道路交通网络安全风险辨识研究进展

道路交通网络安全风险辨识是交通安全管理的重要环节.从多源异构交通信息采集与处理、交通动态演化规律辨识与态势分析、交通风险评估及预警3个层面对道路网络安全风险辨识领域的研究方法、模型及存在不足进行概括,并进行了实地调查.总结发现:多源交通信息采集主要以2种或3种交通传感器数据为主,信息覆盖面低;交通态势发展分析仍局限在短时交通状态预测和估计上,缺少对广域时间尺度上的研究;多数安全风险评估建立在事故数据分析的基础上,对事故前的风险点辨识及定量评估有待提升.另外,国内城市道路交通结构复杂,机非冲突、人非冲突现象普遍存在,一定程度上阻碍了交通安全风险的有效辨识.最后,结合国内外最新技术提出了未来的研究发展方向.     

基于多源数据融合的高速公路交通事故黑点判别

[目的]提高高速公路交通事故黑点判别精度.[方法]基于高速公路交通事故数据,融合异常驾驶行为数据与高速公路特征点数据,创建高速公路黑点特征数据集,并将集成学习的CatBoost算法应用于G4高速公路湖南段交通事故黑点的判别.[结果]与支持向量机、随机森林和梯度提升决策树算法相比,Cat-Boost在判别高速公路事故黑点...     

优化经验贝叶斯事故黑点识别与排序方法

为了对道路交通事故黑点进行准确有效识别和排序,提出基于事故统计数据及事故预测模型的优化经验贝叶斯黑点识别方法,并对该方法的工程实用性进行了优化。同时,从事故发生危险程度、安全治理可提升空间2个方面提出了优化经验贝叶斯黑点排序方法。选取2个城市的信号交叉口事故数据,利用基于事故统计数据的黑点识别方法对城市A的总事故黑点、伤亡事故黑点分别进行了识别,并按照事故发生危险程度进行了总事故黑点排序;利用基于事故预测模型的黑点识别方法对城市B的事故黑点进行识别,并分别按照事故发生危险程度、安全治理可提升空间2种排序规则进行了黑点排序。结果表明:在95%的显著性水平下,城市A共识别出24个总事故黑点及18个伤亡事故黑点;在99%的显著性水平下,城市B共识别出15个事故黑点;优化经验贝叶斯法在识别准确性、消除事故数随机波动及趋中心回归现象影响方面优于事故率法和质量控制法;基于安全治理可提升空间的排序指标倾向于筛选出安全治理投资收益比高的地点,基于事故发生危险程度的排序指标则倾向于筛选出与事故期望值偏离较大的地点。     

中国沿海海事高风险水域辨识及评价

为评价中国沿海水上交通系统安全状况,辨识高风险水域,采用事故绝对指标和相对指标,通过标准化计算处理,建立水上交通安全综合指数模型.对近5年沿海海事辖区水域水上交通安全指标进行计算,获得绝对安全综合指数、相对安全综合指数及安全综合指数数据.对该三类指数值的综合分析评分认为,高风险水域为海、河交汇海事辖区水域,较高风险水域为海峡型水域.该结论可为加强重点水域海事监管及为"十二五"期间的海事、救助规划提供决策依据.     

基于水上交通安全事故基础数据的模式发现

对国内近海港区及长江通航水域发生的水上交通事故进行原始数据收集、整理、统计和分析,获取保障水上交通安全规划的基础数据,建立开发水上交通安全事故基础数据库系统.在此基础上,将数据挖掘技术应用到水上交通安全事故基础数据库.结果表明,将关联规则算法应用在水上交通安全领域有助于发现大量事故背后隐藏的信息和事故模式,更加深入地认识水上交通数据本身的成因和趋势,为有关部门提供定性和定量相结合的决策依据.     

公路交通事故黑点总体特征分析

采用改进的事故频数法选取了江苏、安徽两省部分二级以上公路事故黑点,运用事故数及致死事故率2个指标对事故黑点数据进行统计分析.得出了公路事故黑点总体特征表明:公路事故黑点所占里程短、事故数集中,事故致死率略大于一般路段;各等级公路事故黑点在事故时间分布、季节及气候影响、事故的道路线形分布等特征方面具有相似性,在事故类型分布、事故形态分布、事故空间分布等方面又具有不同特征.     

水上交通宏观态势评估模型

为实现对目标水域水上交通系统宏观状态和演变趋势的定量描述和分析,深入理解和掌握水上交通系统内在因子的相互作用,根据水上交通系统宏观态势的本征特性,构建水上交通宏观态势评估模型.首先,根据宏观态势特点,分析宏观态势评估指标,构建融合动态密度因子和迫近因子的宏观态势评估模型和区域分布模型.然后,将水域网格化,分析各网格的态势变化,将态势在时间维度拓展,建立水上交通宏观态势预测模型.以深圳港区西部港区为例,以区域AIS信息作为态势感知数据进行水上交通系统宏观态势评估和可视化分析,并将水上交通态势与所选指标因子进行相关性检验分析.结果表明,水上交通宏观态势与所选的指标因子之间具有较好的相关性.该模型可较好地反映该水域宏观交通状态和趋势,可为水上交通系统状态分析和系统安全性研究提供一种度量工具.     

