CN112365716A - 一种基于gps数据的城市高架快速路动态安全性评价方法 - Google Patents
一种基于gps数据的城市高架快速路动态安全性评价方法 Download PDFInfo
- Publication number
- CN112365716A CN112365716A CN202110039357.0A CN202110039357A CN112365716A CN 112365716 A CN112365716 A CN 112365716A CN 202110039357 A CN202110039357 A CN 202110039357A CN 112365716 A CN112365716 A CN 112365716A
- Authority
- CN
- China
- Prior art keywords
- section
- speed
- standard deviation
- gps data
- cross
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Abstract
本发明公开了一种基于GPS数据的城市高架快速路动态安全性评价方法,属于交通安全领域,其将路段截面处理,通过获取每个横截面的出租车GPS数据来获取路段中出租车的行驶速度,进而获取由速度平均值的标准差和速度标准差的均值构成的运行速度空间不一致性指标,并根据大量运行速度空间不一致性指标和大量路段的历史事故频率的聚类结果将安全性分为三级,通过获取目标路段的运行速度空间不一致性指标与三级安全性的距离来确定目标路段的安全性。由于数据来源于出租车的GPS,其具备普遍性和实时性,可以代表所分析路段上的多数车辆,因此本方法可以对目标路段进行实时且快速的安全性动态评价,为行驶在目标路段中的车辆提供安全预警。
Description
技术领域
本发明涉及交通安全领域,具体涉及一种基于GPS数据的城市高架快速路动态安全性评价方法。
背景技术
随着经济水平的不断发展和提高,我国多个大型城市都建立了城市高架快速路系统,如北京、上海、成都等,为城市交通的运行提供大容量的快速通行载体,在城市交通中发挥着巨大的作用。但由于其高速度、大流量、高密度、且道路空间有限等特征,一旦发生事故,除了会造成人员伤亡和财产损失外,还会引起难以短时间消散的严重交通拥堵,甚至造成城市交通大面积瘫痪。因此,高架快速路的安全性对城市交通的正常运行十分重要。
有大量研究对城市高架快速路的安全性评价研究,并初步揭示了道路设施属性(车道数、中央分隔形式、专用非机动车道、限速等)、道路几何参数(平曲线、车道宽度等)、交通流量等与安全的关系,以及如何评价其安全性。但大多数评价都针对静态因素,即使对动态的因素(如交通流量等)也采取求平均等方式将其静态化。
这样的评价思路虽然能部分解决不安全路段诊断的问题,但是存在以下两方面的不足。首先,道路设施属性、道路几何参数在快速路规划、设计时还尚可更改,但其一旦建成就难以更改;其次,现在信息技术的发展,使得手机APP导航软件、车路协同系统、路侧可变信息板等都可以向驾驶员发布安全信息,这样的评价无法根据动态的交通运行状态发布相应的信息提示。
而在动态的交通运行状态的特征中,路段运行速度的空间不一致性对城市高架快速路的安全性影响十分显著,因为在城市高架快速路上驾驶员在靠近拥堵路段前,可能保持相对较高的速度,直到观察到前方拥堵才会减速,如果未及时观察到前方拥堵,或受到疲劳驾驶、分心等影响,极易引起追尾等交通事故。部分研究人员试图通过固定的断面传感器数据获取道路运行速度的空间不一致性,如环路检测器数据和微波车辆检测系统。但这些研究所得的关于运行速度空间不一致性的结论,很大程度上受限于检测器较大空间间隔位置的限制,即在没有传感器的路段以及在两个相邻传感器之间的路段无法准确地获取其运行速度空间不一致性,也就难以准确且动态的评估快速路的安全性。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于GPS数据的城市高架快速路动态安全性评价方法解决了现有方法难以准确且动态的评估快速路的安全性的问题。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种基于GPS数据的城市高架快速路动态安全性评价方法,其包括以下步骤:
S1、将已知运行数据的道路按照相邻入口-出口划分为若干路段,并获取出租车在路段上的GPS数据和路段运行数据;GPS数据包括若干个GPS数据点,每个数据点包括对应的里程和时间点;运行数据包括长度、年车流量和年事故数;
S2、在每个路段上设置若干横截面,获取与每个横截面对应的两个GPS数据点;
S3、根据与横截面对应的两个GPS数据点获取横截面处的GPS速度平均值和速度标准差;
S4、分别根据横截面处的GPS速度平均值和速度标准差获取对应路段的速度平均值的标准差和速度标准差的均值;
S5、将路段的速度平均值的标准差、速度标准差的均值和历史事故频率标准化后进行K-means聚类,得到三个安全性等级,分别为高风险、中风险和低风险;
S6、采用与步骤S1至步骤S4相同的方法获取目标路段的速度平均值的标准差和速度标准差的均值;
S7、获取目标路段的速度平均值的标准差和速度标准差的均值与三个安全性等级的距离,得到与目标路段最近的安全性等级;
S8、将与目标路段最近的安全性作为当前目标路段的安全性。
进一步地,步骤S1中路段的历史事故频率为年事故数除以年车流量再除以路段长度所得到的值。
进一步地,步骤S2中相邻两个横截面之间的间距为10m。
进一步地,步骤S2中与横截面对应的两个GPS数据点为位于横截面处的GPS数据点及该GPS数据点后一个GPS数据点,或位于横截面前最近的一个GPS数据点和位于横截面后最近的一个GPS数据点。
