一种基于交通流数据的二次交通事故时间预测方法技术

本发明专利技术公开了一种基于交通流数据的二次交通事故时间预测方法，获取历史交通事故数据；将原始交通事故划分为主事故、二次事故和普通交通事故；根据二次事故的上下游交通,路段，天气，时间信息准备模型变量；根据模型变量建立二次交通事故发生时间的预测模型；将主事故的路段信息和交通流数据时间差预测模型计算，计算出二次事故发生的时间，在二次事故发生之前时间，处理主事故的事故现场；本发明专利技术利用交通流检测设备获取交通流参数，实时检测快速道路发生主事故时与二次事故的时间差，运用可变限速对车辆进行调控，减少二次事故交通事故产生。

【技术实现步骤摘要】

本专利技术涉及一种基于交通流数据的二次交通事故时间预测方法，属于交通安全中的事故预测领域。
技术介绍
近年来，由主交通事故引起的重特大二次交通事故屡屡发生，严重的威胁了人民群众的生命财产安全，对道路交通安全管理的工作提出了更高的要求。二次事故产生的因素有很多，比如没有做好车辆位置标记，没有立即在事故现场后方较远的距离外设置危险警告标志，用于警示事故后方的来车，又或者是在一次事故影响了交通流状况之后，交通管理部门没有及时疏导，从而导致了二次事故的发生。在高速公路、快速路之中高速的车流引发交通事故频率高于一般公路的交通事故，而且如果对交通事故处理经验不足，也又会导致二次事故的发生，二次交通事故往往比一次交通事故更为严重。因此，探究高速公路和快速路发生二次交通事故的原因，同时根据发生原理，预测二次交通事故并制定相应的应急救援策略，对防止高速公路二次事故有非常重大的作用。在传统的二次事故预测方法中，有很多研究了主事故的发生时间、事故类型、天气以及道路几何特征对二次事故发生概率的影响。但是，相对较少的研究认为实时交通流状况，道路几何线形对二次事故发生时间的影响。与一次事故相关的危险的交通流以及道路线形状况也可能促使二次事故的发生。以往采用被动、静态方法对二次事故进行预测防范，而如果用实时采集的交通流以及原本的道路线形来判断二次事故发生的时间，就有希望根据主事故发生是的交通信息，道路情况，主动实时预测二次交通事故发生时间，采取实时的交通控制策略来防范二次事故的发生。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于高精度交通流以及道路线形数据的预防二次交通事故发生时间的方法，该方法可以用实时交通流来判断二次事故最有可能的发生时间，从而能使用动态交通控制的方法，主动实时预测二次交通事故，设立警戒标志避免二次事故产生。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种基于交通流数据的二次交通事故时间预测方法，包括以下步骤：步骤10)获取历史交通事故数据，步骤20)根据步骤10)得到的历史交通事故数据将交通事故分类，分别为主事故、二次事故和普通交通事故；分类时使用速度等值线图法识别二次事故；步骤30)根据步骤步骤10)得到的历史交通事故数据以及步骤20)的交通事故分类获取二次事故的上下游交通信息；步骤40)根据步骤20)的交通事故分类以及步骤30)获取的二次事故的上下游交通信息准备模型变量；步骤50)根据步骤40)准备的模型变量建立二次交通事故的时间预测模型：yi＝a+b1x1+b2x2+…+bkxk式(1)其中，yi代表第i起二次事故距离主事故的时间对数差，其中，a表示常数，b1，b2...bk表示模型变量的系数，x1，x2...xk表示模型变量，k表示模型变量数目；步骤60)当公路上发生了一起事故，获取主事故的路段信息，路段信息包括左右匝道差值、是否为辅道、道路宽度、采集主事故发生路段在事故发生前的交通流数据；利用环形线圈检测器获取实时交通流数据，包括上游5分钟时间车辆占有率的标准差、上下游5分钟时间交通流的平均值、主事故持续时间；步骤70)将主事故的路段信息和其对应的交通流数据带入步骤50)的时间差预测模型，进行计算，预测出二次事故发生的时间。