道路交通事故黑点成因鉴别与改善对策

为提高道路交通安全性,消除事故隐患,研究了道路、交通、交通设施和环境等方面对道路交通安全的影响,在分析交通事故黑点的成因鉴别方法(包括模糊聚类法、灰色关 联分析、粗集理论)及其适应性基础上,以国道G104线K2177—K2178段为例,对公路交通中的不利因素进行筛选,发现公路事故黑点的主要因素是国道周边环境干扰,次要因素是未 设置道路照明设施。3种交通事故黑点成因鉴别方法比较结果表明：模糊聚类法适用于处理大数据的事故黑点,灰色关联分析法适用于处理黑点成因主因素已确定的事故黑点,粗集 理论可用于鉴别事故资料不完善的交通事故黑点的成因。     

Rough Set理论研究及其在水上交通事故分析的应用

水上交通事故系统中数据多维、稀疏、不全,有效地识别和发现事故数据的新模式及其内在规律能够预防和减少水上交通事故的发生.从数据挖掘的角度出发,应用了基于属性频度的约简算法和改进的值约简算法的结合对(2000～2004)年水上发生的20起具有一定代表性的典型案例进行分析,并加入相关的支持度和置信度,以期为水上交通的管理提供决策支持.     

基于深度优先搜索算法的交通流向供需失衡路径辨识

针对城市路网中的交通流向供需失衡问题,首先分析了交叉口、路段的流向失衡特征和解决对策,进而提出了网络层交通流向供需失衡的表征模型及变向交通组合管控策略;其次,基于图论的思想定义了基础路网,并结合深度优化搜索算法(deep first search,DFS)构建了网络层交通流向失衡路径辨识模型;最后,通过一个包含16节点的4×4路网对模型进行了验证.结果显示,该模型能够对路网中的交通流向供需失衡路径进行快速准确辨识,为变向交通智能管控的实施提供决策支持.     

山区公路小半径曲线事故黑点案例分析

根据实际事故黑点的行车实验，表明在事故黑点处，汽车的侧向加速度增大，驾驶员心率比一般路段增加了20％以上，加大了驾驶员心理生理负担程度．同时通过道路透视效果分析发现，小半径曲线线形视觉效果不良，是导致驾驶负荷过大和发生交通事故的主要原因，并基于事故成因提出了道路交通改善措施．     

基于动态分段和DBSCAN算法的交通事故黑点路段鉴别方法

为提高交通事故黑点鉴别的精度,选择合适的路段长度作为分析路段的基本单元,结合移动步长法将路段划分为几种不同的组合,兼顾交通事故次数和伤亡人数对交通事故进行当量化处理;采用累计频率法进行事故分析,分别得到各种组合下的事故相对集中路段,按路段相邻原则对其进行合并作为初选黑点路段。针对初选黑点路段,选取合适的邻域和阈值,采用基于密度的聚类(DBSCAN)算法进行聚类分析,以寻求长度较短且事故集中的真正事故黑点。为验证该鉴别方法的可靠性,对麻昭(麻柳湾—昭通)高速公路部分路段进行事故黑点鉴别。结果表明:在动态路段划分的基础上,采用当量事故数-累计频率法,初步鉴别出的事故多发路段长度占全线总长28.4%,发生当量事故次数占总事故次数的56.4%;通过移动步长法动态划分路段单元能够最大程度鉴别事故多发路段;采用DBSCAN算法对初选黑点路段进行再次排查,得到的事故黑点路段长度仅占全线总长10.8%,其发生当量事故次数占总事故次数的52.5%;与初选路段相比,其总长度下降了61%,总当量事故次数几乎不变。将动态分段和DBSCAN算法结合能够剔除初选路段中的非黑路段,识别出真正的黑点路段。该方法提高了公路交通事故黑点路段的鉴别精度,可为交通事故黑点的有效治理提供坚实的技术支撑。     

Volterra模型参数灰色辨识的变步长Simpson数值积分法

针对观测数据的非等间隔性及波动性严重影响参数辨识精度问题,基于拉格朗日插值公式,推导出了变步长Simpson数值积分公式,并结合灰色系统理论,提出了一种模型参数灰色辨识的改进方法.用此方法对Volterra模型中的参数进行了辨识仿真,与以往的曲线拟合方法进行了对比分析,并简要分析了模型的初值问题.计算研究表明,基于变步长Simpson数值积分公式的灰色辨识方法在处理非等时间间隔以及数据波动性较大的参数辨识问题时稳定性较好,可满足高精度辨识模型参数的要求.     

