CN110956335B - 一种基于预测事故率分级的公路安全评价系统及评价方法 - Google Patents
一种基于预测事故率分级的公路安全评价系统及评价方法 Download PDFInfo
- Publication number
- CN110956335B CN110956335B CN201911262121.2A CN201911262121A CN110956335B CN 110956335 B CN110956335 B CN 110956335B CN 201911262121 A CN201911262121 A CN 201911262121A CN 110956335 B CN110956335 B CN 110956335B
- Authority
- CN
- China
- Prior art keywords
- accident
- road
- prediction
- data
- road section
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims description 23
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 19
- 238000013075 data extraction Methods 0.000 claims description 27
- 238000013523 data management Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 35
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006378 damage Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008140 language development Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (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
一种基于预测事故率分级的公路安全评价系统及评价方法，它属于交通安全技术领域。本发明解决了现阶段没有适合我国情况的实时有效的公路安全评价系统，导致不能及时发现公路存在的安全隐患的问题。本发明需要构建数据信息库，提取事故预测模型所需数据并录入系统，根据输出的事故预测评价结果判定公路的安全等级，发现可能存在安全隐患的位置；系统可以评价已建成公路的安全状况，也可以对设计方案进行安全评价，在方案设计阶段就尽可能地消除安全隐患，减少公路建成后事故的发生和公路改建费用。系统的安全评价结果对交通的决策和管理均有一定的参考意义，进而可有效减少和预防交通事故的发生。本发明可以应用于交通安全技术领域。
Description
技术领域
本发明属于交通安全技术领域，具体涉及一种基于预测事故率分级的公路安全评价系统。
背景技术
随着我国经济的高速发展，我国公路交通基础的建设层次和公路运输网络的建设规模得到了极大的改善，公路里程突飞猛进。再加上汽车保有量的与日俱增，与之相伴的交通安全问题已引起了人们的广泛关注。迄今为止，我国的交通事故死亡人数已经连续十余年位居世界前列，其中公路交通事故远比城市道路交通事故严重，公路安全评价刻不容缓。
专利CN105138733A公开了基于驾驶舒适性的双车道公路交通安全评价方法，该方法以现有技术中的驾驶员舒适性的协同振荡模型为基础，根据人、车、路、环境四个因素对驾驶员心率变化的综合影响，进一步优化得到双车道协同振荡模型，通过心率变化来判断所测路段的安全性。
专利CN101950487A公开了一种高速公路运行环境评价系统,该系统包括路况遥测系统、环境信息处理评价系统和通信指挥系统三大组成部分。可以对高速公路设施的各类突发事故如地震破环、山体滑坡、泥石流、洪水等自然破坏以及人为破坏特别是汽车相撞等进行提前预测,从而保障高速公路安全运行。
目前对公路安全评价方法的研究已有一定成果，但大多都是基于相关规范、驾驶舒适性、公路运行环境展开，基于事故预测并能判定公路安全等级的公路安全性研究尚属少见。虽然国外已有一些专业机构开发出了一些公路安全评价软件，但是由于各国的差异性，国外的公路安全评价软件在国内的应用效果不甚理想。现阶段，尚没有一种适合我国情况的实时有效的公路安全评价系统,这也使一些先进的公路安全评价技术难以应用到工程实践中，不能及时发现公路存在的安全隐患。因此，若能针对我国的情况开发设计出实时有效的公路安全评价系统并给出公路的安全等级，对减少或预防公路交通事故、提高公路设计人员的安全设计意识均会具有十分深远的理论价值和现实意义。
发明内容
本发明的目的是为解决现阶段没有适合我国情况的实时有效的公路安全评价系统，导致不能及时发现公路存在的安全隐患的问题。
本发明为解决上述技术问题采取的技术方案是：
基于本发明的一个方面：一种基于预测事故率分级的公路安全评价系统，所述公路安全评价系统包括用户界面控制模块、数据提取与管理模块、路段划分模块、事故预测模块、评价结果反馈与输出模块，其中：
