發(fā)布時間：2020-09-15 11:25

　　 在我國,大貨車道路交通事故經(jīng)常發(fā)生且造成后果比較嚴(yán)重,如果可以對大貨車常走的路線發(fā)生事故的概率進(jìn)行預(yù)測,從而后續(xù)進(jìn)行管控可以有效降低大貨車道路交通事故發(fā)生的概率,對提高道路安全、減小事故后果損失具有重大意義。而多種實時交通流數(shù)據(jù)的采集手段也使得交通事故短時預(yù)警變得可行。本文基于大貨車高頻次行駛路線的實時交通流數(shù)據(jù)和歷史事故數(shù)據(jù),分別基于BP神經(jīng)網(wǎng)絡(luò)算法、支持向量機以及隨機森林算法構(gòu)建了大貨車高頻次行駛路線短時事故預(yù)測模型,達(dá)到對大貨車高頻次行駛路線潛在的、將要發(fā)生的交通事故進(jìn)行短時預(yù)警的目的,從而為交管部門下一步的交通事故風(fēng)險防控工作提供基礎(chǔ)。本文主要的研究工作主要圍繞以下幾個方面展開:(1)本文分析了大貨車高頻次行駛路線的特征與事故特征,并結(jié)合道路交通事故的主要影響因素得到了大貨車高頻次行駛路線短時事故預(yù)測所需重點考慮的指標(biāo),并創(chuàng)新性地提出了用以衡量大貨車對道路路權(quán)占用情況的大貨車指標(biāo);(2)本文針對道路交通事故數(shù)據(jù)和交通流數(shù)據(jù)的特性設(shè)計出了一套事宜的數(shù)據(jù)預(yù)處理方法,并結(jié)合實際數(shù)據(jù)的特點選定了本文預(yù)測研究所需的特征變量;(3)本文分別基于BP神經(jīng)網(wǎng)絡(luò)算法、支持向量機以及隨機森林算法構(gòu)建了大貨車高頻次行駛路線短時事故預(yù)測模型,并結(jié)合某大貨車高頻次行駛路線的實際數(shù)據(jù)進(jìn)行短時事故預(yù)測分析,得出基于隨機森林算法構(gòu)建的大貨車高頻次行駛路線短時事故預(yù)測模型預(yù)測結(jié)果更加精確的結(jié)論。(4)本文利用了基于隨機森林算法構(gòu)建的大貨車高頻次行駛路線短時事故預(yù)測模型分析了模型權(quán)重最大的兩個特征變量與事故發(fā)生的預(yù)測概率之間的關(guān)系。得到了在大貨車指數(shù)超過50、速度標(biāo)準(zhǔn)差超過30時事故發(fā)生的概率會大幅增大的結(jié)論。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U491.31
【部分圖文】：

大車流量即道路上行駛的大型車輛的交通流量。作為道路貨物運輸車輛聚集逡逑的路線，大貨車高頻次行駛路線與正常路線相比最顯著的就是大車流量更多。逡逑圖２－１所示為本文研宄的某大貨車高頻次行駛路線與相鄰普通路線同一天各逡逑時段的大車流量對比統(tǒng)計圖。由圖所示，大貨車高頻次行駛路線大車流量在各個時逡逑段均比相鄰正常線路多，且在早晨６：邋００－７：邋００達(dá)到峰值，這是因為此時道路其它逡逑車輛還很稀少，貨物運輸承運人認(rèn)為這個時候運輸更加安全高效。逡逑６００逡逑５００邐Ｉ邋｜｜｜逡逑０逡逑000000000000000000000000逡逑ＯｐＯＯＯＯＯＯＯＯＯＯＯＯＯＯＯＯＯＯＯＯＯＯ逡逑ＯｔＨｒｓｉｒｎ＾Ｌｎ＾ｒ＾ＴＯｃｒｉｏ＾ｃＮＣＹｊｒｔｕＳｉｊｒ＾ｄｏａｉｏｔＨｒＮａＳ逡逑ｔＨ邋ｔ－Ｈ邋ｔ—Ｉ邋ｒＨ邋ｒ－Ｈ邋ｔ—Ｉ邋ｔ—Ｉ邋？—（邋Ｉ邋ｒＨ邋（＊ｓｊ邋ｆＮ邋ｒｓｊ邋ｆＳｌ逡逑時段逡逑邐大貨車高頻次行駛路線邐普通路線逡逑圖２－１大車流量對比圖逡逑Ｆｉｇｕｒｅ邋２－１邋Ｂｉｇ邋ｔｒａｆｆｉｃ邋ｆｌｏｗ邋ｃｏｍｐａｒｉｓｏｎ逡逑圖２－２所示為本文研究的某大貨車高頻次行駛路線一天內(nèi)各時段大車率的變逡逑化趨勢圖，由圖可以看出在０：邋００－５：邋００和２２：邋００－２３：邋００時段該路線大車率處逡逑于較高水平，并在２：邋００到３：邋００間達(dá)到７２％的峰值，由此可以得出，大貨車高逡逑頻次行駛路線在夜間的大車率指標(biāo)普遍高于白天，這是由于私家車等小型車輛一逡逑般選擇在白天出行，雖然夜間大車流量也會減少，但受此

