考虑货车因素的高速公路短期交通流风险预测

基于G15上海段的交通流数据和交通事故数据,研究货车比例较高且货车事故率较高的高速公路短期交通流风险预测模型.分别选取整体交通流参数、货车交通流参数和综合参数作为特征变量,通过支持向量机进行建模,运用遗传算法对模型参数进行寻优,建立不同时间段、不同风险特征变量的分类模型并对比分析.结果表明事故发生前5~10min的模型预测精度最高.当加入货车因素时,总体的预测精度提高7.1%,事故预测精度提高6.1%,误报率降低4.7%.采用平均影响值法进行货车因素对预测结果的影响程度分析,表明货车因素对于预测模型有较大影响.该研究模型可用来开发交通安全预警系统,为高速公路货车安全管理提供理论依据.     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

快速路交通流运行安全关键参数识别与评估

基于上海市两条快速路采集的事故数据和相应检测器数据,应用随机森林模型对事故发生前5~10min内的交通流数据进行重要变量筛选.利用基于高斯混合模型和最大期望算法的贝叶斯网络(BN)模型对快速路实时交通流事故风险进行建模分析,并对建立的BN模型进行了可转移性测试.结果表明:选取重要变量后建立的BN模型效果优于使用直接检测数据建立的模型,事故预测准确率达到82.78%;可转移性测试中BN模型的事故预测准确率虽有所下降,但整体预测精度和事故预测精度仍都优于利用直接检测数据建立的模型.     

高速公路实时事故风险研判模型及可移植性

通过G15沈海高速公路南通段上布设的高清卡口过车数据对路段上发生的实时事故风险进行研究.采用配对案例对照方法,结合基于随机森林的参数选取方法对3个子路段上的事故分别建立了支持向量机模型.结果表明,基于高清卡口采集的高分辨率过车数据构建的支持向量机模型相对既有研究中的模型而言其性能较优;对3个子路段分别构建的支持向量机模型进行可移植性分析发现各支持向量机模型均具有一定的可移植性,经过参数重新标定后可直接应用至邻近道路对其实时事故风险状态进行研判,并有着相对较高的预测精度.     

基于支持向量回归机的交通状态短时预测方法研究

提出基于支持向量回归机的交通状态短时预测方法.具体的做法是,以交通检测器收集到某时刻前几时段及上下游前几时段的交通流量、占有率、平均速度等交通参数为输入,以对应时段交通流量为输出,选取核函数,对支持向量回归机进行训练.应用训练完成的支持向量回归机,输入交通流量、占有率、平均速度,来预测下时段的交通流量.最后,以某城市道路的实时数据来对模型进行验证,预测结果表明了模型的有效性.     

基于粒子群优化算法的支持向量机研究

基于粒子群优化算法提出了一种通过优化支持向量机模型参数,建立更佳的支持向量机数学模型的方法. 针对双螺旋分类问题,分别利用基于粒子群优化算法所建立的支持向量机分类器和标准支持向量机分类器进行了仿真实验,利用所建立的评价体系对仿真实验所获得的实验数据进行了评估,评估结果表明基于粒子群优化算法的支持向量机分类器明显优于标准支持向量机分类器,其分类结果表明基于粒子群优化算法的支持向量机分类器提高了分类结果的准确性,同时也验证了基于粒子群优化算法的支持向量机分类器在数据分类中的有效性.      

小波支持向量机在滚动轴承故障诊断中的应用

为提高支持向量机故障分类器的性能,提出了一种小波核函数支持向量机故障分类器.基于平移不变核函数条件,推导证明了Mexican hat小波函数是一种容许核函数.利用正常、滚动体故障以及内、外圈故障4种状态的轴承试验数据,研究了小波支持向量机分类器的性能.与基于RBF核函数的支持向量机的分类结果进行对比表明,小波支持向量机具有更高的分类正确率.     

基于最小二乘支持向量机的交通流量预测模型

城市交通流具有复杂性、时变性和随机性,实时准确的交通流量预测是实现智能交通诱导及控制的前提.综合分析交通流量影响因素的基础上,进行多路段的交通流量预测研究,提出了基于最小二乘支持向量机的交通流量预测改进模型,并应用平安大街的流量数据进行实例验证.结果表明,该模型具有学习速度快、跟踪性能好及泛化能力强等优点,在交通流预测中更具有实用性和推广性.     

支持向量机在农业经济预测中的研究

提出了一种基于支持向量机预测农业经济产值的方法.利用14年的棉花数据建立支持向量机预测模型,运用该模型预测了5年的棉花产量,并对预测结果和实际值进行了比较分析,表明该方法用于经济预测是有效的.     

基于LS-SVM的交通流组合预测模型

智能交通系统是目前世界上公认的解决城市交通拥堵问题的最佳措施,而实时准确地交通流量预测则是实现智能交通系统和智能交通诱导控制的重要依据.针对城市交通"智能运输系统"和交通流的特性,在多元线性回归、支持向量机和改进的BP神经网络等三种预测模型的基础上,提出了基于最小二乘支持向量机方法的交通流组合预测模型.实验预测结果表明该组合预测模型具有较高的预测精度,为交通流量提供了一个更好的预测模型.     

