基于风险场的高速公路高风险区域甄别方法

为有效识别高速公路高风险区域,首先,在理论阐述和量化解释行车风险演化机制基础上引入势场理论,提出道路静态风险场的基本概念及性质;然后,在分析道路要素对行车安全影响的基础上,构建路域范围内的构造物、线形、路侧等要素的静态风险场计算模型,提出高速公路高风险区域甄别方法,同时,基于交通事故统计数据,对静态风险场计算模型的风险量进行参数标定;最后,依托实际项目,进行区域风险等级预测和有效性验证。结果表明:研究路段的33处区域中26处甄别结果与实际风险等级相同,仅有7处结果不一致,风险等级结果相差一个等级内的区域数量为30处;风险等级预测结果准确率达78.79%,与实际风险等级结果相差一个等级内的准确率达90.91%。静态风险场能够有效应用于高风险区域甄别,研究有助于设计及运营阶段高速公路安全治理。

基于制动毂温升的连续下坡货车事故风险评价模型

为量化评估高速公路连续下坡的货车行车风险,提出了基于货车制动毂温升的事故风险评价模型。首先,考虑货车下坡时制动性能持续降低诱发链式事故的风险,用制动毂温升表征货车下坡的关键风险致因,用货车事故率表征风险事故;然后,以京昆高速雅安至西昌段的连续下坡为研究路段,通过制动毂温升数值模拟进行了风险致因和风险事故的量化,利用相关性分析揭示了制动毂温度-温度梯度-事故率的内在联系;最后,采用多元非线性回归法拟合曲面函数,构建了事故风险度量方程,并结合风险分级标准建立了事故风险评价模型。结果表明:累积Logistic函数能够较好的解释货车下坡事故风险的变化规律,模型评价结果与实际事故的平均误差为0.288,准确率达到80.87%,模型精度较高,可为连续下坡路段的交通安全管控提供科学决策的依据。

公路事故多发路段辨识方法研究综述

为探寻公路事故多发路段辨识方法的研究现状与发展趋势,利用文献计量学方法分析了中国知网(CNKI)数据库与Web of Science^(TM)中的主题相关文献。从宏观角度对发文量趋势、关键词、研究国家进行简要分析,基于事故发生机理对事故多发路段辨识方法进行定义。在此基础上将事故多发路段辨识方法细分为:路段单元划分、数据收集处理、辨识指标选择与辨识方法选取4个子任务。并将第4个子任务划分为:统计驱动方法、模型驱动方法、空间驱动方法3类,回顾了各类方法的研究现状与优劣。最后从路段单元划分角度、交通事故数据角度、路段辨识方法角度提出事故多发路段辨识方法未来的发展方向。结果表明:滑动窗法和聚类算法能较好地划分出符合事故多发路段客观长度的道路单元;统计驱动方法存在考虑事故致因较少、确定指标阈值主观性较强灵活性不足、不考虑事故随机性的问题,可考虑利用模型驱动法解决;而模型驱动方法存在事故致因选取不科学的缺陷,基于人-车-路-环境-信息全要素系统充分考虑事故致因,严谨验证相关性的基础上合理选用事故致因,结合灰色理论有助于提高模型准确度;空间驱动方法可视化效果佳,基于地理信息系统(GIS)考虑时间维度的时空立方体法成为近几年的研究热点;融合模型驱动方法与空间驱动方法有助于构建可视化效果佳、辨识准确度高的模型;拓展至时空二维的路段单元、多维动态数据融合、重点考虑人因的事故致因与事故指标量化模型构建未来或有发展空间。

基于ETC数据的山区高速公路客货车行驶速度特征研究

电子不停车收费(Electronic Toll Collection,ETC)系统作为智慧高速的重要组成部分,每天产生着海量实时的交通数据。面向ETC数据质量提升和行驶特征分析的需求,提出了一种基于ETC数据的高速公路客货车行驶速度特征分析方法,其包含数据优化、质量评估、行驶速度特征分析3个部分。在分析总结ETC门架及其数据特点的基础上,探讨了一种数据提取及优化方法。同时从数据规模、准确性、完整性3个方面,构建了用于ETC数据质量评估的量化指标体系;采用统计分析方法研究了不同路段客货车行驶速度特征的差异,进一步利用潜在类别分析(LCA)确定相似速度特性的车型类别。最后,广泛收集了西部某山区高速公路沿线ETC数据,实例验证了所提出的高速公路行驶特征分析的方法,并根据分析结果对高速公路限速方案提出建议。研究结果表明:提出的数据清理和质量评估方法能够较好地解决和评价当前ETC门架数据存在的缺陷;受路段的纵坡影响,客货车的行驶速度分布具有显著差异;基于行驶速度分布特征指标对各类车型行驶速度进行潜在类别分析,在平坡和下坡路段车辆行驶速度适用于4类别模型,在上坡路段车型行驶速度适用于5类别模型;对各路段限速方案提出根据各类别行驶速度特征调整限速值与细分车型限速的建议。研究结果有助于提升ETC数据的质量和应用价值,同时为开展高速公路运行态势监测和分车型动态限速方案制定提供了理论和方法支持。

基于收费站数据的交通事故态势感知判别

为了探究交通事故与高速公路交通态势的关联性,以某省14条高速公路的电子不停车收费数据为基础,分析了交通态势的变化特征。选取车辆速度分布、客货分位速度差、交通组成3个研究指标,以K-means聚类分析方法对交通事故进行了分类。结果表明:通过速度分布参数可得到交通事故在不同交通态势下发生的速度特征,其中“拥堵条件下发生交通事故”通常发生于高速公路速度分布为“低峰肥尾”或“高峰瘦尾”的路段,“通畅条件下发生交通事故”通常在速度中值低、速度范围小、速度集中程度高的路段发生,且此类路段通常与该类的聚类中心距离为0.1~0.16;根据50~85分位中高速区间客货分位速度差可将路段划分为两种类别,类别1与类别2相比,其客货速差较小,事故类型以单车事故为主,事故车型不包括客货双车;按照客货比交通组成可将路段划分为3个类别的交通态势,交通拥堵状态差异不大,然而客货比分别为低、中、高,发生的特殊事件也有明显差异;应用该方法进行交通事故划分判别可在一定程度上提高实际事故判别准确率。随着ETC数据挖掘技术的不断发展及数字化平台的广泛建设,依托ETC数据的应用场景将越来越丰富,行业数字化管理水平将得到不断的提高。