进一步地,步骤S3的具体方法包括以下子步骤:
S3-1、根据同一出租车在两个横截面之间的时间点计算其在两个横截面之间的平均速度,去掉相邻两个横截面之间大于120km/h的平均速度,得到有效的里程数据和对应的时间点;
S3-2、根据公式:
S3-3、根据公式:
S3-4、根据公式:
进一步地,步骤S4的具体方法为:
分别根据公式:
进一步地,步骤S7的具体方法为:
根据公式:
分别获取目标路段的速度平均值的标准差和速度标准差的均值与三个安全性等级的距离、和,将最小距离的安全性等级作为与目标路段最近的安全性等级;其中、和分别为高风险等级、中风险等级和低风险等级的速度平均值的标准差;、和分别为高风险等级、中风险等级和低风险等级的速度标准差的均值。
本发明的有益效果为:本发明将路段截面处理,通过获取每个横截面的出租车GPS数据来获取路段中出租车的行驶速度,通过出租车的行驶速度获取由速度平均值的标准差和速度标准差的均值构成的运行速度空间不一致性指标,并根据大量运行速度空间不一致性指标和大量路段的历史事故频率的聚类结果将快速路的安全性分为三级,通过获取目标路段的运行速度空间不一致性指标与三级安全性的距离来确定目标路段的安全性。由于数据来源于出租车的GPS,其具备普遍性和实时性,可以代表多分析路段上多数车辆,因此本方法可以对目标路段进行实时且快速的安全性动态评价,为行驶在目标路段中的车辆提供安全预警。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,该基于GPS数据的城市高架快速路动态安全性评价方法包括以下步骤:
S1、将已知运行数据的道路按照相邻入口-出口划分为若干路段,并获取出租车在路段上的GPS数据和路段运行数据;GPS数据包括若干个GPS数据点,每个数据点包括对应的里程和时间点;运行数据包括长度、年车流量和年事故数;
S2、在每个路段上设置若干横截面,获取与每个横截面对应的两个GPS数据点;
S3、根据与横截面对应的两个GPS数据点获取横截面处的GPS速度平均值和速度标准差;
S4、分别根据横截面处的GPS速度平均值和速度标准差获取对应路段的速度平均值的标准差和速度标准差的均值;
S5、将路段的速度平均值的标准差、速度标准差的均值和历史事故频率标准化后进行K-means聚类,得到三个安全性等级,分别为高风险、中风险和低风险;
S6、采用与步骤S1至步骤S4相同的方法获取目标路段的速度平均值的标准差和速度标准差的均值;
S7、获取目标路段的速度平均值的标准差和速度标准差的均值与三个安全性等级的距离,得到与目标路段最近的安全性等级;
S8、将与目标路段最近的安全性作为当前目标路段的安全性。
步骤S1中路段的历史事故频率为年事故数除以年车流量再除以路段长度所得到的值。步骤S2中相邻两个横截面之间的间距为10m。步骤S2中与横截面对应的两个GPS数据点为位于横截面处的GPS数据点及该GPS数据点后一个GPS数据点,或位于横截面前最近的一个GPS数据点和位于横截面后最近的一个GPS数据点。
步骤S3的具体方法包括以下子步骤:
S3-1、根据同一出租车在两个横截面之间的时间点计算其在两个横截面之间的平均速度,去掉相邻两个横截面之间大于120km/h的平均速度,得到有效的里程数据和对应的时间点;
S3-2、根据公式:
S3-3、根据公式:
S3-4、根据公式:
步骤S4的具体方法为:分别根据公式:
进一步地,步骤S7的具体方法为:
根据公式:
分别获取目标路段的速度平均值的标准差和速度标准差的均值与三个安全性等级的距离、和,将最小距离的安全性等级作为与目标路段最近的安全性等级;其中、和分别为高风险等级、中风险等级和低风险等级的速度平均值的标准差;、和分别为高风险等级、中风险等级和低风险等级的速度标准差的均值。
在具体实施过程中,步骤S1至步骤S5是对历史数据进行处理,生成一个具有三级的安全性标准,该过程中可能使用了后续目标路段的历史数据,也可能完全未使用后续目标路段的历史数据,但由于出租车的普遍性和封闭道路(按照相邻入口-出口划分的路段)的单向性,使得本方法可适用与任何具有唯一入口和唯一出口的路段。
综上所述,本发明将路段截面处理,通过获取每个横截面的出租车GPS数据来获取路段中出租车的行驶速度,通过出租车的行驶速度获取由速度平均值的标准差和速度标准差的均值构成的运行速度空间不一致性指标,并根据大量运行速度空间不一致性指标和大量路段的历史事故频率的聚类结果将快速路的安全性分为三级,通过获取目标路段的运行速度空间不一致性指标与三级安全性的距离来确定目标路段的安全性。由于数据来源于出租车的GPS,其具备普遍性和实时性,可以代表多分析路段上多数车辆,因此本方法可以对目标路段进行实时且快速的安全性动态评价,为行驶在目标路段中的车辆提供安全预警。
Claims (7)
1.一种基于GPS数据的城市高架快速路动态安全性评价方法,其特征在于,包括以下步骤:
S1、将已知运行数据的道路按照相邻入口-出口划分为若干路段,并获取出租车在路段上的GPS数据和路段运行数据;GPS数据包括若干个GPS数据点,每个数据点包括对应的里程和时间点;运行数据包括长度、年车流量和年事故数;
S2、在每个路段上设置若干横截面,获取与每个横截面对应的两个GPS数据点;
S3、根据与横截面对应的两个GPS数据点获取横截面处的GPS速度平均值和速度标准差;
S4、分别根据横截面处的GPS速度平均值和速度标准差获取对应路段的速度平均值的标准差和速度标准差的均值;
S5、将路段的速度平均值的标准差、速度标准差的均值和历史事故频率标准化后进行K-means聚类,得到三个安全性等级,分别为高风险、中风险和低风险;
S6、采用与步骤S1至步骤S4相同的方法获取目标路段的速度平均值的标准差和速度标准差的均值;
S7、获取目标路段的速度平均值的标准差和速度标准差的均值与三个安全性等级的距离,得到与目标路段最近的安全性等级;
