一种基于中观层面的城郊主干道事故预测方法及存储介质技术

本发明专利技术涉及一种基于中观层面的城郊主干道事故预测方法及存储介质，该方法包括以下步骤：步骤1：获取道路上所有路段及交叉口的几何设计、交通运行及事故数据；步骤2：沿道路方向，将道路划分为中观分析单元；步骤3：确定主干道横向影响区范围；步骤4：构建中观安全分析样本数据集；步骤5：建立泊松对数正态条件自回归模型；步骤6：模型预测精度对比与分析。与现有技术相比，本发明专利技术具有预测精度高等优点。本发明专利技术具有预测精度高等优点。本发明专利技术具有预测精度高等优点。

【技术实现步骤摘要】
一种基于中观层面的城郊主干道事故预测方法及存储介质


[0001]本专利技术涉及一种事故预测方法，尤其是涉及一种基于中观层面的城郊主干道事故预测方法及存储介质。

技术介绍

[0002]城郊主干道作为郊区的重要通道，具有事故高发、流量大、周边用地开发强度大、路网结构不合理、接入口多等特点。传统的微观交通安全分析方法以路段和交叉口作为独立的分析单元，分别建立事故预测模型，判别出高风险的路段和交叉口，并分析交通事故与各安全影响因素的关系。然而，主干道周边路网对路段和交叉口安全都有影响，微观分析模型可能会错误估计路网特征对主干道的整体影响。并且，基于微观模型得到的高风险路段和交叉口通常是离散的、孤立的。日常生活中，交通管理部门一般基于几个连续的路段和交叉口开展交通安全改善。这更加印证了将路段和交叉口组合的安全分析方法的重要性。
[0003]交通安全分析是一种通过建立事故预测模型，定量研究事故影响因素、预测事故态势、评估安全效果的方法。事故的空间相关性是影响模型预测精度的一个常见问题。由于相邻分析单元的道路几何特征和交通流运行特征存在相似性，某一地点的事故受到邻近地点事故的高度影响，进而使事故呈现出空间集聚特征，表现为事故的空间相关性。目前，事故预测模型主要分为两类：广义线性模型和空间分析模型。广义线性模型，如泊松模型、负二项模型等忽略了分析单元之间的空间相关性，致使模型参数估计存在偏差。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种预测精度高的基于中观层面的城郊主干道事故预测方法及存储介质。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]根据本专利技术的一个方面，提供了一种基于中观层面的城郊主干道事故预测方法，该方法包括以下步骤：
[0007]步骤1：获取道路上所有路段及交叉口的几何设计、交通运行及事故数据；
[0008]步骤2：沿道路方向，将道路划分为中观分析单元；
[0009]步骤3：确定主干道横向影响区范围；
[0010]步骤4：构建中观安全分析样本数据集；
[0011]步骤5：建立泊松对数正态条件自回归模型；
[0012]步骤6：模型预测精度对比与分析。
[0013]作为优选的技术方案，所述的步骤1具体为：利用街景地图得到道路几何设计数据，基于视频监控设备获取交通流量数据，并根据道路交通事故分析预警系统获取道路交通事故数据。
[0014]作为优选的技术方案，所述的步骤2具体为：
[0015]根据交通事故空间分布情况，以交叉口为主体，合并两侧路段，将道路划分为基本
中观分析单元；
[0016]根据相邻道路几何设计中的横断面参数、交通运行特征，以及事故分布的同质性，将基本中观分析单元合并，分布形成组合中观分析单元。
[0017]作为优选的技术方案，所述的步骤3具体为：在主干道两侧，根据城镇化用地占比的变化特征来确定主干道横向影响区范围。
[0018]作为优选的技术方案，所述确定主干道横向影响区为1.6千米。
[0019]作为优选的技术方案，提取所述影响区内的路网特征，采用介度中心度量化路网的集聚性，将路网划分为方格、不规则方格、混合型、树枝型四种路网形态。
[0020]作为优选的技术方案，所述的步骤4具体为：计算各中观分析单元的道路几何特征变量、交通运行特征变量及事故数，构建交通安全分析的样本数据集。
[0021]作为优选的技术方案，所述的步骤5具体为：
[0022]步骤5.1：针对总事故数构建泊松对数正态条件自回归模型；假设路段交通事故数服从泊松分布：y
ij
～Poisson(λ
ij
)，泊松对数正态条件自回归模型方程为：其中，i是每条主干道上分析单元的编号，j主干道编号，y
ij
是给定中观分析单元的事故总数，λ
ij
是y
ij
的期望值，X
ij
所有分析单元的解释变量，β是回归系数，θ
ij
是随机效应项，是θ
ij
的方差，是条件自回归效应；