用户界面控制模块用于接收、发送用户的操作指令；
数据提取与管理模块的数据库接口与道路设计软件的数据接口相连接，并从道路设计软件提取数据，将提取的数据保存在数据提取与管理模块的数据库中；
路段划分模块用于根据数据提取与管理模块数据库中的数据来建立预测区域的公路线形，并根据建立的公路线形对预测区域进行路段划分，将预测区域划分为若干个独立的同质路段；
事故预测模块用于预测各路段的区段事故率、平面线形事故率、评估期事故率、修正后的平均事故率、以及整个预测区域包含的基本路段总事故率和变速车道总事故率；
评价结果反馈与输出模块用于对事故预测模块的预测结果进行分析并输出分析结果；用户界面控制模块将分析结果呈现给用户。
基于本发明的另一个方面：一种基于预测事故率分级的公路安全评价方法，所述评价方法的具体过程为：
步骤一：确定预测区域及预测时段，并将预测区域及预测时段指令输入用户界面控制模块；
步骤二：获取预测区域的几何与交通控制数据、交通量数据、以及事故历史数据；
步骤三：将步骤二获取的几何与交通控制数据、交通量数据、以及事故历史数据导入数据提取与管理模块；
步骤四：路段划分模块根据导入到数据提取与管理模块内的数据来建立预测区域的公路线形，再根据平曲线临界半径R临界和纵坡坡度i将预测区域划分为若干个独立的同质路段；
步骤五：利用事故预测模块依次对各个路段进行事故预测，分别预测出各路段的区段事故率、平面线形事故率、评估期事故率、修正后的平均事故率、以及整个预测区域包含的基本路段总事故率和变速车道总事故率；
步骤六：根据步骤五的预测结果来确定预测区域的各路段所属的事故类型以及事故严重程度；
步骤七：分别获得预测区域各路段的最终平均事故率；
步骤七一：当预测区域的某路段具备事故历史数据时，利用贝叶斯经验公式对该路段的修正后的平均事故率优化，得到该路段最终的平均事故率Ep；
步骤七二：当预测区域的某路段不具备事故历史数据时，将步骤五计算出的该路段的修正后的平均事故率作为该路段最终的平均事故率；
步骤七三：直至获得整个预测区域的每个路段的最终平均事故率；
步骤八：将步骤七确定的各路段的最终平均事故率进行加和，利用加和结果来判定整个预测区域所属的安全等级；
步骤九：利用评价结果反馈与输出模块对步骤六和步骤八的结果进行分析，通过用户界面控制模块将分析结果展示给用户。
本发明的有益效果是：本发明的一种基于预测事故率分级的公路安全评价系统及评价方法，该系统通过预测某一类型路段上可能的事故发生频率和严重性来评价公路的安全性并判定安全等级。首先需要构建数据信息库，提取事故预测模型所需的平面线形、纵断面线形、横断面线形、互通立交设计及交通量等数据并录入系统，根据输出的事故预测评价结果判定公路的安全等级，发现可能存在安全隐患的位置。该系统不仅可以评价已建成公路的安全状况，更重要的是它也可以对设计方案进行安全评价，目的是在方案设计阶段尽可能地消除安全隐患，减少公路建成后事故的发生和公路改建费用。此外，该系统的安全评价结果对交通的决策和管理均有一定的参考意义，将有利于针对性地开展交通安全调查或安全治理，进而有效减少和预防交通事故的发生。
附图说明
图1是本发明的一种基于预测事故率分级的公路安全评价系统的整体架构图；
图2是本发明的一种基于预测事故率分级的公路安全评价系统的数据库设计过程图；
图3为公路的基本属性E-R图；
图4为数据提取结构图；
图5为本发明的一种基于预测事故率分级的公路安全评价方法的流程图；
图6为公路设计资料图；
图7为项目路段划分方法的流程图。
具体实施方式
具体实施方式一：本实施方式所述的一种基于预测事故率分级的公路安全评价系统，所述公路安全评价系统包括用户界面控制模块、数据提取与管理模块、路段划分模块、事故预测模块、评价结果反馈与输出模块，其中：
用户界面控制模块用于接收、发送用户的操作指令；
数据提取与管理模块的数据库接口与道路设计软件的数据接口相连接，并从道路设计软件提取数据，将提取的数据保存在数据提取与管理模块的数据库中；
路段划分模块用于根据数据提取与管理模块数据库中的数据来建立预测区域的公路线形，并根据建立的公路线形对预测区域进行路段划分，将预测区域划分为若干个独立的同质路段；
事故预测模块用于预测各路段的区段事故率、平面线形事故率、评估期事故率、修正后的平均事故率、以及整个预测区域包含的基本路段总事故率和变速车道总事故率；
基本路段是指：预测区域内，车辆运行不受交织、分流和合流影响的路段；基本路段总事故率是指：预测区域内，属于基本路段的全部路段的区段事故率的加和；
变速车道是指：公路上，从渐变点开始的一直到分合流点的路段；变速车道总事故率是指：属于变速车道的全部路段的区段事故率的加和。
评价结果反馈与输出模块用于对事故预测模块的预测结果进行分析并输出分析结果；用户界面控制模块将分析结果呈现给用户。
评价系统开发与运行环境选择
