卫星单点定位数据的安全指标构建研究

以上海市市中心城区路段和交叉口为安全分析单元,进行基于卫星单点定位数据的安全替代评价指标构建。通过历史事故安全替代评价指标包括基于事件的安全替代评价指标(急加速事件和急减速事件)和基于交通流的安全替代指标(平均速度、速度变异系数、拥堵指数)。采用Savitzky-Golay滤波对卫星单点定位数据进行处理并提取急加速和急减速事件;提取了不同时间早高峰、晚高峰、非高峰和全部时段的交通流安全替代评价指标。在实时事故安全替代评价指标方面,根据时间维度(事故发生前5~10 min和10~15 min)和空间维度(全路段和分路段)选取实时事故安全替代评价指标。使用皮尔逊相关系数和随机森林方法对指标进行相关性分析和重要度排序。

基于XGBoost模型的城市道路实时交通事故风险预测研究

我国城市道路的交通事故数量呈上升态势,在产生大量伤亡的同时,也对整个城市交通造成重要影响。基于卫星单点定位数据提取并评价了实时事故安全替代指标,建立了面向全路段和分路段的城市道路实时事故风险预测模型,用于动态事故风险预测。基于实时事故安全替代指标构建了XGBoost的全路段和分路段的事故风险预测模型。经过模型对比发现,SMOTE方法能够有效提高模型的预测准确率。为了排除测试集和训练集划分对模型效果的干扰,并测试模型的鲁棒性,采用200次划分不同测试集和训练集的方法对模型的鲁棒性进行了检验。经过验证,XGBoost的鲁棒性较好。结果表明:事故上游路段的安全替代指标比下游的重要程度高,表明上游路段的替代指标能够更好地用于实时事故风险的预测;在时间维度上,事故发生前5~10 min的单点定位轨迹特征数据,相比于前10~15 min的重要程度高,说明事故前5~10 min的数据能够更好地解释实时事故风险;基于模型训练集的预测效果,在模型内部进行风险阈值的选取,风险阈值是模型内部的参数;测试集较好的预测结果也证明了阈值选取的合理性。XGBoost模型能够进一步拓展公安交通警察日常应用的主动防控系统的开发,实现对重点道路的实时风险预测和安全管控,为今后的实时主动安全管理技术的发展奠定基础。

基于安全替代指标的城市道路交通安全高风险点位研判方法

针对城市道路开展高风险点位的判别和筛查,是交通安全改善工作的重要内容。以上海市为例,基于手机导航定位数据,提取了急减速事件、急加速事件、平均速度、速度变异系数和拥堵指数五种替代安全指标,进而分别构建了基于零截尾负二项的事故频率预测模型和基于多元logit的事故严重程度预测模型,可有效识别出城市道路交通高风险点位。模型具备较高的准确率和可解释性。该方法可为精细化的城市道路交通安全治理提供有效的技术支撑。