CN110648537A - 一种基于海恩法则的交通事故相关性分析方法 - Google Patents

一种基于海恩法则的交通事故相关性分析方法 Download PDF

Info

Publication number
CN110648537A
CN110648537A CN201910928862.3A CN201910928862A CN110648537A CN 110648537 A CN110648537 A CN 110648537A CN 201910928862 A CN201910928862 A CN 201910928862A CN 110648537 A CN110648537 A CN 110648537A
Authority
CN
China
Prior art keywords
traffic
accidents
early warning
road
accident
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.)
Granted
Application number
CN201910928862.3A
Other languages
English (en)
Other versions
CN110648537B (zh
Inventor
朱文佳
刘松
罗达志
胡恒
骆乐乐
陶诗德
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.)
Anhui Baicheng Huitong Technology Co.,Ltd.
Original Assignee
Anhui Honest Huitong Technology Co Ltd
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 Anhui Honest Huitong Technology Co Ltd filed Critical Anhui Honest Huitong Technology Co Ltd
Priority to CN201910928862.3A priority Critical patent/CN110648537B/zh
Publication of CN110648537A publication Critical patent/CN110648537A/zh
Application granted granted Critical
Publication of CN110648537B publication Critical patent/CN110648537B/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
    • 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
    • G08G1/0133—Traffic data processing for classifying traffic situation

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于海恩法则的交通事故相关性分析方法，包括以下步骤：以道路为分组，设定在重大交通事故发生之前，累计发生的道路轻微事故和交通违法数量的阈值；针对预警提前和预警滞后，分别设定预警惩罚系数；按照单一道路，基于历史设定时间内的重大交通事故发生之前累计发生的轻微交通事故和交通违法行为的数量，及对应的阈值的差值，及预警惩罚系数，确定目标函数；按照道路为单位，基于约束条件，求解目标函数最优解，得到重大交通事故的预警值；根据重大交通事故的预警值，交警部门采取相应的管控措施。本发明可用于交警部门通过对预警事件的统计，细化道路交通安全管理，延缓重大事故的时间间隔，从而降低重大交通事故发生的频率，提高安全。