本发明采用Java和Web技术相结合的方式开发系统，利用Java语言开发系统，用户可以通过网络调用Web组件，使用Eclipse作为开发工具，数据库选用关系型数据库Oracle。Java是纯面向对象的语言，具有较好的安全性，可以一次编译，到处运行。由于其跨平台特性，可以在不同的操作系统平台运行同样的程序，目前Web应用开发是Java语言最大的用途。而Web技术是分布式计算领域中的新兴技术，在不同的机器、平台、编程语言环境下不借助第三方软件即可进行数据交互或通信。开发工具Eclipse的集成开发环境能极大地提高系统的开发效率。系统运行的软件环境为：①操作系统Microsoft Windows 10x64；②数据库：Oracle Database 19c；③Java虚拟机：JDK 1.5。
系统总体需求分析
本系统的功能需求是在收集公路平面线形、横纵断面设计资料、交通设施资料、互通立交设计资料、交通流资料及历史事故资料等资料的基础上，设计系统所需的数据信息库，对数据进行拆分处理和保存；提取数据并录入系统以便新建公路项目，以供事故预测模型进行分析，根据输出的事故预测评价结果，从事故预测总体情况、评价区段事故预测、评估期事故预测、事故严重度预测及事故类型预测等多方面进行公路安全性评价，找出安全隐患点，可对设计方案与交通管理措施提供借鉴，预防交通事故的发生。使公路交通事故安全评估更加智能化、人性化、全面化。此外，该系统还应满足稳定性、保密性、运行速度、可扩展性和数据可恢复性等性能需求。
系统设计原则与目标确定
设计公路安全评价系统是为了更准确、更便捷地了解对所评价公路的安全状况，设计的系统首先应该具备实用性原则，在功能上应能根据事故预测模型准确地对公路的安全性做出评价。除此之外，系统的设计还应遵循先进性、可靠性、经济型和规范性的原则。
结合本系统的总体需求分析以及未来的发展趋势，基于预测事故率分级的公路安全评价系统要实现以下目标：建立公路数据信息库，实现数据的存储和管理，满足用户的各种信息需求；提取数据并录入系统建立公路项目；运行事故预测模块，利用事故预测模型对公路进行事故预测，得到事故预测评估结果和公路安全等级；根据事故预测结果从综合事故预测、评价区段事故预测、事故严重度预测及事故类型预测等多方面进行公路安全性评价，找出安全隐患点，并根据用户需要，制作报表，输出各类图表，使系统的功能更加完善、实用；界面简洁易操作，方便用户获取信息和进行相应决策。
系统整体架构设计
系统的整体结构设计框架是基于系统总体需求分析的，根据上述对系统功能需求和性能需求两方面的分析，基于预测事故率分级的公路安全评价系统的整体架构设计如图1所示。该系统在整体上采用三层架构：展示层、业务层和数据访问层。用户界面的展示层具有参数输入和结果反馈的功能，该层完成了系统与用户的交互以及事件驱动，用户的操作指令通过控制器传递给业务层，业务层接收到传递的信息并进行相应处理。业务层在该系统中主要负责业务集成，包含计算事故预测的评价指标和运行事故预测模型得到事故预测评估结果。此外，业务层还提供数据接口与数据访问层对接，包括纬地道路设计软件、iRoad及其他系统接口。应用层需要的数据由数据访问层提供，数据访问层针对原始的公路设计资料构建数据信息库，同时，它还可进行基础数据组织评价和Excel表格读写等操作，存储并管理安全性评价结果数据。三层架构相互独立又彼此作用，相互的耦合关系非常小，方便后续系统的维护。
系统数据库设计
建立数据库可以对数据进行统一管理，保证数据的准确性和一致性，提高数据的查询效率，数据的检索、增加、修改和删除均要通过数据库进行管理，以满足用户的各种信息需求。数据库的主要作用就是对数据进行存储、处理、管理及传送，它的设计关系到整个系统的效率性和准确性，应该与系统的设计相结合，但同时存在结合与分离的关系。本系统将采用基于E-R模型的设计方法建立数据库，将原始的公路设计资料输入数据库中，然后再对数据进行维护和管理，详细的数据库设计过程见图2。
对数据进行分析，获取事故预测模型所需的基本信息，如交通量、车道数、桩号、道路等级、车道宽度等。如图3所示，用E-R图来描述公路的基本属性，其实质是对实体进行抽象描述。在E-R图的基础上对数据库进行逻辑设计后再进行物理设计，数据库包含“路网基本信息”表、“桩号”表、“桥”表、“平面线形数据”表、“纵断面线形数据”表、“横断面线形数据”表、“交通设施数据”表、“互通立交设计数据”表、“交通流数据”表和“交通事故数据”表。
根据系统设计的总体需求与目标原则，制定本系统的功能划分，本系统的各模块的功能设计如下：
(1)用户界面控制模块。该模块在用户界面中以嵌入式菜单的形式存在，主要功能是实现与用户的交互和业务控制，负责接收与发送用户的操作指令，以便参数的输入和评价结果的输出，该模块是公路安全评价系统与道路设计软件进行集成的关键，使用户在事故预测过程中可以一键进行安全性评价。
(2)数据提取与管理模块。该模块的主要功能就是通过数据库与不同道路设计软件的数据接口进行数据的提取，然后将数据保存在数据库中。如图4的数据提取结构所示，该模块能通过数据接口实现与纬地道路设计软件、i Road软件或其他系统的对接，查找识别公路线形设计数据文件并从中提取公路平、纵、横设计数据，同时从其他渠道提取交通流、交通设施和互通立交设计等数据。与此同时，该系统与现有系统数据库文件格式通用，所以也可直接导入数据文件(如Excel、CSV和CAD等文件)或者用户手动输入相关数据。提交数据阶段，系统会根据合法性要求对所输入的数据进行检测，若合法则将数据保存到数据库中，否则返回输入数据的步骤重新输入数据，直至数据正确。后续系统基于事故预测模型进行数据分析与安全性评价，最后将安全评价结果的数据文件保存在数据库中。