进一步地：还包括根据步骤60)获取的路段信息和交通流数据，在预测的二次事故发生时间T之内，利用可变限速的方法调控车辆，直至结束检测。优选的：所述步骤50)时间预测模型为：yi＝4.701325+0.0068333x1i-0.0942883x2i+0.044625x3i+0.2053786x4i+1.578892x5i-0.0167416x6i其中，yi代表第i起二次事故距离主事故的时间对数差，x1i表示持续时间，x2i表示上游5分钟时间车辆占有率的标准差，x3i表示上下游5分钟时间交通流的平均值，x4i表示左右匝道差值，x5i表示是否为辅道，x6i表示道路宽度。优选的：所述步骤10)中交通事故数据包括事故的发生日期、时间、地点、事故的严重程度、事故类型、路面条件、所涉及的车辆、天气条件、照明条件、采集交通量、车速和车辆占有率。优选的：所述的步骤10)中历史交通事故数据通过安置在道路上的环形检测器获得，在公路上每隔一定距离设置一个环形线圈检测器，通过环形线圈检测器采集事故发生日期、时间、地点、事故的严重程度、事故类型、路面条件、所涉及的车辆、天气条件、照明条件、采集交通量、车速和车辆占有率。优选的：所述步骤30)中获取二次事故的上下游交通信息方法：首先匹配出每一个事故发生地点距离最近的上游环形线圈检测器和下游环形线圈检测器，然后提取事故发生时前30分钟的交通数据作为二次事故的上下游交通信息，所述二次事故的上下游交通信息包括上下游线圈的交通量、车速和车辆占有率。优选的：所述步骤40)中模型变量包括实时交通流数据、二次事故特征、环境状况以及道路几何特征，其中：所述实时交通流数据：将步骤30)的上下游交通信息以5分钟为时间间隔进行合并，之后计算出每一个事故对应的车辆数、车辆速度和车辆占有率三个变量在5分钟时间间隔内的平均值、标准差；考虑到事故报道发生时间的潜在的不准确性，最终交通流数据提取时间为事故发生之前9分钟；所述二次事故特征包括事故严重程度、事故发生类型、事故发生时间段、与主事故时间差、桩号差、二次事故持续时间、事故发生的路段；所述环境状况包括天气情况、道路表面状况、光线优良；所述道路几何特征包括车道数、道路表面宽度、车道宽度、路肩宽度、道路线形、匝道数。本专利技术相比现有技术，具有以下有益效果：1.以往的研究在构建预测二次交通事故时间预测模型时，大多是只考虑事故特征，很少有考虑实时交通流状况的。本专利技术在选取变量时，综合考虑了实时交通流状况、事故特征、道路环境状况以及道路几何特征对二次交通事故发生概率的影响，使得模型的精准率更高。2.该车辆调控方法利用交通流检测设备获取实时交通数据，以及事故发生地的道路线形数据，实时检测高速道路发生主事故之后，产生二次事故的最有可能的时间，通过提前树立标志牌，同时运用动态交通控制方法，减少交通事故。附图说明图1是本专利技术的流程框图。具体实施方式下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。一种基于交通流数据的二次交通事故时间预测方法，如图1所示，包括以下步骤：步骤10)获取历史交通事故数据，交通事故数据包括事故的发生日期、时间、地点、事故的严重程度、事故类型、路面条件、所涉及的车辆、天气条件、照明条件、采集交通量、车速和车辆占有率等内容。交通事故数据通过安置在道路上的环形检测器获得，在公路上每隔一定距离(如0.8英里)设置一个环形线圈检测器，通过环形线圈检测器采集事故发生日期、时间、地点、事故的严重程度、事故类型、路面条件、所涉及的车辆、天气条件、照明条件、采集交通量、车速和车辆占有率。步骤20)根据步骤10)得到的历史交通事故数据将交通事故分类，分别为主事故、二次事故和普通交通事故；这一步骤涉及二次交通事故的识别，分类时使用速度等值线图法识别二次事故。步骤30本文档来自技高网...