S8、将与目标路段最近的安全性作为当前目标路段的安全性。
2.根据权利要求1所述的基于GPS数据的城市高架快速路动态安全性评价方法,其特征在于,步骤S1中路段的历史事故频率为年事故数除以年车流量再除以路段长度所得到的值。
3.根据权利要求1所述的基于GPS数据的城市高架快速路动态安全性评价方法,其特征在于,步骤S2中相邻两个横截面之间的间距为10m。
4.根据权利要求1所述的基于GPS数据的城市高架快速路动态安全性评价方法,其特征在于,步骤S2中与横截面对应的两个GPS数据点为位于横截面处的GPS数据点及该GPS数据点后一个GPS数据点,或位于横截面前最近的一个GPS数据点和位于横截面后最近的一个GPS数据点。
5.根据权利要求1所述的基于GPS数据的城市高架快速路动态安全性评价方法,其特征在于,步骤S3的具体方法包括以下子步骤:
S3-1、根据同一出租车在两个横截面之间的时间点计算其在两个横截面之间的平均速度,去掉相邻两个横截面之间大于120km/h的平均速度,得到有效的里程数据和对应的时间点;
S3-2、根据公式:
S3-3、根据公式:
S3-4、根据公式:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110039357.0A CN112365716B (zh) | 2021-01-13 | 2021-01-13 | 一种基于gps数据的城市高架快速路动态安全性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110039357.0A CN112365716B (zh) | 2021-01-13 | 2021-01-13 | 一种基于gps数据的城市高架快速路动态安全性评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112365716A true CN112365716A (zh) | 2021-02-12 |
CN112365716B CN112365716B (zh) | 2021-03-23 |
Family
ID=74534839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110039357.0A Expired - Fee Related CN112365716B (zh) | 2021-01-13 | 2021-01-13 | 一种基于gps数据的城市高架快速路动态安全性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112365716B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114037268A (zh) * | 2021-11-08 | 2022-02-11 | 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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268701A (zh) * | 2014-09-29 | 2015-01-07 | 清华大学 | 一种营运车辆驾驶安全性评价系统及评价方法 |
CN104658252A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于多源数据融合的高速公路交通运行状态的评估方法 |
CN109272775A (zh) * | 2018-10-22 | 2019-01-25 | 华南理工大学 | 一种高速公路弯道安全监测预警方法、系统及介质 |
CN110930701A (zh) * | 2019-11-22 | 2020-03-27 | 长安大学 | 一种基于道路事故数据的车辆分级预警系统及方法 |
-
2021
- 2021-01-13 CN CN202110039357.0A patent/CN112365716B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268701A (zh) * | 2014-09-29 | 2015-01-07 | 清华大学 | 一种营运车辆驾驶安全性评价系统及评价方法 |
CN104658252A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于多源数据融合的高速公路交通运行状态的评估方法 |
CN109272775A (zh) * | 2018-10-22 | 2019-01-25 | 华南理工大学 | 一种高速公路弯道安全监测预警方法、系统及介质 |
CN110930701A (zh) * | 2019-11-22 | 2020-03-27 | 长安大学 | 一种基于道路事故数据的车辆分级预警系统及方法 |
Non-Patent Citations (9)
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114037268A (zh) * | 2021-11-08 | 2022-02-11 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112365716B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Speed variation during peak and off-peak hours on urban arterials in Shanghai | |