(3)项目路段划分模块。根据数据提取与管理模块所录入的数据系统可直接建立公路线形，但由于基于事故预测的公路安全性评价的对象是同质路段，所以需要根据路段划分模型提出的划分原则实现同质路段(评价单元)的划分，本系统依据平曲线临界半径R临界的取值和纵坡坡度i的取值，将公路路段划分为下表的四个类型。具体划分标准如表1：
表1项目路段划分标准
(4)事故预测模块。该系统基于事故预测模型对公路开展安全性评价，评价指标的量化可提高系统的适应性与评价结果的准确性和可靠性。事故预测的评价指标有基本路段和变速车道事故率、区段事故率、平面线形事故率、评估期事故率、事故严重程度及事故类型。该模块通过预测某一类型路段上可能的事故发生频率和严重性来评价检验道路的安全性。事故预测算法结合了基础模型预测和事故修正系数，根据数据提取与管理模块得到的几何设计因素和交通特征评估高速公路上交通事故发生的次数和严重程度，输出事故预测报告供用户分析处理。
(5)评价结果反馈与输出模块。在完成事故预测评价指标量化计算以及使用事故预测模型进行评价后，该模块针对不同的道路软件采用多种不同的方式(报表或Excel表格)来分析和评价预测结果，即将评价指标计算值、事故黑点等结果进行反馈与输出，包括直接在用户界面上进行文字数字信息标注、颜色标记以及信息浮窗提示等方式，给用户以直观的视觉反馈。其中综合事故预测结果以图片的形式输出，预测图由8个部分组成：交叉口、纵断面曲线、纵断面曲线K值、平曲线曲率、平曲线半径、变速车道事故率、区段事故率及平曲线要素事故曲线；项目路段预测结果、评估期事故预测结果、事故预测严重度、事故预测类型均以图表的形式输出。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述数据提取与管理模块还用于保存事故预测模块的预测结果和评价结果反馈与输出模块的分析结果。
具体实施方式三：本实施方式与具体实施方式二不同的是：所述数据提取与管理模块的数据库中保存的数据还包括导入文件的数据和用户手动输入的数据。
具体实施方式四：本实施方式与具体实施方式三不同的是：所述事故预测模块还用于预测各路段的事故严重程度及事故类型。
事故类型分为单车事故与多车事故，其中单车事故又分为碰撞动物、单车碰撞事故、翻车和冲出路外；多车事故分为角度碰撞、正面碰撞、其他多车事故、追尾碰撞和刮擦。
事故严重程度包含死亡事故数、受伤/无受伤事故数以及伤残/无伤残事故数。
具体实施方式五：如图5所示。基于本实施方式一所述的一种基于预测事故率分级的公路安全评价系统的评价方法，所述评价方法的具体过程为：
步骤一：确定预测区域及预测时段，并将预测区域及预测时段指令输入用户界面控制模块；
评估项目基本参数的确定。基本参数由预测区域和预测时段组成，预测区域指评价公路起终点之间的部分，需要明确预测区域的各路段类型和各路段的区间范围；预测时段是指将来期望预测公路安全状况的某个时间段，最小值是一年。
步骤二：获取预测区域的几何与交通控制数据、交通量数据、以及事故历史数据；
公路相关数据资料提取。本系统需要的数据在表2中给出，包括几何与交通控制数据、交通量数据及事故历史数据。这些数据代表了几何设计特征、交通控制特征和交通需求特征，均与交通安全有关。几何与交通控制数据见图6，事故历史数据包括：评估年份、严重程度、位置。
表2事故预测所需数据
步骤三：将步骤二获取的几何与交通控制数据、交通量数据、以及事故历史数据导入数据提取与管理模块；
数据录入与项目建立。启动系统，用户可以打开已有项目或者新建项目进行相关数据编辑和信息修改、增加及删减。通过菜单“Edit/View”，用户可以对道路的起点桩号、终点桩号、技术等级、地形条件、道路等级、速度、平纵横线形、车道以及交通量等数据进行编辑。此处需要注意的是，若进行评价时没有历史事故数据，需要用到评价年份交通量数据，输入的所有数据需要输入到下一个预测时段的预测区域内；有历史事故数据时，需要用到历史事故数据年份以及预测年份的交通数据，输入的所有数据需要输入到前一个预测时段的预测区域内。
步骤四：路段划分模块根据导入到数据提取与管理模块内的数据来建立预测区域的公路线形，再根据平曲线临界半径R临界和纵坡坡度i将预测区域划分为若干个独立的同质路段；
项目路段划分。系统基于前一步骤输入的公路平纵横线形数据，根据路段划分模型的划分原则将项目划分为若干独立的同质路段。不同等级、设计速度的公路平曲线半径与纵坡坡度都有所差异，可以据此进行公路项目的路段划分，具体的流程如图7所示。没有事故历史数据时，路段划分仅用于新建路段；有事故历史数据时，路段划分可用于改扩建道路。
步骤五：利用事故预测模块依次对各个路段进行事故预测，分别预测出各路段的区段事故率、平面线形事故率、评估期事故率、修正后的平均事故率、以及整个预测区域包含的基本路段总事故率和变速车道总事故率；
步骤六：根据步骤五的预测结果来确定预测区域的各路段所属的事故类型以及事故严重程度；
事故类型与严重程度的评估，根据事故类型、事故严重程度与各路段的默认值来评估。
步骤七：分别获得预测区域各路段的最终平均事故率；
