基于BiLSTM神经网络的交通事故黑点路段日均事故频次预测方法

为交通管理部门和出行大众提供精准的事故高发黑点预警信息具有重要的意义。为此,研究了1种基于双向长短期记忆神经网络（bidirectional long short-term memory neural network,BiLSTM）的黑点路段交通事故频次预测方法。通过对传统K-means聚类算法的k值选取进行改进,实现了道路交通事故黑点的有效识别,并统计黑点每天事故数作为事故时间序列;利用小波分解对该序列进行降噪处理,通过多层网格搜索法对隐藏层层数、神经元个数等模型的参数进行标定,构建了基于BiLSTM网络的事故频次预测模型;采用滑动窗口的方式将事故时间序列作为内部参数输入模型,以交通流量、节假日、事故天气和事故发生环境等特征作为外部参数,对事故黑点路段未来1 d内可能发生的事故数进行预测,并基于预测结果提出了1种事故黑点路段交通事故预警模型;以浙江省宁波市交警部门某辖区2020年4月—2021年9月常态采集的事故数据为测试集,以7 d的事故数据预测未来1 d的黑点路段事故频次,将BiLSTM模型与门控循环神经网络（GRU）模型、长短期记忆神经网络（LSTM）模型、反向传播神经网络（B...     

基于聚类分析的高速公路事故黑点鉴别及成因分析研究

为了提高事故黑点鉴别的客观性、公正性及识别水平,提出基于灰色聚类评价的事故黑点鉴别方法,并结合聚类因子法识别事故黑点诱发因素。该方法是将聚类思想应用于事故黑点鉴别及成因分析的全过程,可实现对不同层次事故黑点的分级管理。经鉴别,可将评价路段单元分为正常路段、一般路段及事故黑点3类,从而将道路几何条件、交通条件、环境特性属性相似的事故黑点聚为一类进行事故成因分析。依托长余高速公路的交通事故数据进行实例分析,确定上下行事故黑点数,并对其进行成因分析,且将基于聚类分析得到的事故黑点及其成因与实际考察得到的事故黑点及其成因进行对比分析。结果表明:基于聚类分析得到的事故黑点与实际路段事故黑点基本吻合,采用基于聚类分析预测事故黑点是可靠的。     

城市道路交通事故黑点整治方案及经济评价

事故黑点一直是城市道路交通安全的最大威胁。在事故黑点界定和诱因分析的基础上,本文分别从城市道路交叉口及路段2个方面设计相应的事故黑点整治方案,包括增设非机动车道、合理确定人行横道位置等;运用交通事故减少量预测、工程措施投资的经济分析方法对整治方案进行经济评价。昆山市长江中路与前进中路交叉口整治与经济评价实例表明:所设计的整治方案能够消除事故黑点的诱因;经济评价反映了整治方案所具有的安全效益。     

基于单元法的事故多发路段的鉴别分析

介绍了以考虑道路线形特征划分单元路段的单元法,分析了当量事故经济损失的计算方法,结合传统事故多发路段鉴别方法,对累计频率法进行优化,并对工程实例进行分析,提出基于单元法进行事故多发路段鉴别分析的具体操作步骤。     

基于大数据的高速公路交通事故分析系统研究

高速公路交通事故数据体量大、类型多、时效性要求高,应用大数据理论深度挖掘数据特征以提升运营安全已成为趋势。为建立交通事故分析系统,集合道路线形、交通流、历史事故数据等,首先采用邻近度技术、关联分析法清洗数据;然后从行车危险度角度,界定并筛选高速公路事故特征路段;最后利用变量柔性的广义负二项分布构建特征路段的事故预测模型。该系统的建立将可以充分挖掘事故数据特征,并辅助道路交通管理者实施决策。     

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.      

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BP神经网络的事故黑点治理紧迫性排序研究

在当前社会经济水平下,有限的治理资金限制了治理道路危险源的数量,为了在保障道路安全的前提下,使有限的资金达到最大的治理效果,必须根据各类事故黑点的危险程度及治理的迫切性等对事故黑点治理紧迫性进行排序,从而根据紧迫性大小制定事故黑点的整治计划。该文提出基于BP神经网络的事故黑点治理紧迫性的排序方法,考虑多重因素建立了包括4个一级指标和6个二级指标的事故黑点治理紧迫性评价体系,并将评价指标作为BP神经网络的输入单元,通过模型设计、参数设计以及样本训练,建立基于BP神经网络的事故黑点治理紧迫性排序模型。最后,本文用实例验证了该模型对检验样本的输出值与期望值一致。     