Description

一种基于海恩法则的交通事故相关性分析方法
技术领域
本发明涉及交通安全技术领域，具体涉及一种基于海恩法则的交通事故相关性分析方法。
背景技术
“海恩法则”提出，重大事故是轻微事故和事故隐患累计的结果；而且累计到一定数量，重大事故必然会发生。
在道路交通安全专业，结合海恩法则可以判断，重大交通事故的发生，与轻微事故累计量、交通违法量有关。由此，本发明做出关于不同等级交通事故之间相关性的量化分析。
发明内容
本发明提出的一种基于海恩法则的交通事故相关性分析方法，可用于交警部门对道理安全方面进行分析进而合理管控。
为实现上述目的，本发明采用了以下技术方案：
包括以下步骤：
对交通事件的种类进行分类为重大交通事故、轻微交通事故和交通违法行为；
以道路为分组，设定在重大交通事故发生之前，累计发生的道路轻微事故和交通违法数量的阈值；
针对预警提前和预警滞后，分别设定预警惩罚系数；
按照单一道路，基于历史设定时间内的重大交通事故发生之前累计发生的轻微交通事故和交通违法行为的数量，及对应的阈值的差值，及预警惩罚系数，确定目标函数；
按照道路为单位，基于约束条件，求解目标函数最优解，得到重大交通事故的预警值；
根据重大交通事故的预警值，交警部门采取相应的管控措施。
进一步的，所述预警值的目标函数为：
Figure BDA0002219698930000021
其中，ΔT＝Ta，i-Ta，ΔL＝La，i-La；
对历史设定时间周期的数据，以交通道路为单位，设定发生严重事故的事件为Sa，i，a记为道路A在时间周期内发生的事故；i时间周期内，累计发生的第i次；
假定对于道路A，其严重交通通事故的，伴随着累计的轻微交通事故量Ta、交通违法行为数量La；即预警值为(Ta，La)；
以道路为分组，统计各个道路，在每两个相邻的严重事故之间的累计轻微事故和违法数量：严重事故第Sa，i个到Sa，i+1个事件之间，累计发生的轻微事故和违法数量记为Ta，i和La，i；
α为对于预警提前的严重事故惩罚系数，β为对预警滞后的惩罚系数。
进一步的，所述按照道路为单位，基于约束条件，求解目标函数最优解，得到重大交通事故的预警值；
包括：
应用交通道路在历史设定时间周期内的重大交通事故、轻微交通事故和交通违法行为数量，结合预警惩罚系数，累计求和计算惩罚值∑iPai；
然后根据累计惩罚值最小的原则，求解关于符合约束条件Ta＞0，La＞0，累计惩罚值的二元一次方程；
求解的结果，即是道路严重事故的最佳预警值(Ta，La)。
由上可知本发明的基于海恩法则的交通事故相关性分析方法首先，以道路为分组，设定在重大交通事故发生之前，累计的道路轻微事故和交通违法数量的阈值(设定为，是轻微事故累计数，是违法累计数)。然后，利用历史事故和违法的数据，统计历史重大事故发生前，累计的事故和违法数量(轻微事故数量，违法事件数量)。用设定的阈值与比较，通过设定不同的惩罚系数，对观察值进行求解。
本发明的基于海恩法则的交通事故相关性分析方法具有以下有益效果：
通过量化分析交通事故的相关性，建立数学模型，给出重大交通事故发生的预警值。在实际应用中，交警部门通过对预警事件的统计，细化道路交通安全管理，延缓重大事故的时间间隔，从而降低重大交通事故发生的频率，提高安全。
附图说明
图1是本发明的方法流程图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
本发明实施例的一种基于海恩法则的交通事故相关性分析方法，包括以下步骤：
对交通事件的种类进行分类为重大交通事故、轻微交通事故和交通违法行为；
以道路为分组，设定在重大交通事故发生之前，累计发生的道路轻微事故和交通违法数量的阈值；
针对预警提前和预警滞后，分别设定预警惩罚系数；
按照单一道路，基于历史设定时间内的重大交通事故发生之前累计发生的轻微交通事故和交通违法行为的数量，及对应的阈值的差值，及预警惩罚系数，确定目标函数；
按照道路为单位，基于约束条件，求解目标函数最优解，得到重大交通事故的预警值；
根据重大交通事故的预警值，交警部门采取相应的管控措施。
上述步骤可解释为：
一、道路交通历史事故和违法数据处理：
1)交通历史事故的预处理，首先根据事故的严重程度对事故的种类进行分类。根据公安部制定的事故严重程度的划分标准，把符合条件“造死亡1人以上，或者重伤3人以上，或者财产损失3万元以上的事故”归纳为严重事故，其它为轻微事故。
2)对历史一段时间周期的数据，以交通道路为单位，设定发生严重事故的事件为Sa，i，(a记为道路A在时间周期内发生的事故；i时间周期内，累计发生的第i次)。
3)以道路为分组，统计各个道路，在每两个相邻的严重事故之间的累计轻微事故和违法数量：严重事故第Sa，i个到Sa，i+1个事件之间，累计发生的轻微事故和违法数量记为Ta，i和La，i。
二、严重事故的预警值和预警惩罚系数的设定：
1)道路交通严重事故相关性的量化分析，主要目的是在严重事故发生之前，能够提前预警。同时，根据海恩法则，严重交通事故发生之前，往往伴随着多个轻微事故和交通违法。所以，这里假定对于道路A，其严重交通通事故的，伴随着累计的轻微事故量Ta、交通违法数量La；即预警值为(Ta，La)。