Jin et al. | Assessment of expressway traffic safety using Gaussian mixture model based on time to collision | |
CN110428621B (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
Chang et al. | Analysis of freeway accident frequency using multivariate adaptive regression splines | |
CN110299027B (zh) | 基于轨迹数据和地图数据的车辆变道监测与安全预警方法 | |
CN106960572B (zh) | 一种基于延迟时间系数的高速公路行程时间可靠性计算方法 | |
Bergh et al. | 2+ 1-roads recent Swedish capacity and level-of-service experience | |
CN115294767B (zh) | 一种高速公路车道线实时检测与交通安全预警方法及装置 | |
Mahapatra et al. | Dynamic parameters of vehicles under heterogeneous traffic stream with non-lane discipline: an experimental study | |
CN112365716B (zh) | 一种基于gps数据的城市高架快速路动态安全性评价方法 | |
Das et al. | Fatal crashes at highway rail grade crossings: A US based study | |
Jalayer et al. | Exploratory analysis of run-off-road crash patterns | |
Sun et al. | A hybrid approach of random forest and random parameters logit model of injury severity modeling of vulnerable road users involved crashes | |
Li et al. | An algorithm for e-bike equivalents at signalized intersections based on traffic conflict events number | |
Qu et al. | Analyzing the safety impacts of variable speed limit control on aggregated driving behavior based on traffic big data | |
US11928962B2 (en) | Location risk determination and ranking based on vehicle events and/or an accident database | |
Alomari et al. | Traffic speed prediction techniques in urban environments | |
Hou et al. | Modelling large vehicles operating speed characteristics on freeway alignment based on aggregated GPS data | |
CN107248282A (zh) | 获取道路运行状态等级的方法 | |
Lee et al. | Two-level nested logit model to identify traffic flow parameters affecting crash occurrence on freeway ramps | |
Gupta et al. | Modelling U-turning behaviour of vehicles at mid-block median openings in multilane urban roads | |
Zhang et al. | Exploring relationships between months and different crash types on mountainous freeways using a combined modeling approach | |
Abhigna et al. | Effect of gap acceptance behavior of the right turning vehicles on the major road stream for uncontrolled three-legged intersections under mixed traffic conditions | |
CN113096382B (zh) | 基于交通安全的道路交织区交通冲突识别方法及系统 | |
Yang et al. | Exploring the impacts of traffic flow states on freeway normal crashes, primary crashes, and secondary crashes |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210323 Termination date: 20220113 |
|
CF01 | Termination of patent right due to non-payment of annual fee |