数据挖掘技术在交通事故黑点整治中的运用

目前我国城市道路交通事故频发,而许多城市道路事故黑点的整治工作仍然依靠人工或简单的数据库来进行。为了系统和科学地整治交通事故黑点,本文提出了利用数据预处理技术处理事故黑点数据库,运用关联规则技术分析黑点事故成因,为城市道路交通事故黑点的整治提供了有效的方法。     

道路因素对典型较严重道路交通事故严重性的影响分析

基于道路交通事故数据探究事故影响因素对于认识事故的影响因素、提高交通安全水平具有重要意义。利用近年来国内典型较严重道路交通事故数据,应用泊松模型和负二项模型,以区分事故形态的方式建立追尾事故、侧碰事故及撞行人事故的事故死亡率的道路影响因素分析模型。这些模型以三类事故中涉及人员的死亡数为因变量,以一系列道路因素为自变量,将事故涉及人数作为偏移变量。模型的具体形式以过离散系数及赤池信息量准则(AIC)为依据进行选择。结果显示,追尾事故的死亡率与道路等级、路侧防护设施显著相关;侧碰事故则与天气、路表情况、路口路段位置、坡度以及道路结构有关;撞行人事故与路表情况、道路等级、车道数、平曲线半径有关。本文拓展了事故严重性研究的深度,其研究成果对于更好地利用重特大事故的深入调查数据有现实意义,也可为事故分析及道路设计等提供借鉴。      

山区公路小半径曲线加宽及安全设计研究

山区公路小半径曲线是事故的多发地点。通过对行车轨迹及驾驶员行车视觉感觉的分析,结合曲线透视图,分析得出小半径曲线视觉信息不良是导致事故发生的主要原因。据此对小半径曲线加宽、横向超高及中心线设计中可能存在的安全问题进行了研究,提出了相对山区公路小半径曲线的道路安全设计建议。     

基于视频图像的车辆灯光状态鉴定方法研究

违法使用车辆远光灯是导致夜间道路交通事故的重要原因之一,针对当前道路交通事故中车辆灯光状态鉴定方法存在的不足,本文基于视频图像,从车载监控视频和道路监控视频两个角度分析视频图像中目标车辆前照灯光斑特征、目标车辆前照灯灯光在道路环境参照物上的投影光斑特征等信息,比对分析视频图像中远光灯、近光灯反馈信息的异同点,总结基于视频图像的车辆灯光状态鉴定方法,为道路交通事故处理过程中充分应用视频物证提供技术保障。     

道路交通事故信息采集技术及应用

随着社会经济的发展,当前我国购买和使用汽车的人数不断上升,而在有限的道路交通资源的情况下,交通拥堵以及交通事故发生的频率大大上升,而一旦发生交通事故,则需要对交通事故车辆及周围环境进行信息采集,对事故现场进行重建,进而还原事故产生的原因,进而对事故车辆的责任进行鉴定。近年来,为了更好地重建事故现场,分析相关事故产生的原因,对事故车辆进行责任鉴定以及采取措施减少事故发生的概率,如今在大部分地区已经使用了信息技术、监控技术以及人工智能技术等对交通事故信息进行采集。本文主要介绍了当前在交通事故信息采集过程中主要应用的三种技术类型,包括:基于摄影测量的技术、基于视频解算及分析的技术以及基于电子智能的技术。并分析了这些技术在交通事故信息数据库、交通事故分析重建、道路交通安全状况改善过程中的应用。     

最短路-最大流交通分配法

为确定公路网各路段交通量,在最短路交通分配法的基础上,引入了求最短路上最大流的分析技术,提出了最短路上最大流交通分配计算方法。依据对公路网中不同路段初定的技术等级所具备的最大服务交通量和拥挤度的要求,确定出该路段的容许交通量,当路段所分配到的交通量累计达到这一量值时,及时地对路段技术等级进行调整,进而对该路段的路权与容许交通量进行适时的调整。算例表明:该计算方法有效地提高了交通分配过程中有关路权处理的整体质量,较现行的最短路交通分配法和交通容量限制分配法的分配结果更趋合理。     

