基于BP神经网络的高速公路事故预测模型

依据收集到的山岭区和丘陵区高速公路的几何线形、交通量和事故数据,建立高速公路路段基于几何线形指标和交通量的事故预测模型。利用平均影响值法对几何线形指标进行相关性检验,满足与事故率相关性条件的线形指标包括直线段长度、平曲线半径、偏角、竖曲线半径和纵坡坡度,根据检验结果划分事故预测单元。建立基于BP神经网络的事故预测模型,验证了模型在具体路段上的适用性。对模型进行灵敏度分析,确定各线形指标对事故率发生的影响程度。验证结果表明:模型准确度达到88%,该模型对山岭区或丘陵区高速公路基本路段具有广泛的适用性,对具体路段的预测具有较高的精度。

基于负二项预测模型的山区双车道公路穿村镇路段的安全特性

针对我国交通事故呈现出的在公路穿村镇路段聚集的趋势,在某山岭地形区域进行了双车道公路的交通事故、交通组成、道路和路侧等因素的大量数据采集,并对公路穿村镇路段的整体安全特性进行了分析,采用负二项模型等事故预测模型和相关检验理论对模型形式,以及公路穿村镇路段全部事故和追尾、碰撞、路侧等不同形态的事故规律特性进行了深入分析。研究结果发现,公路穿村镇路段的事故时空分布呈一定规律性;交通量、混杂率和道路横坡度为影响公路穿村镇路段交通安全的3个显著因素,且均呈正向影响。

城市干道系统交通事故预测模型研究(英文)

以哈尔滨市干道路网为研究对象,收集到了该路网上468个路段和163个平面交叉口的道路交通数据,以及1999年至2004年所发生的8510起交通事故数据。分析了事故数据的统计分布特性,应用聚类分析技术确定了路段和交叉口的类别,并在此基础上分别建立了事故总体和分事故形态的预测模型。论文探讨了高峰时段的事故次数、事故率与路段v/c之间的定量关系。标定出了24个模型,并形成干道系统事故预测模型库。最后,运用所建立的事故预测模型选取了2010年哈尔滨规划路网的一部分进行实例分析,结果表明了预测模型是有效的。

基于Logistic模型的双车道公路事故易发路段预测研究

事故易发路段的判别是安全管理的重要内容之一。传统的事故易发路段判别方法多应用于运营阶段的公路,其判别精度很大程度决定于历史事故记录的周期和质量,且受"回归到平均"等现象的影响。对于实际的安全管理工作,预先对某一对象成为事故易发路段的可能性进行预测,进而预先采取安全改进措施,能够使得安全完善工作由被动变主动,还可增加事故易发路段判别工作的应用阶段。通过对大量双车道公路事故易发路段样本的整理和分析,发现接入口密度、道路线形、交通组成等要素对事故易发路段的产生有很大影响。为此,借助Log istic模型在概率预测上的优势对上述要素对事故易发路段形成的影响情况进行了研究,建立了事故易发路段预测模型,并进行了实际检验。

道路中微观路段事故概率预测模型

用贝叶斯方法求解泊松分布参数估计量，得到微观路段事故发生次数理论值预测模型和概率预测模型，并提出用累积概率表确定事故预测区间的方法，较好地解决了路网中某地点事故预测的难题。

基于道路条件的事故易发路段辨识分析

道路交通是由人、车、路、环境等要素组成的复杂系统,系统失衡造就会发生交通事故。为了客观公正的辨识出事故易发路段,基于道路条件对城市道路交通安全影响因素进行综合分析,提出了一种基于道路条件影响因素的权重模型,基于逆向云模型的思想,建立了多因素危险路段组合方式及发生交通事故的概率,提出了一种基于道路条件危险路段组合的识别方法。方法应用结果表明,基于道路事故数据统计分析计算各道路条件危险组合的识别方法,能客观地描述出事故易发路段,为道路安全隐患治理奠定基础。