一种雾天状态下减少交通事故的车辆调控方法技术

本发明专利技术公开了一种雾天状态下减少交通事故的车辆调控方法，步骤10）获取事故路段的基本信息；步骤20）采集雾天状况下的事故组交通数据和天气数据；步骤30）采集雾天状况下的正常组交通数据和天气数据；步骤40）建立雾天状况下交通流数据总样本；步骤50）建立初始雾天状况下的交通事故判别函数；步骤60）确定标定后的雾天状态下交通事故判别函数；步骤70）检测在雾天状态下发生交通事故的判别函数值，并进行车辆调控；步骤80）重复步骤70），进行下一个设定时间发生交通事故判别函数值的检测，直至结束检测。该车辆调控方法实时检测高速公路在雾天状态下发生交通事故的判别函数值，对车辆进行调控，减少交通事故。

【技术实现步骤摘要】

本专利技术属于高速公路交通智能管理和控制领域，具体来说，涉及。
技术介绍
雾天对高速公路的交通安全产生了严重的影响，在雾天下发生交通事故的严重程度往往比较高，涉及到人员伤亡。由于雾天的能见度比较低，当遇到危险状况是，驾驶员往往没有足够反应时间采取避险行为，造成交通事故的发生。根据《中华人民共和国公安部交通事故统计年报》，2006年和2010年中分别有2，626和1，527起交通事故发生在雨天状况下，死亡人数分别为1，047和803人，受伤人数分别为3，325和2，006，直接经济损失分别为3.13千万元和2.33千万元。因而，如何提升雾天下高速公路行车安全问题具有重要的实际意义。通常大雾天气下，高速公路封闭通行，而对于薄雾天气的交通事故预防的方法还比较简单，难以对高速公路交通事故进行有效的预防与降低。近些年来，随着高速公路交通智能管理和控制领域的不断发展，交通安全领域开始研究高速公路交通事故实时预测模型，该预测模型能够利用交通安全管理系统中的交通流检测设备实时监测交通流运行状况，区分正常交通流状态和高事故风险的危险交通流状态。当检测到危险交通流状况，系统通过主动式干预交通流 运行来消除危险交通流状态，从而到达实时提升快速道路交通安全状况的目的。因而，通过监测雾天下的高风险交通流状态能够对雾天的交通事故进行有效的预防，当在雾天下检测到高风险交通流状态，可以通过匝道控制降低上游车流量，并利用可变限速控制逐步降低车辆行驶速度，来消除高风险交通流状态从而达到降雾天交通事故数量的目的。然而，目前还没有专门针对雾天的交通事故实时预测模型，本专利技术将提出一种基于可变限速和匝道控制的雾天下高速公路事故预防方法。
技术实现思路
技术问题:本专利技术所要解决的技术问题是:提供，该车辆调控方法利用交通流检测设备获取实时交通数据和环境气象站获取的天气数据，实时检测快速道路在雾天状态下发生交通事故判别函数值，对车辆进行限速调控，减少交通事故，提高行驶安全性。技术方案:为解决上述技术问题，本专利技术采用的，该车辆调控方法包括以下步骤:步骤10)获取事故路段的基本信息:在高速公路上安装q个交通流检测设备，将相邻两个交通流检测设备之间的高速公路设为一个路段，并且在快速道路上安装w个环境气象站；确定雾天状况下每起交通事故的发生路段，并确定每起交通事故发生地点上游和下游两个交通流检测设备，以及距离该交通事故发生地点最近的环境气象站^和《均为大于I的整数；步骤20)采集雾天状况下的事故组交通数据和天气数据:通过步骤10)确定的交通事故发生地点上游和下游两个交通流检测设备，采集雾天状况下事故发生地点的交通数据，该交通数据包括交通事故发生前，在设定时间T内的18个交通流参数，18个交通流参数为该路段的上游交通流量平均值X1、上游交通占有率平均值X2、上游车辆速度平均值X3、上游交通流量标准差X4、上游交通占有率标准差X5、上游车辆速度标准差X6、下游交通流量平均值X7、下游交通占有率平均值X8、下游车辆速度平均值X9、下游交通流量标准差χ1(ι、下游交通占有率标准差Xll、下游车辆速度标准差X12、上下游交通流量差绝对值的平均值X13、上下游交通占有率差绝对值的平均值X14、上下游车辆速度差绝对值的平均值X15、上下游交通流量差绝对值的标准差X16、上下游交通占有率差绝对值的标准差X17、上下游车辆速度差绝对值的标准差X18 ;并通过距离交通事故发生地点最近的环境气象站，采集雾天状况下，交通事故发生前的天气数据，天气数据是该路段在交通事故发生前，设定时间T内的路面能见度X19 ；步骤30)采集雾天状况下的正常组交通数据和天气数据:对应于雾天状况下的每起交通事故，采用病例对照研究法，按1: a比例选取交通事故发生路段在雾天、正常状态下的交通数据和天气数据，所述的正常状态是指路段没有发生交通事故时的状态，所述的I: a是指对应于每个交通事故的交通数据和天气数据，选取该交通事故发生路段在正常状态下的a个交通数据和a个天气数据；交通数据包括该路段在雾天、正常状态下，设定时间T内的上游交通流量平均值X1、上游交通占有率平均值X2、上游车辆速度平均值X3、上游交通流量标准差X4、上游交通占有率标准差X5、上游车辆速度标准差X6、下游交通流量平均值X7、下游交通占有率平均值X8、下游车辆速度平均值X9、下游交通流量标准差Xltl、下游交通占有率标准差Xll、下游车辆速度标准差X12、上下游交通流量差绝对值的平均值X13、上下游交通占有率差绝对值的平均值X14、上下游车辆速度差绝对值的平均值X15、上下游交通流量差绝对值的标准差X16、上下游交通占有率差绝对值的标准差X17、上下游车辆速度差绝对值的标准差X18 ;天气数据是该路段在雾天、正常状态下，设定时间T内的路面能见度X19 ；a为大于等于5的整数；步骤40)建立雾天状况下交通流数据总样本:对于每个路段，将该路段上游和下游两个交通流检测设备在设定时间T内采集的交通数据，以及距离该路段最近的环境气象站采集的天气数据组合后，建立一个交通流数据样本；在每个路段中，所有在雾天、发生交通事故状态下形成的交通流数据样本组成事故组数据样本，所有在雾天、正常状态下形成的交通流数据样本组成正常组数据样本；将该快速道路所有路段中的事故组数据样本和正常组数据样本组合后，形成包含雾天状况下η个子样本的交通流数据总样本；η为大于6的整数；步骤50)建立初始雾天状况下的交通事故判别函数:利用费歇尔判别方法，建立18个交通流参数和I个天气参数的线性组合，作为初始雾天状况下的交通事故判别函数，如式(I)所示: Yi — β 0+ β iXji+ β 2xi2+ β 3Xi3+ ^ 4Xi4+ ^ 5Xi5+ ^ 6Xi6+ ^ 7Xi7+ ^ 8Xi8+ ^ 9Xi9+ ^ 10Xil0+ β llXill+ β 12Xil2+3 13Xil3+3 14Xil4+ ^ 15Xil5+ ^ 16Xil6+ ^ 17Xil7+ ^ 18Xil8+ ^ 19Xil9式(I) 式(I)中，i=l、2、3、…、η %表示雾天状况下交通流数据总样本中第i个子样本的数据测出的交通事故判别函数值；xn表示雾天状况下的交通流数据总样本中第i个子样本的上游交通流量平均值；xi2表示雾天状况下的交通流数据总样本中第i个子样本的上游交通占有率平均值，Xi3表示雾天状况下的交通流数据总样本中第i个子样本的上游车辆速度平均值，Xi4表示雾天状况下的交通流数据总样本中第i个子样本的上游交通流量标准差，Xi5表示雾天状况下的交通流数据总样本中第i个子样本的上游交通占有率标准差，Xi6表示雾天状况下的交通流数据总样本中第i个子样本的上游车辆速度标准差，Xi7表示雾天状况下的交通流数据总样本中第i个子样本的下游交通流量平均值，Xi8表示雾天状况下的交通流数据总样本中第i个子样本的下游交通占有率平均值，Xi9表示雾天状况下的交通流数据总样本中第i个子样本的下游车辆速度平均值，Xiltl表示雾天状况下的交通流数据总样本中第i个子样本的下游交通流量标准差，xm表示雾天状况下的交通流数据总样本中第i个子样本的下游交通占有率标准差，Xil2表示雾天状况下的交通流数据总样本中第i个子本文档来自技高网...

