一种基于交通流数据的二次交通事故预测方法技术

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预测方法，首先获取交通事故数据；将原始交通事故划分为主事故、二次事故和普通事故；获取原始交通事故的上下游交通,道路，天气，时间信息；建立二次交通事故发生频率模型；检测二次事故发生概率；本发明专利技术可以用实时交通流来判断二次事故发生的概率，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频率。

A two traffic accident prediction method based on traffic flow data

The invention discloses a prediction method of two traffic accident based on traffic flow data, first get the traffic accident data; the original traffic accident accident, divided into the main two accidents and ordinary traffic accident; on the downstream, to obtain the original traffic accident of the road, the weather and time information; establish the model of traffic accident frequency occurred in two; two times the probability of the accident; the invention can judge the two accident probability for real-time traffic flow, which can use dynamic traffic control, active real-time forecast two traffic accident frequency.

【技术实现步骤摘要】

本专利技术涉及一种利用实时交通流数据预测二次交通事故发生概率，并通过高速公路主线控制、匝道控制和信息调控预防二次事故的方法，属于预防高速公路二次事故发生的主动调控领域。
技术介绍
高速公路、快速路的快速发展使交通安全形势越发严峻。特别是由一次交通事故引起的，重特大二次交通事故屡屡发生，严重威胁人民群众的生命财产安全，增大道路交通安全管理的工作压力。导致二次事故的因素不胜枚举，比如没有迅速在事故现场后方设置危险警告标志，或者是在一次事故发生后，交通管理部门没有及时疏导异常交通流等。二次事故除了有交通事故的共性之外，还具有一定的特殊性。高速公路、快速路车流量大，事故多发，若对事故的处理不当容易引发二次事故。二次事故与主事故有一定相关性，而范围更广影响更大。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的发生频率，对预防高速公路二次事故有非常重大的作用。已有的二次事故预测方法研究主要集中在：一次事故的发生时间、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等方面。但是，相对较少的研究认为实时交通流状况对二次事故的风险有影响，与一次事故相关的危险交通流状况也可能促使二次事故的发生。除此之外，在二次事故的防范方面，以往都是一些被动、静态的方法，如果用实时采集的交通流来判断二次事故发生的概率，就有希望通过使用动态交通控制的方法，主动实时预测二次交通事故，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数据的二次交通事故预测方法，该方法可以用实时交通流来判断二次事故发生的概率，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频率。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。这一步可以利用速度等值线图进行二次交通事故的分类，速度等值线图可以清晰地观察到一起事故发生后产生的交通堵塞和排队形成。利用Python语言把事故以白点的形式标在速度等位图上，可直观便利的呈现事故。再通过人工分类的方式根据事故的拥堵范围、时间差、距离差进行分类。步骤30)根据步骤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三种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)分别获取的三类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预测模型：Y*＝βX+ε，其中，由于无法观测到Y*的具体值，将Y*称为潜变量，但Y是可观测、有5个取值{0，1，2，3，4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三种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)分别获取的三类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预测模型：Y*＝βX+ε，其中，由于无法观测到Y*的具体值，将Y*称为潜变量，但Y是可观测、有5个取值{0，1，2，3，4}的随机变量；X为解释变量的集合；β为待估计的回归系数，表示各个解释变量对Y影响程度；ε为随机干扰项，代表对被解释变量产生影响的其他因素的总和，与X相互独立；设αi(i＝1，2，3，4)为阈值，取α1＜a2＜a3＜α4，则有：Yi=0,ifYi*≤α11,ifα1<Yi*≤α22,ifα2<Yi*≤α33,ifα3<Yi*≤α4≥4,ifYi*≥α4]]>Yi＝0，1，2，3，≥4的概率分别为：yi＝a+b1x1+b2x2+…+bkxk  式(1)步骤60)当公路上发生了一起事故，获取实时交通流数据，并将这些交通流数据带入步骤50)二次交通事故预测模型中，来判断是否会发生二次交通事故。...

【技术特征摘要】
1.一种基于交通流数据的二次交通事故预测方法，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三种事故...

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