基于时空交互模型的高速公路季节事故频次影响因素分析

为了深入了解影响高速公路事故频次的显著因素,采集2014年广东省开阳高速公路的事故、道路、交通和气象数据,以曲率和坡度同质性为原则将整条公路划分为154条路段,采用时空交互模型拟合路段季节事故数和道路设计参数、交通特征、气象因素间的内在关系。该模型不仅解释了相邻路段间的空间效应和相邻季节间的时间效应,而且还考虑了时空效应间的相互作用,有助于提高模型的拟合预测性能、减少参数估计偏倚。基于贝叶斯推断的模型估计和评价结果显示:事故数据中存在显著的时空关联和交互效应;时空交互模型比传统层级泊松模型的拟合优度更高;路段长度与事故频次线性相关,而交通量则与事故频次间存在非线性关系;高速公路交通安全性随着中、大型客、货车(三类车)比例的增加而显著提高;路段曲率、坡度越大,交通事故风险越高;风速越高、降水量越多的季节,事故频次将显著上升。研究结果可为高速公路交通安全改善方案的制定提供理论依据。

基于贝叶斯时空建模的高速公路事故黑点判别

为了识别高速公路事故黑点,基于历史交通事故数据,建立贝叶斯时空交互模型,估计高速公路路段事故率和超常事故率。根据其后验期望序号对路段安全性进行排序,将排序靠前的一定比例路段判定为事故黑点。利用该方法对广东开阳高速公路进行事故黑点判别,并与基于贝叶斯层级泊松模型的黑点判别结果进行对比。结果表明,时空交互模型和层级泊松模型的事故路段排序结果存在显著差异。以事故率为安全评价指标时,2个方法判别的事故黑点中有73%相同;以超常事故率为安全评价指标时,2个方法判别的事故黑点中仅有20%相同。这与类似研究的结论一致,体现了解析时空关联和交互对事故黑点判别的重要性。另外,还对比了基于评价指标后验期望序号和后验均值的事故路段排序序号。结果显示二者的一致性较高。