[0023]步骤5.2：使用全贝叶斯方法估计交通安全分析模型参数。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完成参数估计；理论框架为其中，y为已发生的事故数，为事故数期望，L(y|θ)为似然函数，π(θ)为先验分布，π(θ|y)为在给定y条件下θ的后验分布，即事故期望数，∫L(y|θ)π(θ)dθ为观测数据的边缘概率分布。
[0024]作为优选的技术方案，所述的步骤6具体为：
[0025]标准绝对残差SAD反映了各路段事故预测精度，平均标准绝对残差MSAD表征了整体事故预测的精确性；SAD和MSAD是用以比较不同模型预测结果的两个重要指标，其定义分别如下：其中，为路段实际事故数，为基于模型估计得到的路段事故数，SD(y
o
)为所有样本实际发生事故数的标准差，n为样本量，SAD值和MSAD值越小，预测方法对事故的预测越精确。
[0026]根据本专利技术的另一个方面，提供了一种存储介质，所述的存储介质内存储有所述的基于中观层面的城郊主干道事故预测方法。
[0027]与现有技术相比，本专利技术具有以下优点：
[0028]1)考虑了事故的空间分布特征以及相邻路段和交叉口的相互影响，克服了传统安全分析模型中研究单元划分的问题；
[0029]2)考虑了主干道两侧土地利用和路网形态对事故的影响；
[0030]3)在中观层面对组合的路段和交叉口进行事故多发道路判别，较微观判别方法更符合应用需求。
附图说明
[0031]图1为本专利技术实施例路段事故空间分布示例示意图；
[0032]图2为本专利技术实施例路段打断方式一示意图；
[0033]图3为本专利技术实施例路段打断方式二示意图；
[0034]图4为本专利技术中观分析单元示意图；
[0035]图5为本专利技术的流程图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0037]针对交通流量大、交通组成复杂的城郊主干道提出一种中观层面的交通安全分析方法。该方法通过在纵向上将城郊主干道相邻路段和交叉口依据交通事故空间分布、道路几何特征和交通运行特征组合为一个整体，该整体定义为基本中观单元，在横向上根据主干道两侧土地利用变化特征确定主干道横向影响区。分别将相邻的事故特征、道路几何特征和交通运行特征相似的基本中观单元合并，形成组合中观单元。基于中观单元的几何设计、路网特征、交通特征三类数据，考虑了来自同一条主干道的中观本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于中观层面的城郊主干道事故预测方法，其特征在于，该方法包括以下步骤：步骤1：获取道路上所有路段及交叉口的几何设计、交通运行及事故数据；步骤2：沿道路方向，将道路划分为中观分析单元；步骤3：确定主干道横向影响区范围；步骤4：构建中观安全分析样本数据集；步骤5：建立泊松对数正态条件自回归模型；步骤6：模型预测精度对比与分析。2.根据权利要求1所述的一种基于中观层面的城郊主干道事故预测方法，其特征在于，所述的步骤1具体为：利用街景地图得到道路几何设计数据，基于视频监控设备获取交通流量数据，并根据道路交通事故分析预警系统获取道路交通事故数据。3.根据权利要求1所述的一种基于中观层面的城郊主干道事故预测方法，其特征在于，所述的步骤2具体为：根据交通事故空间分布情况，以交叉口为主体，合并两侧路段，将道路划分为基本中观分析单元；根据相邻道路几何设计中的横断面参数、交通运行特征，以及事故分布的同质性，将基本中观分析单元合并，分布形成组合中观分析单元。4.根据权利要求1所述的一种基于中观层面的城郊主干道事故预测方法，其特征在于，所述的步骤3具体为：在主干道两侧，根据城镇化用地占比的变化特征来确定主干道横向影响区范围。5.根据权利要求4所述的一种基于中观层面的城郊主干道事故预测方法，其特征在于，所述确定主干道横向影响区为1.6千米。6.根据权利要求4所述的一种基于中观层面的城郊主干道事故预测方法，其特征在于，提取所述影响区内的路网特征，采用介度中心度量化路网的集聚性，将路网划分为方格、不规则方格、混合型、树枝型四种路网形态。7.根据权利要求1所述的一种基于中观层面的城郊主干道事故预测方法，其特征在于，所述的步骤4具体为：计算各中观分析单元的道路几何特征变量、交通运行特征变量及事故数，构建交通安全分析的样本数据集。8.根据权利要求1所述的一种基于中观层面的城郊主干道事故预测方法，...

【专利技术属性】
技术研发人员：王雪松，裴莹莹，袁景辉，
申请(专利权)人：同济大学，
类型：发明
国别省市：