步骤七一：当预测区域的某路段具备事故历史数据时，利用贝叶斯经验公式对该路段的修正后的平均事故率优化，得到该路段最终的平均事故率Ep；
步骤七二：当预测区域的某路段不具备事故历史数据时，将步骤五计算出的该路段的修正后的平均事故率作为该路段最终的平均事故率；
步骤七三：直至获得整个预测区域的每个路段的最终平均事故率；
步骤八：将步骤七确定的各路段的最终平均事故率进行加和，利用加和结果来判定整个预测区域所属的安全等级；
步骤九：利用评价结果反馈与输出模块对步骤六和步骤八的结果进行分析，通过用户界面控制模块将分析结果展示给用户。
根据系统事故预测模块的计算得到事故预测评估结果。其中综合事故预测评价结果以图片的形式显示以下结果：交叉口曲线、纵断面曲线、纵断面曲线K值、平曲线曲率、平曲线半径、变速车道事故率、区段事故率及平曲线要素事故曲线；基本路段和变速车道事故预测结果由路段基本信息、预测事故数、预测事故百分率、预测事故率、百万车公里事故率五部分内容组成；区段事故预测结果包含区段号、起终点桩号、区段长度、预测事故率和百万车公里事故率等内容；平曲线要素预测结果包括区段起终点桩号、路线长度、预测事故率和百万公里事故率等内容；评估期事故预测结果包含总事故数、死亡、受伤事故数及百分比、仅财产损失事故数及百分比这几部分内容；项目路段事故严重程度包含死亡事故数、受伤/无受伤事故数以及伤残/无伤残事故数的内容；事故预测类型结果包含各类事故形态的预测情况。
评价结果的输出与分析。用户可通过用户界面控制模块输出打印评价结果，后续再进行安全性分析，获取公路中存在安全隐患的位置。
具体实施方式六：本实施方式与具体实施方式五不同的是：所述步骤五中预测各路段的修正后的平均事故率的具体过程为：
事故预测模块预测的事故类型包括：单车交通事故和多车交通事故(多车交通事故即非单车交通事故)，单车交通事故中包含财产损失事故和致命伤事故，多车交通事故中也同样包含财产损失事故和致命伤事故；
某路段的修正后的平均事故率Np,fs,n,at,as为：
Np,fs,n,at,as＝Np,fs,n,mv,fi+Np,fs,n,mv,pdo+Np,fs,n,sv,fi+Np,fs,n,sv,pdo (1)
Np,fs,n,y,z＝Cfs,ac,y,z*Nspf,fs,n,y,z*(CMF1,fs,ac,y,z...CMFm,fs,ac,y,z)*(CMF1,fs,ac,at, z...CMFm,fs,ac,at,z) (2)
其中：Np,fs,n,mv,fi为该路段多车、致命伤事故的修正后的平均事故率，Np,fs,n,mv,pdo为该路段多车、财产损失事故的修正后的平均事故率，Np,fs,n,sv,fi为该路段单车、致命伤事故的修正后的平均事故率，Np,fs,n,sv,pdo为该路段单车、财产损失事故的修正后的平均事故率，n代表该路段的车道数；Nspf,fs,n,y,z为该路段在不同碰撞类型和严重程度下的未经修正的平均事故率；即Nspf,fs,n,y,z是基准事故预测模型下不同碰撞类型和严重程度的平均事故率；
碰撞类型y∈[sv,mv]，sv代表单车交通事故，mv代表多车交通事故，at＝[sv,mv]，at代表所有碰撞类型，严重程度z∈[fi,pdo]，pdo代表财产损失事故，fi代表致命伤事故，as＝[fi,pdo]，as代表所有严重程度类型，单位是起/年；
CMFm,fs,ac,y,z为该路段任一断面的第m个事故修正系数，该断面共有m个事故修正系数；Cfs,ac,y,z代表校正因子；
ac代表常量，是所有车道的统称，CMF1,fs,ac,y,z...CMFm,fs,ac,y,z代表CMF1,fs,ac,y,z、CMF2,fs,ac,y,z、……、CMFm,fs,ac,y,z做乘法运算，CMF1,fs,ac,at,z...CMFm,fs,ac,at,z代表CMF1,fs,ac,at,z、CMF2,fs,ac,at,z、……、CMFm,fs,ac,at,z做乘法运算。
事故修正系数CMF的确定：几何设计和交通管制给基础事故频率带来一定的影响，为协调它们之间的关系，使用事故修正系数CMF来达到目的。每个CMF都按照本领域规范公式计算得出，基本条件下的CMF值为1.00，较高事故率条件下的CMF值将大于1.00，较低事故率条件下CMF值将小于1.00。
具体实施方式七：本实施方式与具体实施方式五不同的是：所述步骤七一的具体过程为：
Ep＝wNp,fs,n,at,as+(1-w)O (3)
其中：Ep为最终的平均事故率；w为预测事故率的权重；O为某一时段内的事故测数；
预测事故率权重w的计算公式：
w＝1/(1+k(Np,fs,n,at,as/L) (4)
其中：k为该路段的不均匀分布参数，k取值0.24，L为该路段的长度。
具体实施方式八：本实施方式与具体实施方式七不同的是：所述步骤八的具体过程为：
若加和结果小于350，则预测区域的安全等级为优；
若加和结果大于等于350，且小于等于600，则预测区域的安全等级为良；
若加和结果大于600，且小于等于1200，则预测区域的安全等级为合格；
若加和结果大于1200，则预测区域的安全等级为差。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (2)