基于微气象的输电线路覆冰过程综合辨识方法

输电线路覆冰会引发导线断股、杆塔折损等事故,严重威胁电网的安全运行,因此能否准确预测输电线路覆冰情况对电力系统的安全稳定运行具有重要意义.针对输电线路覆冰过程模型不易建立的问题提出了一种基于微气象的覆冰过程综合辨识方法.该方法涵盖了多项式回归模型、时间序列模型和机器学习模型,利用Matlab中的系统辨识工具箱和libsvm工具箱较为便捷和全面的对覆冰过程进行辨识与建模.首先对获取的数据进行预处理,然后选择合适的模型结构进行参数辨识得到初始模型,最后对初始模型进行验证得到最终辨识模型.实验表明,综合辨识方法能够实现对不同模型特点的输电线路覆冰过程进行精确预测,并且提高了输电线路覆冰预测模型建立的便捷性和全面性.     

危险货物运输事故应急处置辅助决策系统

通过建立船载危险货物数据库及危险货物运输事故案例库,构建应急处置措施知识库系统,开发了基于B/S结构的水上危险货物运输事故应急处置辅助决策系统.实现了船载危险货物的增、删、改、查,案例事故的检索,以及应急处置措施的自动生成等功能,能辅助决策者采取更好的施救行动,尽可能保障水上人命财产安全,减少水上环境污染.     

宏观交通安全建模研究与安全影响因素分析

由于对规划层面的交通安全研究不足,道路网络特征、区域交通特征及区域其他与交通安全的关系尚不明确,导致在交通规划阶段缺少可用的方法和工具来评价不同规划方案的安全性.依托美国佛罗里达州Orange县的数据对宏观交通安全建模进行了系统研究,基于拓扑学理论计算交通分析小区(traffic analysis zone,TAZ)路网形态结构,提取TAZ层面交通特征和其他影响因素.TAZ在空间上有远近之分,相邻的TAZ在社会经济发展、道路交通特征方面有某种程度的趋同性,距离较远的TAZ之间有某种程度的相异性.贝叶斯条件自回归模型可以分析空间相关数据,利用先进的贝叶斯空间统计模型分析TAZ层面交通安全与影响因素之间的关系.基于事故发生机理考虑,提出将主干路事故和支路事故分别建模的新思路.分析发现新的建模思路能够很好区分不同道路类型的安全影响因素;路网形态结构和安全之间有显著的关系.     

基于车道集计交通流数据的事故风险评估分析

事故风险评估分析提取事故及对应非事故状况下的交通运行数据作为自变量,以事故发生与否作为0或1因变量,采用数理统计模型分析事故发生与交通流状态的关联性.为探索上海市城市快速路的车道集计交通流数据用于事故风险评估分析的可行性,基于条件Logistic回归,使用该数据与事故数据构建事故风险评估模型,并检验模型预测精度.结果表明低运行速度、车道间流量的差异性会增加事故发生的概率;上海市城市快速路的车道集计交通流数据可用于事故风险评估研究.     

删失数据下事件持续时间多因素生存分析模型

交通事件持续时间是事故管理研究中最重要的指数之一,应用半参数比例风险模型和参数加速失效模型分析了多因素事件持续时间及其危险因子之间的关系.利用浙江省某高速公路3年内采集的事件数据,通过对交通事件各状态概率分布函数的显著性分析,比较了比例风险模型和加速失效模型对协变量选择及生存率对共同协变量的敏感性.基于Cox比例风险模型和对数罗吉斯蒂加速失效模型的参数估计表明,有6个显著性的协变量入选各自估计的生存函数,包括报警时段、事故类型、报警方式、占用车道数、受伤人数和当场亡人.对于最显著示性变量(当场亡人),持续时间生存概率估计曲线表明,加速失效模型对于该变量更敏感,且Cox比例风险模型更适合于短时持续时间的预测.此外,生存模型可以基于事故报告信息预测持续时间大小的概率,有益于事故预后措施的实施及为紧急救援提供决策参考.     

交通事故Pi-Sigma模糊神经网络预测模型

提出了基于Pi-Sigma模糊神经网络的交通事故预测模型,选用Takagi-Sugeno型模糊推理系统和BP神经网络,以年平均日交通量、交通负荷、设计速度、车道宽度为输入,以每公里年均事故次数为输出,利用哈尔滨市133条主次干道的道路交通条件数据和5年的交通事故数据对模型进行了训练和检验,并将该模型与模糊逻辑模型、BP神经网络模型进行了对比分析.结果表明,交通事故Pi-Sigma模糊神经网络预测模型在预测精度及计算效率上总体优于其他两种模型,较适合于大样本条件下交通事故的快速预测.     

基于GIS的城市交通安全预警系统

通过对事故属性特征的研究,结合地理信息系统的特点,建立了基于GIS的交通安全预警系统。该系统可结合当地的地形地貌和事故特点,对事故黑点进行分析、预测与评价,并可根据实时数据匹配结果进行报警,基本实现了城市交通的智能化管理。