城市快速路交通事故风险预测建模方法研究

Urban expressway is the key components in a city’s roadway system due to its large capacity and high speed limits. However, the non-recurrent congestion caused by traffic crashes have a large influence on the operation of urban expressways, which need to utilize Active Traffic Management Systems (ATMS) to improve the safety condition. Design of the control strategies in ATMS relies on accurate crash risk prediction models, which would unveil the crash occurrence mechanisms and provide real-time crash risk prediction. The crash risk prediction analysis has recently become a hot topic in traffic safety analysis. Nevertheless, due to the complex data structural of the urban expressway traffic safety analysis, it is also a research hotspot. Existing crash risk prediction models were built based on the assumptions of crash mechanism consistency and crash independency, which would easily lead to biased estimations and unreliable models. This study would be conducted based on the advanced Bayesian inference framework. According to the structure of urban expressway traffic safety analysis data, we will focused on identifying appropriate modeling approaches of crash risk prediction for the purpose of analyzing the heterogeneity of crash mechanisms, spatial correlation of crash data, and the temporal-spatial correlations. Furthermore, the crash mechanisms of typical crash types on urban expressway would be investigated and the adaptability of the models would be evaluated based on multiple indexes. All these works together would be beneficial to the future ATMS design and utilization to improve traffic safety on urban expressways.

城市快速路是城市道路系统的主动脉，由交通事故引起的偶发性拥堵对城市快速路的通行能力影响极大，采用主动式交通管理系统对事故风险进行预判进而提高快速路安全水平意义重大。主动式交通管理系统有赖于可靠的事故风险预测模型，以获取事故形成机理，并对事故风险进行实时预测。城市快速路的事故风险预测研究一直是交通安全分析的热点之一，但由于城市快速路交通安全分析数据的结构较为复杂，也是安全研究的难点。既有事故风险预测模型大多基于事故形成机理均一性、事故之间独立性的假定而建立，易造成预估参数的偏误。本研究基于先进的贝叶斯框架，针对城市快速路交通安全分析数据结构的复杂特征，着重分析事故形成机理的异质性、事故数据的空间相关性以及时空综合特性三类突出问题，系统研究事故风险预测的建模方法。并在此基础上分析常态事故的形成机理，基于多维度指标对模型的适用性进行评价，为主动式交通管理系统的引进打下有益的基础。

快速路是城市交通系统的主动脉，有着大容量、高限速的特点；近年来城市快速路交通事故频发且对交通运行影响大。本项目围绕城市快速路交通事故风险预测的建模方法开展研究，旨在融合交通流数据和事故数据，分析事故影响因素、揭示形成机理，并建立实时事故风险预测方法。. 交通事故具有小概率、多影响因素的特性；既有交通事故风险预测模型依赖的事故影响因素均一性的假定无法成立。本项目针对交通事故形成机理的异质性、事故空间相关性及时空综合特性进行分析，并采用高阶贝叶斯推断模型、混合模型及深度学习模型开展针对性的建模方法研究。最后，面向交通事故风险预测模型实际应用，开展了基于上海市城市快速路数据的实证研究；对模型在主动交通管理系统中的风险预警阈值、模型在线更新等适用性问题进行了探索。. 经研究分析，城市快速路的交通事故形成机理具有异质性，不同类别事故其交通流影响因素差异大；本项目针对异质性提出了半参数贝叶斯推断模型和随机参数模型从事故发生时间、事故发生气象环境等角度对其事故影响因素的差异性进行分析。在空间相关性方面，研究首先采用潜类别模型对交通事故数据集由车道数、匝道组合类型、辅助车道长度等几何设计特征造成的相关性进行了分析；并基于随机效应Logit模型构建了考虑事故空间相关性的风险预测模型。在时空综合特性方面，通过构建交通运行特征时空数据矩阵，采用深度学习的方法同时分析事故在同一时间段内运行特征的相关性和空间相邻事故受类似线形特征的影响；分析结果表明考虑时空综合特性的模型事故预测准确性显著提升。. 本项目针对交通安全分析数据的异质性、空间相关性等建立了交通事故风险预测模型，在传统分析方法的基础上通过引入高阶模型结构、贝叶斯推断方法和深度学习框架有效提升了事故风险的预测精度，在模型应用方面建立了风险预警阈值、模型在线更新机制。项目成果既揭示了事故形成机理与影响因素，并为主动交通管理系统的研发应用提供了理论和技术支撑。