一种区分单车、多车事故的高速公路事故多发路段判别方法

摘要

本发明涉及一种区分单车、多车事故的高速公路事故多发路段判别方法，应用于交通安全管理与道路安全评估领域。通过采集道路几何数据、交通运行数据和交通事故数据，根据事故形态将交通事故分成单车、多车事故，基于道路几何参数划分高速公路同质路段，并统计各路段的单车事故数和多车事故数，以构建交通安全分析的样本数据集，使用全贝叶斯方法分别建立单车、多车事故的安全表现模型，将样本数据代入安全表现模型计算安全可提高空间并据此进行路段排序，从而判别单车、多车事故的事故多发路段。所发明的方法分开判别了单车、多车事故的高速公路事故多发路段，相对于基于事故总数的事故多发路段判别方法，具有更高的准确性和可靠性。

说明书

技术领域

本发明涉及交通安全管理领域，特别涉及一种区分单车、多车事故的高速公路事故多发路段判别方法。

背景技术

高速公路具有交通设施完善、交通流量大、运行舒适等优点，然而较高的车辆行驶速度导致其交通事故严重程度亦处于较高水平，据统计，我国高速公路的死亡率是一般公路的4.2倍。2003年公安部公布的29个国家级的事故危险路段中高速公路占了5个，比例远远高出一般公路。高速公路交通安全已越来越受到管理者的重视，发展重点也逐步进入“管建并举，管理为重”的阶段。其中，事故多发路段判别是高速公路交通安全管理的重要内容之一。

事故多发路段判别就是基于路段安全性确定高速公路危险路段。目前事故多发路段判别方法主要分为三类：事故数法、空间分析法以及事故预测模型法。事故数法基于观测的事故绝对数直接进行判别，包括事故数法、事故率法等，我国交通部门在开展事故多发路段排查工作时常常采用此类方法，但是该方法忽略了事故的空间集聚性和随机波动性，易导致判别结果出现偏差。空间分析法利用空间分析技术识别点的集聚特征，从而判断事故的多发路段，然而该方法未考虑到事故的影响因素，无法为后期道路改善工作提供依据和帮助。事故预测模型法通过构建安全表现模型分析事故的影响因素，并进行事故预测，基于事故预测值或构造其他指标如安全可提高空间(Potential for Safety Improvement,PSI)，最终判别事故多发路段。

现有事故多发路段判别工作多采用事故总数进行判别，未能考虑不同类型事故之间的空间分布差异性及改善措施差异性，如单车事故和多车事故。此外，国外的研究发现单车事故和多车事故的影响因素存在不同，建议分别建立安全表现模型以预测单车事故数、多车事故数，而不是基于总事故数建立单一的安全表现模型。

发明内容

本发明的目的是：一种区分单车、多车事故的高速公路事故多发路段判别方法。通过采集道路几何数据、交通运行数据和交通事故数据，根据事故形态将交通事故分成单车、多车事故，基于道路几何参数划分高速公路同质路段，并统计各路段的单车事故数和多车事故数，以构建交通安全分析的样本数据集，使用全贝叶斯方法分别建立单车、多车事故的安全表现模型，将样本数据代入安全表现模型计算安全可提高空间并据此进行路段排序，从而判别单车、多车事故的事故多发路段。

本发明所采用的技术方案是：

一种区分单车、多车事故的高速公路事故多发路段判别方法，步骤如下：

步骤1：获取高速公路道路几何数据、交通运行数据及交通事故数据。从道路设计资料中获取道路横断面、纵断面及平面几何数据，基于交通检测设备获取交通运行数据，通过交通管理部门获取事故数据，并根据事故形态将事故分为单车事故、多车事故。

步骤2：将高速公路划分为同质路段。根据横断面、纵断面及平面几何参数，将高速公路划分为几何参数一致的同质路段，即路段内部的横断面、纵断面及平面线形保持一致。

步骤3：构建样本数据集。提取各同质路段的道路几何特征变量、交通运行特征变量及单车事故数、多车事故数，构建交通安全分析的样本数据集，提供给步骤4和步骤5。

步骤4：使用全贝叶斯方法(Full Bayes Method)建立安全表现模型。

步骤4.1：基于泊松对数正态回归(Poisson LognormalRegression,PLN)构建安全表现模型。假设路段交通事故数服从泊松分布，其中Y_i^k表示路段i事故类型k的交通事故数，k＝1表示单车事故，k＝2表示多车事故，则构建安全表现模型为其中为路段i的事故数期望，表示自变量，即影响路段事故数的道路几何特征变量或交通运行特征变量，βk为各自变量对应的回归系数，为随机项，服从正态分布，δ_k²为正态分布的方差。

步骤4.2：使用全贝叶斯方法估计安全表现模型参数。首先为参数设置一个特定的先验分布，再与观测数据结合得出后验分布，并通过马尔科夫链蒙特卡洛法(Markov Chain Monte Carlo,MCMC)完成参数估计。

步骤5：计算安全可提高空间(Potential for Safety Improvement,PSI)。安全可提高空间为贝叶斯估计事故数与类似地点平均事故期望的差值，计算公式为其中，为路段i事故类型k的安全可提高空间，k＝1表示单车事故，k＝2表示多车事故，表示自变量，β^k为安全表现模型中的回归系数，为随机项。将样本数据代入计算公式，计算所有路段单车事故的安全可提高空间>1)和多车事故的安全可提高空间(PSI²)。