2)关于严重交通事故预警值的误差，分为预警提前和预警滞后两类。由于预警提前，增加了交通管制人力物力的投入；而预警滞后，对于严重事故的预警显得毫无意义。这里引入惩罚系数的概念，对于预警值的误差给予不同的惩罚程度，对于预警提前的严重事故惩罚系数设定为α，预警滞后的惩罚系数设定为β.
三、惩罚值的计算公式表达
惩罚值是关于严重事故预警结果的数学表达式；它就是严重交通事故发生之前预警的轻微事故和交通违法累计值，与实际累计值之间的误差。结合以上两步(S100和S200)的约定，对于单一严重交通事故的惩罚值：
Figure BDA0002219698930000051
其中，ΔT＝Tai-Ta，ΔL＝Lai-La，α和β是设定的常数。
四、累计惩罚值最小原则，计算预警值
对于不同道路的交通事故需要分组求解，主要的方法是：应用交通道路在历史一段时间周期内的严重事故、轻微事故和违法数量，结合惩罚系数，累计求和计算惩罚值∑iPai。然后根据累计惩罚值最小的原则，求解问题转化为关于累计惩罚值的线性规划问题。它是求解关于符合约束条件的(Ta＞0，La＞0)，累计惩罚值的二元一次方程。求解的结果，是道路严重事故的最佳预警值(Ta，La)。
以下举例说明本发明实施例：
取出历史三年的事故和违法数据，对道路A，在历史发生第i次重大事故之前，累计发生的轻微事故和事故隐患记为(Tai，Lai)。设定道路a的重大事故预警值为(Ta，La)，设定预警提前惩罚系数为1，预警滞后惩罚系数为5，惩罚值为P。
则P值最小的(Ta，La)：
Figure BDA0002219698930000052
其中，ΔT＝Tai-Ta，ΔL＝Lai-La，
Ta＞0，
La＞0.
输入道路历史数据，对上述公式进行求解，可得到不同道路在重大交通事故前的累计轻微事故和违法事件的阈值。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种基于海恩法则的交通事故相关性分析方法，其特征在于包括以下步骤：
对交通事件的种类进行分类为重大交通事故、轻微交通事故和交通违法行为；
以道路为分组，设定在重大交通事故发生之前，累计发生的道路轻微事故和交通违法数量的阈值；
针对预警提前和预警滞后，分别设定预警惩罚系数；
按照单一道路，基于历史设定时间内的重大交通事故发生之前累计发生的轻微交通事故和交通违法行为的数量，及对应的阈值的差值，及预警惩罚系数，确定目标函数；
按照道路为单位，基于约束条件，求解目标函数最优解，得到重大交通事故的预警值；
根据重大交通事故的预警值，交警部门采取相应的管控措施。
2.根据权利要求1所述的基于海恩法则的交通事故相关性分析方法，其特征在于：所述预警值的目标函数为：
Figure FDA0002219698920000011
其中，ΔT＝Ta，i-Ta，ΔL＝La，i-La；
对历史设定时间周期的数据，以交通道路为单位，设定发生严重事故的事件为Sa，i，a记为道路A在时间周期内发生的事故；i时间周期内，累计发生的第i次；
假定对于道路A，其严重交通通事故的，伴随着累计的轻微交通事故量Ta、交通违法行为数量La；即预警值为(Ta，La)；
以道路为分组，统计各个道路，在每两个相邻的严重事故之间的累计轻微事故和违法数量：严重事故第Sa，i个到Sa，i+1个事件之间，累计发生的轻微事故和违法数量记为Ta，i和La，i；
α为对于预警提前的严重事故惩罚系数，β为对预警滞后的惩罚系数。
3.根据权利要求2所述的基于海恩法则的交通事故相关性分析方法，其特征在于：所述按照道路为单位，基于约束条件，求解目标函数最优解，得到重大交通事故的预警值；
包括：
应用交通道路在历史设定时间周期内的重大交通事故、轻微交通事故和交通违法行为数量，结合预警惩罚系数，累计求和计算惩罚值∑iPai；
然后根据累计惩罚值最小的原则，求解关于符合约束条件Ta＞0，La＞0，累计惩罚值的二元一次方程；
求解的结果，即是道路严重事故的最佳预警值(Ta，La)。
4.根据权利要求3所述的基于海恩法则的交通事故相关性分析方法，其特征在于：设α＝1，β＝5；则：
P值最小的(Ta，La)为：
其中，ΔT＝Ta，i-Ta，ΔL＝La，i-La；
Ta＞0，
La＞0.。
CN201910928862.3A 2019-09-28 2019-09-28 一种基于海恩法则的交通事故相关性分析方法 Active CN110648537B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910928862.3A CN110648537B (zh) 2019-09-28 2019-09-28 一种基于海恩法则的交通事故相关性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910928862.3A CN110648537B (zh) 2019-09-28 2019-09-28 一种基于海恩法则的交通事故相关性分析方法

