[发明专利]基于交通冲突随机过程演化的交叉口事故预测方法

说明书

本发明公开了一种基于交通冲突随机过程演化的交叉口事故预测方法，通过采集驾驶者反应时间数据和不同车辆的最大刹车能力，分别得到驾驶者反应时间的概率密度函数和车辆的最大减速度概率密度函数，采用概率性算法，使用蒙特卡洛方法对于每一个冲突可能造成的严重事故的概率进行推演，针对每一个冲突，重复进行该随机过程，将其中的所有严重事故的概率进行相加，并归一化，最终可以得到该冲突导致严重事故的概率，且本发明引入了Delta‑V速率变化，可以直接计算出严重事故概率，区别于以往只考虑某一方避让的情况，本发明考虑冲突中双方的减速行为进行判断。

技术领域

本发明涉及一种基于交通冲突随机过程演化的交叉口事故预测方法，属于智能交通技术领域。

背景技术

城市道路交叉口是城市道路网的交汇点，是行人、车辆汇合、转向、分流的地方，是道路网灵活性的关键，但是由于交叉口通常有多向交通流集中，所以在整个路网中，平面交叉口是道路通行能力的瓶颈和交通事故的多发地，更易发生严重交通事故。据统计发生在平面交叉口的交通事故占很大的比例，我国对国内城市的交通事故抽样表明，发生在平面交叉口的交通事故数约占30％，联邦德国城市的交通事故发生在平面交叉口约占60％-80％。由此可见城市交叉口的交通安全问题更加值得重视。城市交叉口一旦发生交通事故，尤其是严重交通事故，将对交叉口交通产生极大的干扰。因此对交叉口严重事故进行预测，以便交通部门根据预测结果对现有交叉口进行有效改善，并采取相应的交通管理措施，以降低交叉口事故率。

交叉口事故预测是国外事故预测研究的一类重要内容，最为常用的交叉口事故预测方法是建立事故频数与道路几何特性、交通流之间的关系模型，如线性回归模型、泊松回归模型和负二项回归模型，并将分析结果用于改进道路设计、运营管理等。在文章《Negative Binomial Analysis of Intersection-Accident Frequency》中，Poch和Mannering利用负二项回归方法提出针对事故总数、追尾事故数，侧面相撞事故数和转向事故数的不同的预测模型，结果发现当样本数据过度离散时泊松模型可能无法准确描述其概率分布，或过高地估计事故发生的可能性，而负二项分布可以克服这一缺点。并且得出交叉口的几何特性和交通量均对事故频数有重要的影响。交通冲突技术自20世纪50年代在美国开始应用，是一种依据一定的测量方法与判别标准，对交通冲突的发生过程及严重程度进行定量测量和判别，并应用于安全评价和预测用途的技术方法。国内进行的事故预测研究主要集中于宏观预测，对于道路交叉口事故预测的研究相对较少。主要有平面信号交叉口交通冲突预测模型，该方法建立了以相关交通流为基础的期望冲突率预测模型，但它的合理性与可靠性尚需进一步深入研究。

目前交叉口事故预测方法主要有两类，一类基于历史数据数据建模，一类是基于冲突-事故模型。冲突-事故模型主要是大量采集交通冲突数据和事故数据，在此基础上建立冲突-事故预测模型。或者是依据冲突参数，使用极值理论方法，预测事故。交通冲突技术以大样本生成、快速、定量评价小区域地点交通安全的现状与改善措施的效果为特点，不同于传统的事故统计方法，具有“大样本、短周期、小区域、高信度”的统计学优势，可以定量测定“准事故”的严重程度，效度与信度高。

国内进行的事故预测研究主要集中于宏观预测，对于道路交叉口事故预测的研究相对较少。主要有平面信号交叉口交通冲突预测模型，建立以相关交通流为基础的期望冲突率预测模型。部分预测方法在事故预测中具有较大的局限性，存在着缺乏对事故致因的分析等问题，因而它的合理性与可靠性尚需进一步深入研究。现有的标定方法的主要缺点：

1.未充分挖掘交通冲突的有效信息；

2.未从概率的角度对交通冲突的过程进行推演，从而估算事故概率；

3.极少考虑严重事故的发生概率。

发明内容

本发明为克服现有技术中存在的技术缺陷，提出一种基于交通冲突随机过程演化的交叉口事故预测方法。