【摘要】：在各等級公路的交通事故中,路側(cè)事故的死亡率極高;我國公路路側(cè)安全形勢并不樂觀。路側(cè)安全水平的提高需要對路側(cè)事故風險進行準確的評估以便采取針對性的措施,這一研究也可為合理設(shè)置路側(cè)凈區(qū)提供理論基礎(chǔ)。本文從公路線形、路面條件等因素入手,基于汽車行駛理論構(gòu)建了公路平曲線路段汽車不偏離車道駛?cè)肼穫?cè)的最高安全車速計算模型,通過利用正態(tài)分布函數(shù),構(gòu)建公路的速度分布預(yù)測模型。將最高安全車速對應(yīng)于速度分布累積頻率曲線上某一百分位車速,就可以得出交通流中車速高于最高安全車速的比例,即車輛發(fā)生駛?cè)肼穫?cè)事故的概率,從而構(gòu)建了其與行駛車速、公路線形指標及附著系數(shù)的多元關(guān)系模型,并進行了實例分析。為了劃分影響平曲線段路側(cè)事故發(fā)生因素的閾值,選取了路側(cè)事故形態(tài)為指標;基于歷史的事故數(shù)據(jù)以及事故模擬再現(xiàn)軟件獲取的仿真數(shù)據(jù),通過設(shè)置車輛不同的駛?cè)胲囁俸吐穫?cè)的環(huán)境變量對事故結(jié)果數(shù)據(jù)開展定量的分析,根據(jù)車輛駛?cè)肼穫?cè)后的狀態(tài)將路側(cè)事故劃分成四個嚴重程度等級:未發(fā)生輕微離地、發(fā)生輕微離地或墜車、發(fā)生至多兩次翻車、發(fā)生兩次以上翻車事故�；谄角�段路側(cè)事故致因閾值的劃分,建立平曲線段路側(cè)事故風險評價的貝葉斯網(wǎng)。通過計算路側(cè)事故致因?qū)е虏煌螒B(tài)路側(cè)事故發(fā)生的條件概率,代入路側(cè)事故嚴重程度概率計算的貝葉斯網(wǎng)拓撲結(jié)構(gòu)中,可以得到不同嚴重程度路側(cè)事故發(fā)生的可能性;基于灰色聚類理論對路側(cè)存在障礙物時進行風險評價,并給出了其閾值的劃分標準;并通過選取典型車型的路側(cè)事故進行案例分析,將貝葉斯網(wǎng)的推理結(jié)果與路側(cè)事故模擬試驗結(jié)果進行對比,證明了提出的風險評價方法的準確性。論文研究成果預(yù)期可為道路交通規(guī)劃、道路交通工程建設(shè)與維護工程提供理論依據(jù)與決策參考,有利于改善我國公路路側(cè)安全。
[Abstract]:The death rate of road side accidents is very high in all kinds of highway accidents, and the safety situation of highway side in China is not optimistic. To improve the safety level of road side, it is necessary to accurately evaluate the risk of road side accidents in order to take targeted measures. This study can also provide a theoretical basis for the rational setting of road side clear area. In this paper, based on the theory of vehicle driving, the calculation model of the maximum safe speed of the vehicle on the road side without deviating from the lane is constructed based on the road alignment and road conditions. By using the normal distribution function, this paper presents a new method for calculating the maximum safety speed of the vehicle in the flat curve section of the highway. The prediction model of highway speed distribution is constructed. When the maximum safe speed is corresponded to a percentile speed on the cumulative frequency curve of the velocity distribution, the proportion of the speed in the traffic flow higher than the maximum safe speed can be obtained, that is, the probability of the vehicle coming into the road side accident. The multivariate relationship model between the model and driving speed, highway alignment index and attachment coefficient is constructed, and an example is given. In order to divide the threshold value of the factors affecting the road side accident in the horizontal curve section, the road side accident pattern is selected as the index. Based on the historical accident data and the simulation data obtained by the accident simulation software, the accident result data are quantitatively analyzed by setting different vehicle entry speed and road side environmental variables. According to the state of the vehicle entering the side of the road, the road side accident can be divided into four levels of severity: no slight deviation, slight landing or falling down, up to twice overturning and more than two overturning accidents. Based on the threshold of road side accidents, a Bayesian network is established to evaluate the risk of road side accidents. The probability of road side accidents with different severity can be obtained by calculating the conditional probability of road side accidents caused by road side accidents and substituting the probability of road side accidents into the Bayesian network topology which calculates the probability of road side accidents. Based on the grey clustering theory, the risk evaluation is carried out on the side of the road when there are obstacles, and the criterion of the threshold value is given. The results of Bayesian network reasoning are compared with the results of the road side accident simulation test, and the accuracy of the proposed risk assessment method is proved by selecting the typical vehicle type of road side accident for case analysis. The research results of this paper are expected to provide theoretical basis and decision reference for road traffic planning, construction and maintenance of road traffic engineering, and to improve the safety of highway side in China.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U491.31

