应分析模型的交通事故成因分析方法
CN106778866A (zh) * 2016-12-15 2017-05-31 东南大学 交通事故中事故类型和违章类型对应分析方法
CN107045786A (zh) * 2017-04-12 2017-08-15 江苏智通交通科技有限公司 基于Kaplan‑Meier法的驾驶者发生交通事故间隔时间的计算方法
CN107123268A (zh) * 2017-06-30 2017-09-01 广东工业大学 一种平面交叉口交通安全状态评估方法
CN107766636A (zh) * 2017-10-12 2018-03-06 东南大学 一种基于极值理论与微观仿真的城市交叉口安全评价方法
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
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

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
交通事故类型和违法类型对应分析;刘林等;《中国安全科学学报》;20171130;第27卷(第11期);第79-84页 *
城市道路交通事故率探析;严守清等;《交通与运输》;20170731(第1期);第215-216页 *
基于事故和冲突的公路平交口安全灰色评价研究;连嘉等;《北京汽车》;20090630(第3期);第29-32页 *
基于交通冲突比率的交叉口安全评价;彭金栓 等;《交通标准化》;20081231(第10期);第95-98页 *
基于视频信息的平面交叉路口安全状态评估方法;陈骋逵 等;《工业控制计算机》;20170430;第30卷(第4期);第90-91,93页 *
平面交叉口安全评价方法;刘小明等;《人类工效学》;19970331;第3卷(第1期);第49-53页 *
道路交通事故多元线性回归模型及其检验方法;董玉波;《中国人民公安大学学报》;20130331;第19卷(第2期);第73-75页 *

Also Published As

Publication number Publication date
CN108922170A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN108922170B (zh) 一种基于电子警察抓拍数据的交叉口安全评价方法
CN102968901B (zh) 获取区域拥堵信息的方法及区域拥堵分析装置
CN108550263B (zh) 一种基于故障树模型的高速公路交通事故成因分析方法
CN110363985B (zh) 一种交通数据分析方法、装置、存储介质及设备
CN105913661A (zh) 一种基于收费数据的高速公路路段交通状态判别方法
Jin et al. Assessment of expressway traffic safety using Gaussian mixture model based on time to collision
CN110807919A (zh) 基于过车数据的城市路网交通运行态势评价方法
Goyani et al. Investigation of traffic conflicts at unsignalized intersection for reckoning crash probability under mixed traffic conditions
DE112019000714T5 (de) Glasfasererfassung zur autobahninstandhaltung
CN109448384B (zh) 一种高速公路危险交通行为识别方法
Gitelman et al. The relationship between free-flow travel speeds, infrastructure characteristics and accidents, on single-carriageway roads
CN113870564B (zh) 一种封闭路段交通拥堵分类方法、系统、电子设备及存储介质
CN107784832A (zh) 一种用于识别交通道路中的事故黑点的方法与设备
CN108961748A (zh) 一种基于当量违法率的交叉口运行安全状态排名方法
CN103971519A (zh) 一种利用交通冲突判别事故易发路段的方法及其系统
CN114550445B (zh) 一种城市区域交通安全状态评估方法和装置
CN109979198B (zh) 基于大规模浮动车数据的城市快速道路车速离散辨识方法
Wang et al. Integrating before and after crash features into measuring the effectiveness of intersection safety improvement project in Harbin
Gan et al. Finite mixture distribution method to model vehicle headways at port collector-distributor roads
Lu et al. Safety evaluation of right turns followed by U-turns as an alternative to direct left turns: crash data analysis, Vol. 1
Fitzsimmons Development and analysis of vehicle trajectories and speed profiles along horizontal curves
Rahman et al. Development of a GIS based hazardous road location identification system for National Highways of Bangladesh
Fazio et al. Fatalities of heterogeneous street traffic
CN115100861B (zh) 一种酒驾车辆识别方法
Petrović et al. The Effects of ITS Application in Speed Management on State Road From Mali Pozarevac to Kragujevac

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