[发明专利]一种高速公路交织区交通事故预测方法

说明书

本发明公开了一种高速公路交织区交通事故预测方法，该方法选择高速公路交织区作为研究对象，利用Logistic分层回归模型，建立道路几何设计、交通流与交织区事故风险的关联关系，建立事故风险模型。本发明通过定量分析道路几何设计对事故风险的影响，有效、准确地预测交织区交通事故风险。

技术领域

本发明涉及一种高速公路交织区交通事故预测方法，属于高速公路交通安全技术领域。

背景技术

作为高速公路主要事故黑点的交织区一直是交通运行与安全的研究重点。已有的研究大多选择建立交织区事故频次模型来探究影响交织区事故的主要影响因素。但考虑到事故具有高度随机性，在利用传统统计方法在构建事故频次预测模型时需要对解释变量做集计处理，从而导致事故频次对道路几何设计的变化不敏感，无法通过事故频次模型建立道路几何设计和事故频次的关联关系。

随着道路智能监测系统的飞速发展，部分研究开始利用实时交通流数据来建立交织区事故风险模型，但这些模型主要关注事故风险前的交通流运行状态，通过探究事故发生前的危险交通运行状态以达到事故风险的主动辨识和预警，忽略了道路几何设计特征对事故风险的影响，使得模型预测结果存在偏差。

发明内容

技术问题：本发明所要解决的技术问题是：提供一种高速公路交织区事故风险预测方法，该方法以高速公路交织区为研究对象，利用Logistic分层模型建立交织区事故风险模型，分析道路几何设计和交通流变量对事故风险的影响机理，建立交织区事故风险模型，为改善交织区交通运行安全提供一定的理论依据。

技术方案：本发明的高速公路交织区事故风险预测的方法，包括以下步骤：

步骤1)采集交织区的实时交通流数据，获取该交织区的道路几何数据；

步骤2)获取该交织区内的若干历史事故数据，每条事故数据包含事故发生的时间、地点以及事故发生前设定时间段内的交通流数据；

步骤3)针对步骤2)中的每条事故数据，随机获取M条该交织区内无事故发生时设定时间段内的交通流数据；

步骤4)以步骤2)和步骤3)中获取的交通流数据为自变量、交织区事故风险为因变量，建立Logistic回归模型，并根据设定显著性水平阈值，剔除交通流数据中与事故风险不相关的交通流变量；

步骤5)以交织区事故风险为因变量、道路几何数据和交通流数据作为解释变量，建立包括以交通流数据为解释变量的个体层和交织区层的Logistic分层模型：

其中，p_i代表对应第i条交通流数据发生事故的概率；w_t代表道路几何数据中第t个道路几何设计变量；γ₀₀代表Logistic分层模型截距；γ_0t代表对应w_t的回归系数；T代表道路几何数据中的道路几何设计变量个数；x_ni代表第i条交通流数据中的第n个交通流变量；N代表交通流数据中的交通流变量个数；γ_n0代表对应交通流变量x_ni的回归系数；w_t×x_ni代表w_t和x_ni的交互效应；/_nt代表对应w_t×x_ni的回归系数；u₀为表示道路几何数据对事故风险的独特作用的残差；u_n为表示道路几何数据在x_ni对事故风险回归系数上的独特作用的残差；e_i代表个体层的模型残差；

步骤6)基于步骤1)中的道路几何数据和步骤4)中得到的交通流数据，采用最大似然估计方法获取Logistic分层模型的参数，得到事故风险模型；