圖２－２各時段大車率變化趨勢圖逡逑Ｆｉｇｕｒｅ邋２－２邋Ｂｉｇ邋ｃａｒ邋ｒａｔｅ邋ｉｎ邋ｅａｃｈ邋ｐｅｒｉｏｄ逡逑通過對圖２－１和圖２－２的對比發(fā)現(xiàn)，夜間時段大車流量雖然很低但大車率卻逡逑很高，白天時段大車流量雖然很高但大車率卻很低，因此單純的使用大車流量或逡逑者大車率都無法準(zhǔn)確衡量出大貨車高頻次行駛路線大貨車對路段占有的情況。為逡逑此，本文綜合考慮了大貨車流量和大車率，提出了大貨車指數(shù)這一指標(biāo)，計算公逡逑式如公式２－２所示。逡逑Ｍ邋＝ｑｈｘ邋ｐ邐（２－２）逡逑式中，Ｍ邐大貨車尚頻次行駛路線的大貨車指標(biāo)；逡逑ｑＡ邐大貨車聞頻次行駛路線的大貨車流量；逡逑ｐ——大貨車高頻次行駛路線的大車率。逡逑圖２－３所示為本文研究的某大貨車高頻次行駛路線一天內(nèi)各時段的大貨車指逡逑數(shù)變化趨勢圖，圖中所示大貨車流量較少但大車率指標(biāo)較高的部分夜間時段與大逡逑貨車流量較高但大車率指標(biāo)較低的部分白天時段的大貨車指數(shù)處于差不多水平，逡逑而在５：邋００－６：邋００時段由于大貨車流量和大車率指標(biāo)都較高而大貨車指數(shù)達(dá)到峰逡逑值，即在此時段大貨車對該路段的占有情況處于最高水平。由此本文認(rèn)為大貨車逡逑指數(shù)這一指標(biāo)能夠較好描述大貨車高頻次行駛路線中大貨車對路段的占有水平。逡逑２７逡逑

Ｆｉｇｕｒｅ邋２－３邋Ｂｉｇ邋ｔｒｕｃｋ邋ｉｎｄｅｘ邋ｉｎ邋ｅａｃｈ邋ｐｅｒｉｏｄ逡逑２．２．２平均速度逡逑平均速度是交通流重要的參數(shù)之一。圖２－４所示為本文研宄的某大貨車高頻次逡逑行駛路線與相鄰普通路線同一天各時段的平均速度對比統(tǒng)計圖。由圖所示，大貨車逡逑高頻次行駛路線車輛的平均速度普偏低于相鄰普通線路，且在６：邋００－７：邋００和１７：逡逑００－１９：邋００時出現(xiàn)谷值。這主要由兩方面原因?qū)е�。一方面大貨車本身速度相較于逡逑普通車輛的速度更慢；另一方面周圍有大貨車行駛時，部分普通車輛駕駛員為了確逡逑保安全也會控制自己的速度。逡逑９０．０逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊t-;閻光偉;;基于最優(yōu)加權(quán)組合模型的道路交通事故預(yù)測[J];中國科技信息;2015年23期

2 王迎;周燕;;基于廣義線性模型的高速公路交通事故預(yù)測[J];公路工程;2015年05期

3 孟祥海;侯芹忠;史永義;;基于線形指標(biāo)的山嶺重丘區(qū)高速公路事故預(yù)測模型[J];公路交通科技;2014年08期

4 王鋒;劉傳哲;吳從新;張炎治;;區(qū)域低碳發(fā)展指數(shù)建�！谥袊�30省份的實證分析[J];統(tǒng)計與信息論壇;2014年04期

5 徐鋮鋮;劉攀;王煒;李志斌;;惡劣天氣下高速公路實時事故風(fēng)險預(yù)測模型[J];吉林大學(xué)學(xué)報(工學(xué)版);2013年01期

6 侯樹展;孫小端;賀玉龍;田啟華;;高速公路交通事故嚴(yán)重程度與交通流特征的關(guān)系研究[J];中國安全科學(xué)學(xué)報;2011年09期

7 楊降勇;;高速公路疲勞駕駛交通事故的控制[J];中國安全科學(xué)學(xué)報;2006年01期

8 秦小虎;劉利;張穎;;一種基于貝葉斯網(wǎng)絡(luò)模型的交通事故預(yù)測方法[J];計算機仿真;2005年11期

9 王莉莉,史忠科,胡太平;基于模糊評價法的高速公路事故實時預(yù)測模型[J];系統(tǒng)工程理論與實踐;2003年05期

10 林震,楊浩;基于車速的交通事故貝葉斯預(yù)測[J];中國安全科學(xué)學(xué)報;2003年02期

本文編號：2818903