基於判別分析的快速道路實時交通事故風險預測方法
2023-05-29 07:25:51
專利名稱：基於判別分析的快速道路實時交通事故風險預測方法
技術領域：
本發明屬於交通智能管理和控制技術領域，運用判別分析模型，提出一種快速道路交通事故發生風險的檢測方法，對快速道路交通事故進行預測，為一種基於判別分析的快速道路實時交通事故風險預測方法。
背景技術：
改革開放以來，隨著我國經濟的高速增長，高速公路在我國經歷了跨越式的迅猛發展。1986年我國第一條高速公路建成通車，到2008年底，我國高速公路通車裡程已經超過6. 03萬公裡，穩居世界第二位，但隨著機動化交通需求的不斷增長，高速公路交通安全問題變得越來越嚴重，從2003年至2007年，全國高速公路共發生道路交通事故105687起， 造成30588人死亡、77505人受傷，直接財產損失26. 2億元。因而高速公路交通安全問題成為交通工程領域中越來越受關注的一塊研究內容， 已有的研究表明交通事故與交通流特徵存在一定的關聯性，然而大部分的研究建立了事故發生與交通流特性(如速度，流量)、道路環境條件(如幾何特性，天氣狀況)、駕駛員特性 (如年齡、性別)之間的關係。但這些方法的不足之處是需要測量AADT這樣的集計統計量， 因而不能做到實時判定出「事故黑點」(事故易發地點)，並且需要一個較長時期(1月 3 年)的交通事故和交通流歷史資料。另外，AADT這些集計統計量也不能反映出那些隨時間發生變化並對交通事故發生有著明顯影響的因素(如交通流的波動特性和天氣)。因而這些採用了靜態交通數據建立的事故預測模型難以實時地預測高速公路發生事故的危險性。隨著當前 htelligent Transportation System(ITS)智能交通系統和 Advanced Transportation Management System(ATMS)先進的交通管理系統的應用，交通控制中心可以通過電磁感應線圈等設備獲得實時準確的交通流數據。電磁線圈感應器能夠以30s或者更高的精度實時檢測交通流特徵參數，例如交通流量、車輛速度和線圈佔有率。在交通流實時數據獲取及存儲已變得極為容易的背景下，利用實時交通流數據建立交通流特徵與交通事故風險之間的關係，以實現在較短時間內甚至實時預測交通事故的發生，已經成為了國外交通安全研究的重點，它對於改善我國快速道路交通安全現狀具有重要的工程運用價值。
發明內容
本發明要解決的問題是在交通流實時數據獲取及存儲已變得相對容易這一背景下，克服之前利用集計統計量分析交通安全存在的技術缺陷與不足，建立實時交通流特徵與交通事故風險之間的關係，提出快速道路事故風險實時預測方法。本發明的技術方案為基於判別分析的快速道路實時交通事故風險預測方法，對檢測區域建立快速道路事故風險判別模型，通道快速道路事故風險判別模型為檢測區域的實時交通流特徵參數與交通事故風險的關係模型，將實時交通流特徵參數代入快速道路事故風險判別模型，根據快速道路事故風險判別模型輸出結果預測快速道路檢測區域的交通狀態，由此預測是否有發生交通事故的風險，所述實時交通流特徵參數包括檢測區域上下遊兩個檢測點的交通流量、佔有率和車輛速度的平均值以及標準值，兩個檢測點相距800 米，檢測器每隔30秒讀取一次交通流量、佔有率和車輛速度，並每5分鐘計算它們的平均值和標準差， 快速道路事故風險判別模型為設有2個ρ維總體G1; G2,分別代表事故樣本總體和非事故樣本總體，從各個總體中抽取樣本數分別為n1; n2，得到事故組和非事故組，X = (X1, ...，x12)表示交通流特徵參數，X1, ... , X6分別為上遊檢測點交通流量、佔有率和速度的平均值以及標準差，x7,... , X12分別為下遊檢測點交通流量、佔有率和速度的平均值以及標準差，Y為判別函數計算出來的判別值，其中y(1)為事故組對應的判別值，y(2)為非事故組
對應的判別值，判別分析的建模步驟包括(1)、設判別式為y = c1x1+c2x2+c3x3+···+C12X12, C1……C12為判別係數，將屬於事故組和非事故組觀測值代入判別式中，得到事故組
>f = C1X^ + C2X^ + C3X^ +··· + CpX^J = 1,2」.., nx(1)非事故組
>f =C1Xf1 +C2x;22) +C3Xg) + …+ 《)，_/= 1，2，...， 2(2)(2)、分別計算事故組和非事故組y期望值事故組
？^1Zf(3)非事故組
一=丄⑷
n2 ；=1(3)、計算事故組和非事故組的組間差Q與組內差F組間差
Q = Qicl^...,cp) = (ym-/2^Y(5)組內差
f = (cuC2,...,Cp) = ± (只⑴-Tj)2+Σ (y } -一 )2⑷
i=\ ；=10)、求判別效率表達式
η(T17-Ti7)2
/ = ^ =-^_^―————(7)
F Zof1- 7)2+Σοι)-Tiy)2
i=l ；=1(5)、選取係數向量C，使得判別效率表達式(7)達到最大值將函數I兩邊取對數，並令
權利要求
1.基於判別分析的快速道路實時交通事故風險預測方法，其特徵是對檢測區域建立快速道路事故風險判別模型，通道快速道路事故風險判別模型為檢測區域的實時交通流特徵參數與交通事故風險的關係模型，將實時交通流特徵參數代入快速道路事故風險判別模型，根據快速道路事故風險判別模型輸出結果預測快速道路檢測區域的交通狀態，由此預測是否有發生交通事故的風險，所述實時交通流特徵參數包括檢測區域上下遊兩個檢測點的交通流量、佔有率和車輛速度的平均值以及標準值，兩個檢測點相距800米，檢測器每隔 30秒讀取一次交通流量、佔有率和車輛速度，並每5分鐘計算它們的平均值和標準差，快速道路事故風險判別模型為設有2個ρ維總體G1; G2,分別代表事故樣本總體和非事故樣本總體，從各個總體中抽取樣本數分別為n1; n2，得到事故組和非事故組，X = (X1, ...，x12)表示交通流特徵參數，X1, ... , X6分別為上遊檢測點交通流量、佔有率和速度的平均值以及標準差，x7,... , X12分別為下遊檢測點交通流量、佔有率和速度的平均值以及標準差，Y為判別函數計算出來的判別值，其中y(1)為事故組對應的判別值，y(2)為非事故組對應的判別值，判別分析的建模步驟包括(1)、設判別式為y = C1X1+C2X2+C3X3+-+C12X12, C1……C12為判別係數，將屬於事故組和非事故組觀測值代入判別式中，得到事故組
全文摘要
基於判別分析的快速道路實時交通事故風險預測方法，對檢測區域建立快速道路事故風險判別模型，將實時交通流特徵參數代入快速道路事故風險判別模型，判斷是否有發生交通事故的風險。本發明方法利用快速道路交通檢測設備獲取的實時交通流特徵參數對交通事故進行實時預測，並且具有較好的預測精度，克服了現有技術利用集計統計量分析交通安全存在的技術缺陷與不足，本方法在判別快速道路交通事故的風險性，預測交通事故發生方面具有實際的工程運用價值。
文檔編號G08G1/065GK102360525SQ201110301870
公開日2012年2月22日 申請日期2011年9月28日 優先權日2011年9月28日
發明者劉攀, 徐鋮鋮, 王煒 申請人:東南大學