Publications (2)

Publication Number Publication Date
CN110648537A true CN110648537A (zh) 2020-01-03
CN110648537B CN110648537B (zh) 2021-03-05

Family

ID=69011804

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910928862.3A Active CN110648537B (zh) 2019-09-28 2019-09-28 一种基于海恩法则的交通事故相关性分析方法

Country Status (1)

Country Link
CN (1) CN110648537B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112652168A (zh) * 2020-12-15 2021-04-13 安徽百诚慧通科技有限公司 一种重大交通事故预警方法、系统及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198711A (zh) * 2013-03-21 2013-07-10 东南大学 一种降低不同严重程度交通事故概率的车辆调控方法
CN106355881A (zh) * 2016-10-12 2017-01-25 同济大学 一种基于空间自相关的事故多发点鉴别方法及装置
CN108108908A (zh) * 2018-01-03 2018-06-01 中国石油大学(华东) 贫数据、信息不完全条件下的定量风险评估方法
CN109034264A (zh) * 2018-08-15 2018-12-18 云南大学 交通事故严重性预测csp-cnn模型及其建模方法
CN109086808A (zh) * 2018-07-16 2018-12-25 江苏智通交通科技有限公司 基于随机森林算法的交通高危人员识别方法
CN110263074A (zh) * 2019-06-26 2019-09-20 东南大学 一种基于lle和k均值法挖掘违法事故对应关系的方法
CN110276370A (zh) * 2019-05-05 2019-09-24 南京理工大学 一种基于随机森林的道路交通事故风险因素分析方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198711A (zh) * 2013-03-21 2013-07-10 东南大学 一种降低不同严重程度交通事故概率的车辆调控方法
CN106355881A (zh) * 2016-10-12 2017-01-25 同济大学 一种基于空间自相关的事故多发点鉴别方法及装置
CN108108908A (zh) * 2018-01-03 2018-06-01 中国石油大学(华东) 贫数据、信息不完全条件下的定量风险评估方法
CN109086808A (zh) * 2018-07-16 2018-12-25 江苏智通交通科技有限公司 基于随机森林算法的交通高危人员识别方法
CN109034264A (zh) * 2018-08-15 2018-12-18 云南大学 交通事故严重性预测csp-cnn模型及其建模方法
CN110276370A (zh) * 2019-05-05 2019-09-24 南京理工大学 一种基于随机森林的道路交通事故风险因素分析方法
CN110263074A (zh) * 2019-06-26 2019-09-20 东南大学 一种基于lle和k均值法挖掘违法事故对应关系的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHARAF ALKHEDER 等: "Severity Prediction of Traffic Accident Using an Artificial Neural Network", 《JOURNAL OF FORECASTING》 *
赵清竹: ""海恩法则"与预防车辆事故", 《交通与运输》 *
郭敏: "兰海高速事故并非偶然历次政治为何不起作用", 《汽车与安全》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112652168A (zh) * 2020-12-15 2021-04-13 安徽百诚慧通科技有限公司 一种重大交通事故预警方法、系统及存储介质

Also Published As

Publication number Publication date
CN110648537B (zh) 2021-03-05

Similar Documents

Publication Publication Date Title
Kwon et al. Components of congestion: Delay from incidents, special events, lane closures, weather, potential ramp metering gain, and excess demand
Abdel-Aty et al. Calibrating a real-time traffic crash-prediction model using archived weather and ITS traffic data
Guessous et al. Estimating travel time distribution under different traffic conditions
CN111260922B (zh) 一种基于拥堵态势分级的匝道控制方法
CN106781499B (zh) 一种交通网络效率评价系统
Bonneson et al. Effect of yellow-interval timing on the frequency of red-light violations at urban intersections
CN110705850A (zh) 一种基于层次分析法的道路风险评估方法
CN109448384B (zh) 一种高速公路危险交通行为识别方法
CN110648537B (zh) 一种基于海恩法则的交通事故相关性分析方法
CN114970943A (zh) 一种高速公路事故类型与严重程度预测方法
CN109360414B (zh) 常发拥堵路段的识别和筛查方法
Yang et al. Analysis of freeway secondary crashes with a two-step method by loop detector data
CN118314726A (zh) 一种基于多检测源的典型场景路段交通事故风险预警方法
CN101075377A (zh) 基于偏最小二乘原理的高速公路交通事件自动检测方法
CN108922170A (zh) 一种基于电子警察抓拍数据的交叉口安全评价方法
Pratelli et al. Estimating and updating gap acceptance parameters for HCM6th roundabout capacity model applications
CN112652168B (zh) 一种重大交通事故预警方法、系统及存储介质
Lochrane et al. Modeling driver behavior in work and nonwork zones: Multidimensional psychophysical car-following framework
CN107025789B (zh) 一种交通事件检测方法及装置
CN102157061A (zh) 一种基于关键字统计的交通事件识别方法
Alhassan et al. Effect of rain on probability distributions fitted to vehicle time headways
Russo et al. Consistent approach to predictive modeling and countermeasure determination by crash type for low-volume roads
CN108182805B (zh) 一种基于信疑双基建模的高速公路车辆监控管理方法
CN113112803A (zh) 基于视频监控的城市交通道路车流数据采集和分析处理系统
Mo et al. Study of pedestrian crossing behavior at signalized intersection based on structural equation model.

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
CP01 Change in the name or title of a patent holder

Address after: Room 707-710, 7th floor, building B3, innovation industrial park, No. 800, Wangjiang West Road, hi tech Zone, Hefei City, Anhui Province

Patentee after: Anhui Baicheng Huitong Technology Co.,Ltd.

Address before: Room 707-710, 7th floor, building B3, innovation industrial park, No. 800, Wangjiang West Road, hi tech Zone, Hefei City, Anhui Province

Patentee before: ANHUI BAI CHENG HUI TONG TECHNOLOGY CO.,LTD.

CP01 Change in the name or title of a patent holder