專利名稱：針對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明根據(jù)常發(fā)性擁堵快速道路上交通瓶頸上游路段交通流特征與追尾事故發(fā)生條件，提出一種針對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法，屬于智能交通管理和交通安全技術(shù)領(lǐng)域。
背景技術(shù)：
隨著我國經(jīng)濟高速增長，快速道路經(jīng)歷了跨越式迅猛發(fā)展。截止2011年底，我國高速公路總里程超過8.5萬公里，穩(wěn)居世界第二位，城市內(nèi)及城市間快速道路里程數(shù)迅速增加。近年來，隨著機動車保有量迅速增長，快速道路交通安全問題變得越發(fā)嚴重?？焖俚缆飞洗嬖谌舾山煌ㄆ款i，例如入口匝道位置、出口匝道位置、車道變少位置、施工區(qū)、交通事故發(fā)生區(qū)等。交通瓶頸路段常誘發(fā)交通擁堵，擁堵會形成車輛排隊且排隊狀態(tài)向上游路段傳播，迫使上游車輛突然大幅降低行駛車速。當(dāng)車輛間距不足以完成安全減速行為時，會導(dǎo)致追尾事故。在我國快速道路交通事故統(tǒng)計中，近50%的事故形態(tài)為追尾事故，表明快速道路常發(fā)性擁堵路段的追尾事故風(fēng)險較高。對追尾事故進行實時預(yù)測，并據(jù)此進行動態(tài)交通的控制和管理，減少追尾事故的發(fā)生，對提高快速道路瓶頸路段的行車安全具有重要意義。隨著當(dāng)前智能交通系統(tǒng)和先進的交通管理系統(tǒng)的應(yīng)用，交通控制中心可以通過電磁感應(yīng)線圈等設(shè)備獲得實時準(zhǔn)確的交通流數(shù)據(jù)。電磁線圈感應(yīng)器能夠以30s或者更高的精度實時檢測交通流特征參數(shù)，例如交通流量、車輛速度和線圈占有率。在交通流實時數(shù)據(jù)獲取及存儲已變得極為容易的背景下，利用實時交通流數(shù)據(jù)建立交通流特征與交通事故風(fēng)險之間的關(guān)系，以實現(xiàn)在較短時間內(nèi)甚至實時預(yù)測交通事故的發(fā)生，已經(jīng)成為了國內(nèi)外交通安全研究的重點，對于改善我國快速道路交通安全現(xiàn)狀具有重要價值。以往并沒有考慮快速道路常發(fā)性擁堵路段獨特的交通流運行特征及運行規(guī)律，現(xiàn)有發(fā)明與技術(shù)并不適用于快速道路常發(fā)擁堵路段，且無法對常發(fā)擁堵路段的追尾事故進行實時預(yù)測。

發(fā)明內(nèi)容
發(fā)明目的:針對以往交通事故預(yù)測方法并不適用于快速道路常發(fā)性擁堵路段，無法依據(jù)實時交通流數(shù)據(jù)對該路段內(nèi)追尾事故進行實時預(yù)測，導(dǎo)致缺乏有效交通管理控制手段來預(yù)防快速道路追尾事故發(fā)生。本發(fā)明根據(jù)快速道路常發(fā)擁堵路段內(nèi)交通流運行規(guī)律與特征，從運動波傳播角度分析了追尾事故發(fā)生條件，建立了 Logistic回歸模型來實時預(yù)測事故發(fā)生概率，彌補了以往無法對快速道路常發(fā)性擁堵路段追尾事故進行實時預(yù)測的技術(shù)缺陷。技術(shù)方案:本發(fā)明提出針對快速道路常發(fā)性擁堵路段追尾事故風(fēng)險的預(yù)測方法，基于運動波傳播特性分析提出追尾事故發(fā)生的條件，基于多個車輛跟馳軌跡的集計建立了Logistic回歸模型，根據(jù)事故發(fā)生前5min交通流數(shù)據(jù)對模型進行參數(shù)標(biāo)定。實例顯示，本發(fā)明提出的針對快速道路常發(fā)擁堵路段追尾事故預(yù)測方法，預(yù)測分布情況與實際追尾事故分布吻合較好。本發(fā)明可作為快速道路動態(tài)交通管理與控制的技術(shù)支持。—種針對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法，包括以下步驟:I)采集快速道路常發(fā)擁堵路段內(nèi)各斷面各車道速度、流量及占有率，具體包括:101)選取數(shù)據(jù)采集路段；102)確定檢測器安裝間距及檢測數(shù)據(jù)單位:103)采集實時交通流數(shù)據(jù):在每一斷面處采集快速道路路段每30秒各車道速度、流量及占有率數(shù)據(jù)；104)數(shù)據(jù)預(yù)處理:將步驟103)所采集的實時交通流數(shù)據(jù)中隨機因素導(dǎo)致的追尾事故數(shù)據(jù)剔除，減少對照組樣本數(shù)據(jù)的隨機誤差；2)基于集計交通流數(shù)據(jù)建立追尾事故風(fēng)險指數(shù)解析模型，步驟包括:201)首先通過對個體車輛及多個車輛的跟馳行駛軌跡分析，推導(dǎo)出運動波傳播過程中追尾事故風(fēng)險指數(shù)R的解析表達式；202)采用追尾事故風(fēng)險指數(shù)R反映相鄰檢測器區(qū)間內(nèi)平均交通流狀態(tài)，采用步驟201)中的風(fēng)險指數(shù)R的解析表達式中 涉及參數(shù)的標(biāo)準(zhǔn)差反映交通流波動情況，從而初步建立Logistic回歸模型；203)通過計算Logistic回歸模型中可估計變量的odds ratio值,篩選出與追尾事故概率顯著相關(guān)的變量，得到常發(fā)擁堵路段追尾事故風(fēng)險預(yù)測Logistic模型，Logistic模型函數(shù)為:
