[发明专利]针对快速道路常发性拥堵路段的追尾事故实时预测方法

摘要

本发明公开了一种针对快速道路常发性拥堵路段的追尾事故实时预测方法。首先需要在快速道路上(一般为瓶颈区上游路段)设置交通流检测器，采集各道路断面的实时交通流数据。对追尾事故发生时车辆跟驰行驶轨迹进行分析，建立快速道路常发性拥堵路段追尾事故风险实时预测Logistic模型，并根据事故发生前5分钟交通流数据对模型参数进行标定。本发明克服了以往无法对快速道路常发性拥堵路段追尾事故进行有效实时预测的缺陷，可以根据快速道路上交通流检测器采集的交通数据对追尾事故风险进行实时评估，进而可以采用动态交通控制预防追尾事故发生，在我国具有重要的时间应用价值和广泛的应用前景。

主权项

一种针对快速道路常发性拥堵路段的追尾事故实时预测方法，其特征在于，包括如下步骤：1)采集快速道路常发拥堵路段内各断面各车道速度、流量及占有率，步骤包括：101)选取数据采集路段；102)确定检测器安装间距及检测数据单位：103)采集实时交通流数据：在每一断面处采集快速道路路段每个时间周期各车道速度、流量及占有率数据；104)数据预处理：将步骤103)所采集的实时交通流数据中随机因素导致的追尾事故数据剔除，减少对照组样本数据的随机误差；其中交通流数据为真实事故发生前5分钟交通流数据；2)基于集计交通流数据建立追尾事故风险指数解析模型，步骤包括：201)首先通过对个体车辆及多个车辆的跟驰行驶轨迹分析，推导出运动波传播过程中追尾事故风险指数R的解析表达式；202)采用追尾事故风险指数R反映相邻检测器区间内平均交通流状态，采用步骤201)中的风险指标R的解析表达式中涉及参数的标准差反映交通流波动情况，从而初步建立Logistic回归模型；203)通过计算Logistic回归模型中可估计变量的odds ratio值，筛选出与追尾事故概率显著相关的变量，得到常发拥堵路段追尾事故风险预测Logistic模型，模型函数为： P ( Y = 1 ) = exp ( β 0 + β · R + β 2 · σ ( O u ) ) 1 + exp ( β 0 + β · R + β 2 · σ ( O u ) ) - - - ( 1 ) 其中，β——待估计参数；R——运动波传播过程中追尾事故风险指数；σ(Ou)——上游占有率标准差；204)利用步骤104)中所得真实事故发生前5分钟交通流数据，对步骤203)中所得的常发拥堵路段追尾事故风险预测Logistic模型进行参数标定；3)基于追尾事故风险预测模型在检测到较高追尾风险时自动预警，步骤包括：301)从数据平台获取交通流检测器实时获取的快速道路路段各断面交通流参数，将符合输入格式要求的交通流数据录入追尾事故风险预测模型中，建立模 型参数标定所需要的实时交通流数据库；302)基于实时获取的快速道路路段各断面交通流数据库，利用标定后的追尾事故风险预测模型计算当前时刻的实时追尾事故风险；303)将步骤302)中获取的实时追尾事故风险与已设定的风险阈值进行比较，若实时追尾事故风险大于设定的风险阈值，则系统自动预警；反之，则转入步骤301)，系统继续进行下一周期的实时交通流数据采集分析。