1.一种基于预测事故率分级的公路安全评价系统的评价方法，所述公路安全评价系统包括用户界面控制模块、数据提取与管理模块、路段划分模块、事故预测模块、评价结果反馈与输出模块，其中：用户界面控制模块用于接收、发送用户的操作指令；数据提取与管理模块的数据库接口与道路设计软件的数据接口相连接，并从道路设计软件提取数据，将提取的数据保存在数据提取与管理模块的数据库中；路段划分模块用于根据数据提取与管理模块数据库中的数据来建立预测区域的公路线形，并根据建立的公路线形对预测区域进行路段划分，将预测区域划分为若干个独立的同质路段；事故预测模块用于预测各路段的区段事故率、平面线形事故率、评估期事故率、修正后的平均事故率、以及整个预测区域包含的基本路段总事故率和变速车道总事故率；评价结果反馈与输出模块用于对事故预测模块的预测结果进行分析并输出分析结果；用户界面控制模块将分析结果呈现给用户；所述数据提取与管理模块还用于保存事故预测模块的预测结果和评价结果反馈与输出模块的分析结果；所述数据提取与管理模块的数据库中保存的数据还包括导入文件的数据和用户手动输入的数据；所述事故预测模块还用于预测各路段的事故严重程度及事故类型；其特征在于，所述评价方法的具体过程为：
步骤一：确定预测区域及预测时段，并将预测区域及预测时段指令输入用户界面控制模块；
步骤二：获取预测区域的几何与交通控制数据、交通量数据、以及事故历史数据；
步骤三：将步骤二获取的几何与交通控制数据、交通量数据、以及事故历史数据导入数据提取与管理模块；
步骤四：路段划分模块根据导入到数据提取与管理模块内的数据来建立预测区域的公路线形，再根据平曲线临界半径R临界和纵坡坡度i将预测区域划分为若干个独立的同质路段；
步骤五：利用事故预测模块依次对各个路段进行事故预测，分别预测出各路段的区段事故率、平面线形事故率、评估期事故率、修正后的平均事故率、以及整个预测区域包含的基本路段总事故率和变速车道总事故率；
所述步骤五中预测各路段的修正后的平均事故率的具体过程为：
某路段的修正后的平均事故率Np,fs,n,at,as为：
Np,fs,n,at,as＝Np,fs,n,mv,fi+Np,fs,n,mv,pdo+Np,fs,n,sv,fi+Np,fs,n,sv,pdo (1)
Np,fs,n,y,z＝Cfs,ac,y,z*Nspf,fs,n,y,z*(CMF1,fs,ac,y,z...CMFm,fs,ac,y,z)*(CMF1,fs,ac,at, z...CMFm,fs,ac,at,z) (2)
其中：Np,fs,n,mv,fi为该路段多车、致命伤事故的修正后的平均事故率，Np,fs,n,mv,pdo为该路段多车、财产损失事故的修正后的平均事故率，Np,fs,n,sv,fi为该路段单车、致命伤事故的修正后的平均事故率，Np,fs,n,sv,pdo为该路段单车、财产损失事故的修正后的平均事故率，n代表该路段的车道数；Nspf,fs,n,y,z为该路段在不同碰撞类型和严重程度下的未经修正的平均事故率；
碰撞类型y∈[sv,mv]，sv代表单车交通事故，mv代表多车交通事故，at＝[sv,mv]，at代表所有碰撞类型，严重程度z∈[fi,pdo]，pdo代表财产损失事故，fi代表致命伤事故，as＝[fi,pdo]，as代表所有严重程度类型；
CMFm,fs,ac,y,z为该路段任一断面的第m个事故修正系数，Cfs,ac,y,z代表校正因子；
步骤六：根据步骤五的预测结果来确定预测区域的各路段所属的事故类型以及事故严重程度；
步骤七：分别获得预测区域各路段的最终平均事故率；
步骤七一：当预测区域的某路段具备事故历史数据时，利用贝叶斯经验公式对该路段的修正后的平均事故率优化，得到该路段最终的平均事故率Ep；
所述步骤七一的具体过程为：
Ep＝wNp,fs,n,at,as+(1-w)O (3)
其中：Ep为最终的平均事故率；w为预测事故率的权重；O为某一时段内的事故测数；
预测事故率权重w的计算公式：
w＝1/(1+k(Np,fs,n,at,as/L) (4)
其中：k为该路段的不均匀分布参数，L为该路段的长度；
步骤七二：当预测区域的某路段不具备事故历史数据时，将步骤五计算出的该路段的修正后的平均事故率作为该路段最终的平均事故率；
步骤七三：直至获得整个预测区域的每个路段的最终平均事故率；
步骤八：将步骤七确定的各路段的最终平均事故率进行加和，利用加和结果来判定整个预测区域所属的安全等级；
步骤九：利用评价结果反馈与输出模块对步骤六和步骤八的结果进行分析，通过用户界面控制模块将分析结果展示给用户。
2.根据权利要求1所述的一种基于预测事故率分级的公路安全评价系统的评价方法，其特征在于，所述步骤八的具体过程为：
若加和结果小于350，则预测区域的安全等级为优；
若加和结果大于等于350，且小于等于600，则预测区域的安全等级为良；
若加和结果大于600，且小于等于1200，则预测区域的安全等级为合格；