權(quán)利要求
1.一種針對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法，其特征在于，包括如下步驟: 1)采集快速道路常發(fā)擁堵路段內(nèi)各斷面各車道速度、流量及占有率，步驟包括: 101)選取數(shù)據(jù)采集路段； 102)確定檢測器安裝間距及檢測數(shù)據(jù)單位: 103)采集實時交通流數(shù)據(jù):在每一斷面處采集快速道路路段每個時間周期各車道速度、流量及占有率數(shù)據(jù)； 104)數(shù)據(jù)預(yù)處理:將步驟103)所采集的實時交通流數(shù)據(jù)中隨機因素導(dǎo)致的追尾事故數(shù)據(jù)剔除，減少對照組樣本數(shù)據(jù)的隨機誤差；其中交通流數(shù)據(jù)為真實事故發(fā)生前5分鐘交通流數(shù)據(jù)； 2)基于集計交通流數(shù)據(jù)建立追尾事故風(fēng)險指數(shù)解析模型，步驟包括: 201)首先通過對個體車輛及多個車輛的跟馳行駛軌跡分析，推導(dǎo)出運動波傳播過程中追尾事故風(fēng)險指數(shù)R的解析表達式； 202)采用追尾事故風(fēng)險指數(shù)R反映相鄰檢測器區(qū)間內(nèi)平均交通流狀態(tài)，采用步驟201)中的風(fēng)險指標(biāo)R的解析表達式中涉及參數(shù)的標(biāo)準(zhǔn)差反映交通流波動情況，從而初步建立Logistic回歸模型； 203)通過計算Logistic回歸模型中可估計變量的oddsratio值,篩選出與追尾事故概率顯著相關(guān)的變量，得到常發(fā)擁堵路段追尾事故風(fēng)險預(yù)測Logistic模型，模型函數(shù)為:
2.如權(quán)利要求1所述的對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法，其特征在于，所述步驟101)中，有效數(shù)據(jù)的采集路段為快速道路瓶頸處的上游路段。
3.如權(quán)利要求1所述的對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法，其特征在于，所述步驟102)中，在快速道路路段以不大于Ikm的間距布設(shè)交通流檢測器的方法采集數(shù)據(jù)；所述步驟103)中通過檢測器每30秒采集一次每一斷面處采集快速道路路段各車道速度、流量及占有率數(shù)據(jù)。
4.如權(quán)利要求1所述的對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法，其特征在于，所述步驟104)中，需從所采集的數(shù)據(jù)中挑選出滿足參數(shù)標(biāo)定要求的數(shù)據(jù):1)交通流檢測器布設(shè)在快速道路常發(fā)瓶頸上游路段；2)交通流檢測器布設(shè)間距較?。?)交通流檢測器提供檢測周期為30秒的各車道交通流數(shù)據(jù)；4)歷史數(shù)據(jù)具有較長保存周期；5)交通事故數(shù)據(jù)精確記錄事故發(fā)生時間和位置。
5.如權(quán)利要求1所述的對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法，其特征在于，所述步驟104)中，在病例-對照標(biāo)定方法中，需剔除由于部分隨機因素導(dǎo)致的追尾事故數(shù)據(jù)，需剔除的數(shù)據(jù)包括:1)事故發(fā)生在惡劣天氣下；2)事故中駕駛員酒醉；3)事故與行人、摩托車、動物及固定物相關(guān)；4)事故發(fā)生在出入口匝道；5)事故由于道路損壞、施工造成 。
全文摘要
本發(fā)明公開了一種針對快速道路常發(fā)性擁堵路段的追尾事故實時預(yù)測方法。首先需要在快速道路上(一般為瓶頸區(qū)上游路段)設(shè)置交通流檢測器，采集各道路斷面的實時交通流數(shù)據(jù)。對追尾事故發(fā)生時車輛跟馳行駛軌跡進行分析，建立快速道路常發(fā)性擁堵路段追尾事故風(fēng)險實時預(yù)測Logistic模型，并根據(jù)事故發(fā)生前5分鐘交通流數(shù)據(jù)對模型參數(shù)進行標(biāo)定。本發(fā)明克服了以往無法對快速道路常發(fā)性擁堵路段追尾事故進行有效實時預(yù)測的缺陷，可以根據(jù)快速道路上交通流檢測器采集的交通數(shù)據(jù)對追尾事故風(fēng)險進行實時評估，進而可以采用動態(tài)交通控制預(yù)防追尾事故發(fā)生，在我國具有重要的時間應(yīng)用價值和廣泛的應(yīng)用前景。
文檔編號G08G1/16GK103150930SQ201310041720
公開日2013年6月12日 申請日期2013年2月1日 優(yōu)先權(quán)日2013年2月1日
發(fā)明者李志斌, 劉攀, 王煒, 徐鋮鋮 申請人:東南大學(xué)