【技术保护点】
一种雾天状态下减少交通事故的车辆调控方法，其特征在于，该车辆调控方法包括以下步骤：步骤10）获取事故路段的基本信息：在高速公路上安装q个交通流检测设备，将相邻两个交通流检测设备之间的高速公路设为一个路段，并且在快速道路上安装w个环境气象站；确定雾天状况下每起交通事故的发生路段，并确定每起交通事故发生地点上游和下游两个交通流检测设备，以及距离该交通事故发生地点最近的环境气象站；q和w均为大于1的整数；步骤20）采集雾天状况下的事故组交通数据和天气数据：通过步骤10）确定的交通事故发生地点上游和下游两个交通流检测设备，采集雾天状况下事故发生地点的交通数据，该交通数据包括交通事故发生前，在设定时间T内的18个交通流参数，18个交通流参数为该路段的上游交通流量平均值x1、上游交通占有率平均值x2、上游车辆速度平均值x3、上游交通流量标准差x4、上游交通占有率标准差x5、上游车辆速度标准差x6、下游交通流量平均值x7、下游交通占有率平均值x8、下游车辆速度平均值x9、下游交通流量标准差x10、下游交通占有率标准差x11、下游车辆速度标准差x12、上下游交通流量差绝对值的平均值x13、上下游交通占有率差绝对值的平均值x14、上下游车辆速度差绝对值的平均值x15、上下游交通流量差绝对值的标准差x16、上下游交通占有率差绝对值的标准差x17、上下游车辆速度差绝对值的标准差x18；并通过距离交通事故发生地点最近的环境气象站，采集雾天状况下，交通事故发生前的天气数据，天气数据是该路段在交通事故发生前，设定时间T内的路面能见度x19；步骤30）采集雾天状况下的正常组交通数据和天气数据：对应于雾天状况下的每起交通事故，采用病例对照研究法，按1∶a比例选取交通事故发生路段在雾天、正常状态下的交通数据和天气数据，所述的正常状态是指路段没有发生交通事故时的状态，所述的1∶a是指对应于每个交通事故的交通数据和天气数据，选取该交通事故发生路段在正常状态下的a个交通数据和a个天气数据；交通数据包括该路段在雾天、正常状态下，设定时间T内的上游交通流量平均值x1、 上游交通占有率平均值x2、上游车辆速度平均值x3、上游交通流量标准差x4、上游交通占有率标准差x5、上游车辆速度标准差x6、下游交通流量平均值x7、下游交通占有率平均值x8、下游车辆速度平均值x9、下游交通流量标准差x10、下游交通占有率标准差x11、下游车辆速度标准差x12、上下游交通流量差绝对值的平均值x13、上下游交通占有率差绝对值的平均值x14、上下游车辆速度差绝对值的平均值x15、上下游交通流量差绝对值的标准差x16、上下游交通占有率差绝对值的标准差x17、上下游车辆速度差绝对值的标准差x18；天气数据是该路段在雾天、正常状态下，设定时间T内的路面能见度x19；a为大于等于5的整数；步骤40）建立雾天状况下交通流数据总样本：对于每个路段，将该路段上游和下游两个交通流检测设备在设定时间T内采集的交通数据，以及距离该路段最近的环境气象站采集的天气数据组合后，建立一个交通流数据样本；在每个路段中，所有在雾天、发生交通事故状态下形成的交通流数据样本组成事故组数据样本，所有在雾天、正常状态下形成的交通流数据样本组成正常组数据样本；将该快速道路所有路段中的事故组数据样本和正常组数据样本组合后，形成包含雾天状况下n个子样本的交通流数据总样本；n为大于6的整数；步骤50）建立初始雾天状况下交通事故判别函数：利用费歇尔判别方法，建立18个交通流参数和1个天气参数的线性组合，作为初始雾天状况下交通事故判别函数，如式（1）所示：yi＝β0+β1xi1+β2xi2+β3xi3+β4xi4+β5xi5+β6xi6+β7xi7+β8xi8+β9xi9+β10xi10+β11xi11+β12xi12+β13xi13+β14xi14+β15xi15+β16xi16+β17xi17+β18xi18+β19xi19式（1）式（1）中，i=1、2、3、…、n；yi表示雾天状况下交通流数据总样本中第i个子样本的数据测出的交通事故判别函数值；xi1表示雾天状况下的交通流数据总样本中第i个子样本的上游交通流量平均值；xi2表示雾天状况下的交通流数据总样本中第i个子样本的上游交通占有率平均值，xi3表示雾天状况下的交通流数 据总样本中第i个子样本的上游车辆速度平均值，xi4表示雾天状况下的交通流数据总样本中第i个子样本的上游交通流量标准差，xi5表示雾天状况下的交通流数据总样本中第i个子样本的上游交通占有率标准差，xi6表示雾天状况...

【技术特征摘要】

【专利技术属性】
技术研发人员：徐铖铖，刘攀，王炜，李志斌，
申请(专利权)人：东南大学，
类型：发明
国别省市：