若加和结果大于1200，则预测区域的安全等级为差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911262121.2A CN110956335B (zh) | 2019-12-10 | 2019-12-10 | 一种基于预测事故率分级的公路安全评价系统及评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911262121.2A CN110956335B (zh) | 2019-12-10 | 2019-12-10 | 一种基于预测事故率分级的公路安全评价系统及评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110956335A CN110956335A (zh) | 2020-04-03 |
| CN110956335B true CN110956335B (zh) | 2020-10-02 |
Family
ID=69980741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911262121.2A Active CN110956335B (zh) | 2019-12-10 | 2019-12-10 | 一种基于预测事故率分级的公路安全评价系统及评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110956335B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111613060B (zh) * | 2020-05-30 | 2021-08-24 | 腾讯科技（深圳）有限公司 | 一种数据处理方法以及设备 |
| CN111667204A (zh) * | 2020-07-22 | 2020-09-15 | 同济大学 | 自动驾驶开放测试道路环境风险度确定、分级方法及系统 |
| CN112734304B (zh) * | 2020-09-28 | 2024-02-06 | 交通运输部公路科学研究所 | 一种防护栏评估方法以及装置 |
| CN112767697B (zh) * | 2021-01-19 | 2021-11-30 | 东南大学 | 基于交通冲突预测的交通安全评价方法、系统及装置 |
| CN114037268B (zh) * | 2021-11-08 | 2022-08-19 | 哈尔滨工业大学 | 一种适用于设计阶段的高速公路事前安全性评价系统 |
| US11443623B1 (en) | 2022-04-11 | 2022-09-13 | King Fahd University Of Petroleum And Minerals | Real time traffic crash severity prediction tool |
| CN115171368B (zh) * | 2022-05-26 | 2023-06-20 | 上海市政工程设计研究总院（集团）有限公司 | 一种用于交通事件管控的车道动态控制方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104294720A (zh) * | 2014-09-26 | 2015-01-21 | 哈尔滨工业大学 | 一种高速公路设计方案安全性评价方法 |
| WO2017100220A1 (en) * | 2015-12-07 | 2017-06-15 | Rapidsos, Inc. | Systems and methods for predicting emergency situations |
| 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 |
| KR20200013274A (ko) * | 2018-07-24 | 2020-02-07 | 주식회사 건영이엔씨 | 도로 안전성 평가 방법 및 이를 수행하기 위한 장치 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000013274U (ko) * | 1998-12-24 | 2000-07-15 | 전주범 | 수도직결용 물탱크 |
| CN108198421B (zh) * | 2018-01-19 | 2019-06-11 | 同济大学 | 一种区分单车、多车事故的高速公路事故多发路段判别方法 |
-
2019
- 2019-12-10 CN CN201911262121.2A patent/CN110956335B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104294720A (zh) * | 2014-09-26 | 2015-01-21 | 哈尔滨工业大学 | 一种高速公路设计方案安全性评价方法 |
| WO2017100220A1 (en) * | 2015-12-07 | 2017-06-15 | Rapidsos, Inc. | Systems and methods for predicting emergency situations |