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.     

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.     

基于物理引擎的汽车碰撞事故仿真系统

道路交通事故发生的时间短暂、原因复杂,使得人们难以掌握交通事故发生过程的破坏形式以及减少事故损失的方法。为了形象地模拟道路交通碰撞事故过程,清晰地展现破坏形式和碰撞能量,基于Quest3D虚拟现实平台,运用PhysX物理高阶引擎技术,针对交通事故中常见的两车碰撞开发了汽车碰撞仿真系统。结果表明,通过碰撞方式控制、相关参数控制、制动控制等多功能仿真控制,实现了白天、晚上、雨天、雪天等全天候下弹塑性三维碰撞模拟;渲染汽车碰撞过程中车身的凹陷、撕裂等破坏效果的同时,实现了实时输出碰撞速度、速度、动能、坐标向量、制动距离、角速度、角动量等定量化数据,为汽车碰撞事故的分析与重现提供了有利的仿真工具。     

信号交叉口碰撞冲突分析及风险评估模型研究

针对信号交叉口的安全风险问题,对银川市3个城市交叉口的交通冲突情况进行了比较分析,指出有全红清空间隔交叉口的正交直角碰撞明显低于无全红清空间隔的交叉口.进一步利用4个设置和4个没有设置全红清空时间的交叉口每年平均发生的正交直角碰撞次数y和闯红灯违规比率nRLV以及速度离差vSD,开发了交叉口的正交直角碰撞风险评估模型.采用多元线性回归分析,给出了该模型的具体数学描述及风险评估分析,在设置全红清空时间的交叉口,nRLV的系数只有0.029,对交通安全风险没有实质的影响.在没有设置全红清空时间的交叉口,nRLV的系数为2.620,对正交直角碰撞有显著的影响.这说明,设置全红清空时间能有效地减少信号交叉口的正交直角碰撞.     

基于判别分析的高速公路交通安全实时评价指标

为了实时评价交通流变化对高速公路交通事故风险的影响,利用高精度交通流数据建立了高速公路交通安全实时评价指标.提取了美国加州I-880 N高速公路上采集间隔为30 s的实时交通流数据和事故数据,采用Fisher判别分析方法建立交通流参数的线性组合,以判别危险交通流状态.该线性组合被定义为高速公路交通安全实时评价指标,当该指标小于0时,代表危险交通流状态,有发生交通事故的风险;当该指标大于0时,代表正常交通流状态,没有发生交通事故的风险.采用条件logistic回归模型进一步研究了该指标与交通事故风险之间的定量关系.研究结果表明,该指标预测事故的精度为65.7％.另外,该指标每减小1个单位,交通事故风险将提高1.8倍.     

基于条件自回归模型的城市宏观安全分析

基于上海市外环以内263个交通分析小区的事故、道路、交通、土地利用数据,在交通分析小区层面建立贝叶斯负二项条件自回归模型,分析事故在交通分析小区层面的显著影响因素.结果表明,主、次干道长度的增加会显著增加交通分析小区内的事故数量;道路网密度、交叉口数量与小区事故数具有显著正相关性;随着客车产生量的增加,事故数量增加;土地利用强度高,相应的事故数量增多.     

Will Crash Experience Affect Driver's Behavior? An Observation and Analysis on Time Headway Variation Before and After a Traffic Crash

Research into the impact of road accidents on drivers is essential to effective post-crash interventions.However, due to limited data and resources, the current research focus is mainly on those who have suffered severe injuries.In this paper, we propose a novel approach to examining the impact that being involved in a crash has on drivers by using traffic surveillance data.In traffic video surveillance systems, the locations of vehicles at different moments in time are captured and their headway, which is an important indicator of driving behavior,can be calculated from this information.It was found that there was a sudden increase in headway when drivers return to the road after being involved in a crash, but that the headway returned to its pre-crash level over time.We further analyzed the duration of the decay using a Cox proportional hazards regression model, which revealed many significant factors(related to the driver, vehicle, and nature of the accident) behind the survival time of the increased headway.Our approach is able to reveal the crash impact on drivers in a convenient and economical way.It can enhance the understanding of the impact of a crash on drivers, and help to devise more effective re-education programs and other interventions to encourage drivers who are involved in crashes to drive more safely in the future.     

不同区划方案对宏观交通事故建模的影响

依托美国佛罗里达州Hillsborough县历史数据,分别提取人口普查单元组、交通分析小区、人口普查区、邮政投递区等4种区划方案的事故数据、路网交通特征数据和经济-社会-人口数据;基于贝叶斯方法构建负二项条件自回归模型,从模型拟合度、模型估计参数、小区事故黑面识别等3个方面定量评价不同区划方案对宏观交通安全分析结果的影响.研究表明:宏观交通安全分析结果会随着空间单元划分方式不同而产生显著差异;小区数目越少,事故预测越为准确;对比人口普查单元组、人口普查区和邮政投递区,基于交通分析小区的模型拟合度最低;变量中等家庭收入对分区规模最不敏感,其参数估计结果具有稳健性和可靠性.