【摘要】：針對交通事故記錄位置精度較低和路段劃分過短可能引起的分析結(jié)論偏差問題,探討了大區(qū)段劃分條件下高速公路交通事故預(yù)測模型的構(gòu)建方法。結(jié)合遼寧省5條高速公路的交通事故數(shù)據(jù)和道路交通條件數(shù)據(jù),提出了基于高速公路天然節(jié)點(diǎn)(互通式立交和服務(wù)區(qū))的大區(qū)段劃分方法。構(gòu)建了處理大區(qū)段內(nèi)指標(biāo)異質(zhì)性的模型變量,應(yīng)用積分-微分方法確定了變量模塊,進(jìn)而利用負(fù)二項(xiàng)回歸方法建立了高速公路交通事故預(yù)測模型。研究表明:在大區(qū)段條件下,年平均日交通量、累積縱坡和標(biāo)志密度等變量的事故預(yù)測模塊為Hoerl函數(shù),累積曲率為冪函數(shù),而挖方段比例為指數(shù)函數(shù);路段長度、年平均日交通量、累積縱坡和標(biāo)志密度等因素對大區(qū)段上的交通事故發(fā)生具有顯著影響,且考慮這些變量的模塊式模型具有較高的預(yù)測精度。
[Abstract]:In order to solve the problem of the deviation of analysis conclusion caused by the low accuracy of traffic accident record and the short division of road section, this paper discusses the method of constructing the traffic accident prediction model of expressway under the condition of large section division. Based on the traffic accident data and road traffic condition data of 5 highways in Liaoning Province, a method of dividing large sections based on natural highway nodes (interchange and service area) is proposed. The model variables which deal with the heterogeneity of indexes in large sections are constructed. The variable module is determined by using the integral-differential method, and then the traffic accident prediction model of expressway is established by using the negative binomial regression method. The results show that under the condition of large area, the accident prediction module of the annual average daily traffic volume, cumulative longitudinal slope and sign density is Hoerl function, the cumulative curvature is power function, and the proportion of excavated section is exponential function. The road length, annual average daily traffic volume, cumulative longitudinal slope and sign density have a significant influence on the occurrence of traffic accidents in large sections, and the modular model with these variables has a high prediction accuracy.
【作者單位】： 哈爾濱工業(yè)大學(xué)交通科學(xué)與工程學(xué)院;
【基金】：中國博士后科學(xué)基金面上項(xiàng)目(2016M590285) 黑龍江省博士后基金項(xiàng)目(LBH-Z15092)
【分類號】：U491.31

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周育才,秦志斌,李岳林,李河清;基于神經(jīng)網(wǎng)絡(luò)的交通事故預(yù)測[J];公路與汽運(yùn);2002年03期

2 喬占西,王_g;關(guān)于交通事故預(yù)測優(yōu)化的數(shù)學(xué)處理[J];許昌學(xué)院學(xué)報(bào);2005年05期

3 張洪賓,宇仁德;交通事故預(yù)測模型的研究[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年05期

4 劉秀清;宇仁德;范東凱;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的交通事故預(yù)測[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

5 吳盧榮;;基于模糊聚類的馬氏鏈模型在交通事故預(yù)測中的應(yīng)用[J];中國安全科學(xué)學(xué)報(bào);2007年12期

6 劉秀清;宇仁德;王曉原;范東凱;;基于最小二乘法的道路交通事故預(yù)測機(jī)理模型[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2008年23期

7 李平凡;王殿海;王長君;;道路交通事故預(yù)測面臨的困難及誤區(qū)[J];交通企業(yè)管理;2010年08期

8 周莎;王楠;;模糊廣義學(xué)習(xí)向量量化算法在交通事故預(yù)測方面的應(yīng)用[J];交通運(yùn)輸工程與信息學(xué)報(bào);2010年04期

9 趙玲;許宏科;;基于新維無偏灰色馬爾可夫的交通事故預(yù)測[J];計(jì)算機(jī)工程與應(yīng)用;2013年07期

10 王宏;崔杰;王冬冬;;城市群道路網(wǎng)交通事故預(yù)測模型及參數(shù)特性[J];統(tǒng)計(jì)與決策;2013年19期

相關(guān)會(huì)議論文 前1條

1 張路;熊鴻燕;張勝;饒中林;黃國容;邱俊;周繼紅;張良;李陽;李國靈;袁丹鳳;;ARMA模型在一般交通事故預(yù)測中的應(yīng)用及效果評價(jià)[A];重慶市預(yù)防醫(yī)學(xué)會(huì)2012年學(xué)術(shù)年會(huì)論文集[C];2012年

相關(guān)博士學(xué)位論文 前1條

1 趙玲;基于馬爾可夫鏈的道路交通事故預(yù)測研究及應(yīng)用[D];長安大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李旺;中等城市道路交通事故預(yù)測研究[D];華南理工大學(xué);2015年

2 宗強(qiáng);基于數(shù)量化理論的道路交通事故預(yù)測研究[D];蘭州交通大學(xué);2015年

3 楊t-;基于最優(yōu)加權(quán)組合模型的交通事故預(yù)測與可視化實(shí)現(xiàn)[D];華北電力大學(xué)(北京);2016年

4 牛國宏;基于神經(jīng)網(wǎng)絡(luò)的交通事故預(yù)測[D];長安大學(xué);2006年

5 周曉光;青海省長大下坡交通事故預(yù)測模型的建立[D];長安大學(xué);2007年

6 雷兢;道路交通事故預(yù)測及控制研究[D];福州大學(xué);2005年

7 李俊;基于支持向量機(jī)的船舶交通事故預(yù)測研究[D];武漢理工大學(xué);2008年

8 毛建民;公路隧道交通事故預(yù)測與預(yù)防[D];長安大學(xué);2010年

9 付青松;基于量子神經(jīng)網(wǎng)絡(luò)的道路交通事故預(yù)測研究[D];重慶大學(xué);2010年

10 艾克熱木·艾合買提;基于最優(yōu)加權(quán)組合模型的交通事故預(yù)測研究[D];新疆大學(xué);2015年

，

本文編號：2424285