| KR20200013274A (ko) * | 2018-07-24 | 2020-02-07 | 주식회사 건영이엔씨 | 도로 안전성 평가 방법 및 이를 수행하기 위한 장치 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110956335A (zh) | 2020-04-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110956335B (zh) | 一种基于预测事故率分级的公路安全评价系统及评价方法 | |
| Gao et al. | Digital twin and its application in transportation infrastructure | |
| CN107239575B (zh) | 城市道路暴雨内涝风险分析与预警智联网服务系统及方法 | |
| CN110222445A (zh) | 基于bim与设计信息的集成、协同设计和交付方法及系统 | |
| 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 | |
| CN106448132A (zh) | 一种常规公交服务指数实时评价系统及评价方法 | |
| CN107067781B (zh) | 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 | |
| Aruga | Tabu search optimization of horizontal and vertical alignments of forest roads | |
| CN106448165A (zh) | 一种基于网络约租车数据的路网行程时间可靠性评价方法 | |
| CN112070454A (zh) | 高速公路养护施工区域控制安全管理系统的设计方法 | |
| CN110070255A (zh) | 引入共享单车后通勤者出行方式选择建模与分析的方法 | |
| CN113222271A (zh) | 综合交通运输体系下的中小机场选址布局方法 | |
| KR20140024590A (ko) | 연속지적도의 다축척 모델 생성 방법 | |
| CN104331746B (zh) | 一种分离式的动态路径优化系统及其方法 | |
| Lai et al. | Review of constraints and critical success factors of developing urban underground space | |
| Megarestya et al. | The Horizontal Curved Geometric Design with Autocad® Civil 3D on Jalan Muara Wahau, East Kalimantan | |
| CN116150680B (zh) | 一种基于大数据的地下交通枢纽损伤状态识别方法及系统 | |
| CN103208082A (zh) | 一种城市中心区道路利用效率的评价及应用方法 | |
| CN115293585A (zh) | 一种基于gis-t搭建路网机动车动态排放清单的方法 | |
| El Esawey et al. | Evaluating safety risk of locating above ground utility structures in the highway right-of-way | |
| CN110956411B (zh) | 基于设计一致性的公路运行安全性分级评价系统及评价方法 | |
| Artun et al. | Minimizing earthwork volumes by optimizing vertical alignment with linear programming algorithm | |
| CN113205213A (zh) | 一种基于互联网地图数据的公交评价方法及系统 | |
| Dai et al. | Truck speed characteristics analysis of typical highway segments based on GPS data | |
| CN117522192B (zh) | 一种支持城市体检的智能出图与形成报告的方法及系统 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: No.90, Qingbin Road, Nangang District, Harbin City, Heilongjiang Province Patentee after: Heilongjiang transportation planning Design and Research Institute Group Co.,Ltd. Address before: No.90, Qingbin Road, Nangang District, Harbin City, Heilongjiang Province Patentee before: Heilongjiang Highway Survey and Design Institute |