高速公路交通事故数据分析方法研究

高速公路交通事故数据对管理部门提升道路交通安全具有重要意义。为研究贵州省某两条高速公路历史交通事故数据分布规律与事故发展趋势,首先利用邻近度与关联性分析方法,完善事故数据;然后分析道路特征对交通安全的影响,划分连续下坡路段、隧道路段单元范围;最后对路段单元进一步划分为区块,建立不同区块范围内的事故概率与区块位置的预测模型,其中连续下坡路段后半段符合线形关系,隧道进出口段符合二次函数关系,并根据事故分布特征提出改善方案,进而辅助管理者掌握不同特征路段未来可能发生交通事故的路段范围以及改善的优先级。     

车速鉴定中轮胎-路面附着系数估算方法研究

在交通事故鉴定中,车辆行驶速度是事故处理和诉讼的重要依据。其中,路面附着系数是事故车速鉴定的重要参数。本文在大量实验数据基础上,拟合出车辆制动过程的特性曲线,并简化出相应的车速估算模型。利用此模型对不同车型、路面类型、湿滑状况和不同车速情况下的路面附着系数e进行了估算研究。经估算实例验证,文中的估算方法对不同状况下的路面附着系数具有较好的估算能力。     

城市道路交通事故多发位置鉴别

针对现有相关鉴别法的不足,以核密度估计和计数数据模型为理论基础,GIS为技术基础,建立基于点模式和面模式的空间聚类分析模型,提出了1种基于空间聚类分析技术的城市道路事故多发位置鉴别方法,充分挖掘空间数据,实现分析结果的可视化。研究表明,空间单元标准化 Z值>2.58,对应于α=0.01的显著性水平,表明该单元是1个极高值的空间聚类,为1级事故多发点;1.96< Z<2.58对应于α=0.05的显著性水平,表明该单元是1个高值的空间聚类,为2级事故多发点。      

道路交通安全风险辨识与分析方法综述

道路交通安全风险辨识及分析的准确性、全面性, 是实现风险主动防控的基础和关键环节, 直接影响道路交通安全管理的精细化水平。从影响因素和分析方法2个方面对道路交通安全风险相关研究进行综述和评论。针对人的不安全行为、车辆的不安全状态、道路的不安全条件、外界环境刺激等单因素风险, 以及多因素间的关联耦合风险辨识, 梳理了安全风险理论分析法、系统安全分析法、大数据与人工智能分析方法等道路交通安全风险分析方法。研究表明: 安全风险理论分析法、系统安全分析法等以定性分析为主的方法侧重于对道路交通安全风险要素的全面、系统梳理, 具有简单、直观、易操作等优势, 但在多因素交织影响下的道路交通事故定量化剖析和事故成因深度挖掘方面存在较多局限性; 基于多源数据挖掘技术的大数据与人工智能分析方法在海量信息感知、高效计算处理等方面优势明显, 可基于多元数据对交通安全风险进行综合分析、精准挖掘, 刻画多因素耦合下的事故风险特征、探究事故发生规律, 是当前较为主流的研究方向。并提出道路交通安全风险研究领域存在的不足之处及未来研究发展方向, 主要包括多源异构数据的动态采集与融合、智能网联环境下的道路交通安全风险辨识、考虑时空异质性的可移植的道路交通安全风险识别模型研究等。      

道路交通事故车辆行驶速度鉴定研究

事故车辆的行驶速度鉴定是交通事故认定的重要依据,通过1起交通事故的车速鉴定,阐述了交通事故车速鉴定的一般过程,包括事故现场的勘察、车损情况等,并结合收集的信息和资料运用多种方法进行车速计算。结果表明,应通过认真分析事故过程来选择车速的计算方法。     

基于FTA-改进层次分析评价法的有轨电车道路交叉口运营风险分析

为有效预防和减少城市有轨电车道路交叉口运营事故的发生,以34起经典城市有轨电车安全事故数据为数据集,对有轨电车在道路交叉口运营风险因素进行相关分析。利用历史事故数据分析将运营风险因素分为人员、设备、环境和管理这4类,并构建城市有轨电车运营风险评价指标体系。为了使研究结论具有统一性与可靠性,减少主观因素影响,结合事故树结构重要度与传统层次分析法的优点,提出事故树（FTA）-改进层次分析评价法对各风险因素进行分析。在采用此方法针对有轨电车运营风险因素的分析中,将风险因素对顶上事件的影响程度进行量化,同时优化工作人员对引发有轨电车安全事故风险因素的刻板印象,精准提高其运营的安全性,并根据研究结果提出相关建议。