【參考文獻】

相關(guān)期刊論文 前10條

1 方勇;郭忠印;李志勇;;雙車道公路路側(cè)環(huán)境客觀安全性評估模型[J];同濟大學(xué)學(xué)報(自然科學(xué)版);2013年07期

2 龍科軍;李寅;雷正保;鄭健龍;;基于加速度嚴重指數(shù)的公路路側(cè)危險度評估[J];中國公路學(xué)報;2013年03期

3 李寅;魏立夏;蔡婷;;山區(qū)公路路側(cè)危險度評價模型研究[J];公路與汽運;2012年04期

4 陸建;孫祥龍;戴越;;普通公路車速分布特性的回歸分析[J];東南大學(xué)學(xué)報(自然科學(xué)版);2012年02期

5 魏連雨;張洋;;集對分析在山區(qū)農(nóng)村公路路側(cè)危險等級評價中的應(yīng)用[J];中國安全科學(xué)學(xué)報;2011年09期

6 陳熠;陳沅江;鄧奇春;;山區(qū)高等級公路路側(cè)安全事故原因分析及路側(cè)容錯技術(shù)研究[J];安防科技;2011年05期

7 許金良;周育名;楊宏志;;山區(qū)農(nóng)村公路路側(cè)安全保障技術(shù)[J];長安大學(xué)學(xué)報(自然科學(xué)版);2011年03期

8 游克思;孫璐;顧文鈞;;山區(qū)公路路側(cè)安全定量化評價[J];交通運輸工程與信息學(xué)報;2010年03期

9 吳曉峰;魯海軍;殷濤;;公路路側(cè)安全主動引導(dǎo)技術(shù)[J];中外公路;2010年03期

10 李楊;馬榮國;王龍飛;牛玉欣;;公路路側(cè)安全等級評價與分級路側(cè)防護[J];安全與環(huán)境學(xué)報;2009年04期

相關(guān)博士學(xué)位論文 前2條

1 徐婷;公路限速區(qū)劃分與限速梯級過渡段設(shè)置研究[D];北京工業(yè)大學(xué);2011年

2 祝站東;基于道路環(huán)境的雙車道公路運行速度模型研究[D];北京工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前8條

1 燕麗敬;基于投影尋蹤的山區(qū)低等級公路路側(cè)安全評價[D];哈爾濱工業(yè)大學(xué);2016年

2 楊海強;山嶺區(qū)國省干線公路路側(cè)安全及低造價安全設(shè)施[D];長安大學(xué);2014年

3 賈益;低等級公路路側(cè)安全技術(shù)研究[D];長安大學(xué);2013年

4 曾笑雨;雙車道公路限速值決策技術(shù)及限速方法研究[D];西南交通大學(xué);2013年

5 李寅;山區(qū)公路路側(cè)危險度評估方法研究[D];長沙理工大學(xué);2012年

6 相文森;城市冰雪道路交通事故成因及發(fā)生機理研究[D];哈爾濱工業(yè)大學(xué);2010年

7 丁慶國;基于汽車行駛穩(wěn)定性的公路平縱組合線形設(shè)計指標研究[D];哈爾濱工業(yè)大學(xué);2010年

8 王媛媛;山區(qū)公路事故成因分析研究[D];北京工業(yè)大學(xué);2008年

，

本文編號：2412073