【技术保护点】
一种基于交通流数据的二次交通事故时间预测方法，其特征在于，包括以下步骤：步骤10)获取历史交通事故数据，步骤20)根据步骤10)得到的历史交通事故数据将交通事故分类，分别为主事故、二次事故和普通交通事故；步骤30)根据步骤步骤10)得到的历史交通事故数据以及步骤20)的交通事故分类获取二次事故的上下游交通信息；步骤40)根据步骤20)的交通事故分类以及步骤30)获取的二次事故的上下游交通信息准备模型变量；步骤50)根据步骤40)准备的模型变量建立二次交通事故的时间预测模型：yi＝a+b1x1+b2x2+…+bkxk  式(1)其中，yi代表第i起二次事故距离主事故的时间对数差，其中，a表示常数，b1，b2...bk表示模型变量的系数，x1，x2...xk表示模型变量，k表示模型变量数目；步骤60)当公路上发生了一起事故，获取主事故的路段信息，路段信息包括左右匝道差值、是否为辅道、道路宽度等信息；利用环形线圈检测器获取主事故路段发生前的实时交通流数据，包括上游5分钟时间车辆占有率的标准差、上下游5分钟时间时间交通流的平均值、主事故持续时间；步骤70)将主事故的路段信息和其对应的交通流数据带入步骤50)的时间差预测模型，进行计算，预测出二次事故发生的时间。...

【技术特征摘要】
1.一种基于交通流数据的二次交通事故时间预测方法，其特征在于，包括以下步骤：步骤10)获取历史交通事故数据，步骤20)根据步骤10)得到的历史交通事故数据将交通事故分类，分别为主事故、二次事故和普通交通事故；步骤30)根据步骤步骤10)得到的历史交通事故数据以及步骤20)的交通事故分类获取二次事故的上下游交通信息；步骤40)根据步骤20)的交通事故分类以及步骤30)获取的二次事故的上下游交通信息准备模型变量；步骤50)根据步骤40)准备的模型变量建立二次交通事故的时间预测模型：yi＝a+b1x1+b2x2+…+bkxk式(1)其中，yi代表第i起二次事故距离主事故的时间对数差，其中，a表示常数，b1，b2...bk表示模型变量的系数，x1，x2...xk表示模型变量，k表示模型变量数目；步骤60)当公路上发生了一起事故，获取主事故的路段信息，路段信息包括左右匝道差值、是否为辅道、道路宽度等信息；利用环形线圈检测器获取主事故路段发生前的实时交通流数据，包括上游5分钟时间车辆占有率的标准差、上下游5分钟时间时间交通流的平均值、主事故持续时间；步骤70)将主事故的路段信息和其对应的交通流数据带入步骤50)的时间差预测模型，进行计算，预测出二次事故发生的时间。2.根据权利要求1所述基于交通流数据的二次交通事故时间预测方法，其特征在于：还包括根据步骤60)获取的路段信息和交通流数据，在预测的二次事故发生时间T之内，利用可变限速的方法调控车辆，直至结束检测。3.根据权利要求1所述基于交通流数据的二次交通事故时间预测方法，其特征在于：所述步骤50)时间预测模型为：yi＝4.701325+0.0068333x1i-0.0942883x2i+0.044625x3i+0.2053786x4i+1.578892x5i-0.0167416x6i其中，yi代表第i起二次事故距离主事故的时间对数差，x1i表示持续时间，x2i表示上游5分钟时间车辆占有率的标准差，x3i表示上下游5分钟时间交通流的平均值，x4i表示左右匝道差值，x5i表示是否为...

【专利技术属性】
技术研发人员：徐铖铖，徐硕研，李婧，王锋锋，袁钰，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32