步骤6：判别事故多发路段。安全可提高空间越大路段越危险，根据PSI¹和PSI²对路段进行降序排列，按照需求分别选取排列靠前者为单车、多车事故的事故多发路段。

本发明的优点是：

本发明提出了一种区分单车、多车事故的高速公路事故多发路段判别方法。其优点在于：1.判别高速公路事故多发路段时，区分了单车事故和多车事故，相较于采用总体事故数的传统判别方法，结果更加准确、有针对性；2.采用安全可提高空间作为事故多发路段的判别依据，考虑了相似路段的事故均值，相较于传统方法，判别结果更加合理。

附图说明

附图图1为本发明的流程图。

具体实施方式

通过采集道路几何数据、交通运行数据和交通事故数据，根据事故形态将交通事故分成单车、多车事故，基于道路几何参数划分高速公路同质路段，并统计各路段的单车事故数和多车事故数，以构建交通安全分析的样本数据集，使用全贝叶斯方法分别建立单车、多车事故的安全表现模型，将样本数据代入安全表现模型计算安全可提高空间并据此进行路段排序，从而判别单车、多车事故的事故多发路段。所发明的方法分开判别了单车、多车事故的高速公路事故多发路段，相对于基于事故总数的事故多发路段判别方法，具有更高的准确性和可靠性。

下面结合附图和具体实施例对本发明进行详细说明,步骤如下：

步骤1：获取高速公路道路几何数据、交通运行数据及交通事故数据。从道路设计资料中获取道路横断面、纵断面及平面几何数据，基于交通检测设备获取交通运行数据，通过交通管理部门获取事故数据，并根据事故形态将事故分为单车事故、多车事故。

步骤2：将高速公路划分为同质路段。根据横断面、纵断面及平面几何参数，将高速公路划分为几何参数一致的同质路段，即路段内部的横断面、纵断面及平面线形保持一致。

步骤3：构建样本数据集。提取各同质路段的道路几何特征变量、交通运行特征变量及单车事故数、多车事故数，构建交通安全分析的样本数据集，提供给步骤4和步骤5。

步骤4：使用全贝叶斯方法(Full Bayes Method)建立安全表现模型。

步骤4.1：基于泊松对数正态回归(Poisson LognormalRegression,PLN)构建安全表现模型。假设路段交通事故数服从泊松分布，其中Y_i^k表示路段i事故类型k的交通事故数，k＝1表示单车事故，k＝2表示多车事故，则构建安全表现模型为其中为路段i的事故数期望，表示自变量，即影响路段事故数的道路几何特征变量或交通运行特征变量，β^k为各自变量对应的回归系数，为随机项，服从正态分布，δ_k²为正态分布的方差。

步骤4.2：使用全贝叶斯方法估计安全表现模型参数。首先为参数设置一个特定的先验分布，再与观测数据结合得出后验分布，并通过马尔科夫链蒙特卡洛法(Markov Chain Monte Carlo,MCMC)完成参数估计。进行参数估计时，设置参数先验分布为δ_k²～gamma(0.001,0.001)，β^k～normal(0,1×10^-5)。基于95％贝叶斯置信区间>

步骤5：计算安全可提高空间(Potential for Safety Improvement,PSI)。安全可提高空间为贝叶斯估计事故数与类似地点平均事故期望的差值，计算公式为其中，为路段i事故类型k的安全可提高空间，k＝1表示单车事故，k＝2表示多车事故，表示自变量，β^k为安全表现模型中的回归系数，为随机项。将样本数据代入计算公式，计算所有路段单车事故的安全可提高空间>1)和多车事故的安全可提高空间(PSI²)。

步骤6：判别事故多发路段。安全可提高空间越大路段越危险，根据PSI¹和PSI²对路段进行降序排列，按照需求分别选取排列靠前者为单车、多车事故的事故多发路段。

实施例

利用中国上海市沈海高速的真实道路几何数据、交通运行数据及交通管理部门记录的交通事故数据，测试本发明。

依照本发明的步骤1到步骤3，采集沈海高速的道路几何数据、交通运行数据及交通事故数据，根据交通事故的事故形态将其分为单车事故、多车事故。为保证同一路段的平面线形、纵断面线形和横断面参数相同，将沈海高速两侧共划分成343个同质路段，并为路段编号，提取各路段的道路几何特征变量、交通运行特征变量，并与各路段的单车事故数、多车事故数对应合并，构建交通安全分析的样本数据集。样本数据集中，道路几何变量包括平曲线类型、平曲线曲率、平曲线长度、缓和曲线长度、平曲线占路段长度的比例、竖曲线类型、最大坡度、竖曲线曲率、坡度变化值、纵坡长度、竖曲线占路段长度的比例、中央分隔带宽度、车道数、路段长度，交通运行变量包括交通流量、货车比例、平均速度、速度标准差，单车事故共391起，多车事故共665起。

基于样本数据集，依照本发明的步骤4，建立单车事故的安全表现模型，如表1所示；建立多车事故的安全表现模型，如表2所示。

表1

表2

依照本发明的步骤5和步骤6，将样本数据代入安全表现模型计算各路段的PSI¹和>2，按照安全可提高空间对路段进行降序排列，PSI值越大排名越靠前。选取排名前10的路段作为事故多发路段，结果如表3所示。

表3

根据表3，安全可提高空间排名前10的路段中，只有路段269、路段198和路段3同时为单车事故和多车事故的事故多发路段。而单车事故与多车事故的前10名事故多发路段中，有7条路段都不相同，表明单车事故和多车事故的事故多发路段差异较大。因此，本发明的判别结果更加准确、有针对性，有利于高速公路交通安全管理工作的开展。