基于多源数据的城市路网交通事故风险研究
发布时间：2021-07-08 03:55
随着我国经济社会发展和城镇化、机动化进程的不断加快,城市交通安全问题日益严峻,已成为道路交通事故新的增长源。城市道路交通事故不仅严重威胁人民群众的生命财产安全,更成为导致交通拥堵蔓延和路网瘫痪的主要诱因。为了提高城市交通安全,欧美等主要发达国家近年来逐渐加强了城市路网的交通事故风险研究。但是,目前现有的城市路网交通安全研究存在四方面局限:（1）城市路网的交通曝光度量不够准确,交通曝光变量的采集通常依赖城市范围内布设稀疏且覆盖范围局限的传感设施。因此,交通曝光变量在很大程度上不能表征城市路网的真实交通曝光值,大大影响了城市路网交通事故风险模型的准确性和有效性;（2）现有的交通事故建模中所有的出行活动混杂在一起,无法剥离出不同类型的出行活动对城市路网交通安全的影响,大大制约了区域交通管控的准确性和实施效果;（3）城市路网交通事故模型中,影响变量通常具有显著的空间自相关性,传统的事故模型缺乏对该方面的考虑,大大制约了模型的解释能力和预测性能;（4）现有的城市路网交通事故建模基本都是从一个比较长期的、平均的角度去对安全做定性的评估,是一种静态的评价方法,无法对实时的交通事故风险进行动态判别。随...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：173 页
【学位级别】：博士
【部分图文】：
论文技术路线图
交通曝光(Traffic exposure)是影响城市路网交通事故风险最重要的变量。因为,理论上来讲,没有交通曝光便没有交通事故的发生。同时,交通曝光变量直接表征城市路网的交通运行状况和交通参与者的出行状况。因此,交通曝光评价的准确与否,直接影响城市路网交通事故风险模型结果的好坏。早期的城市路网交通事故建模中,常用的交通曝光变量有交通小区的年平均日交通量(Annual Average Daily Traffic,AADT)、车辆日平均行驶里程(Daily Vehicle Kilometers Traveled,DVKT)、机动车保有量、交通小区机动车出行发生量及吸引量,见图2-1所示。尽管上述的这些交通曝光变量在城市路网交通安全研究中取得了一定的效果,但是传统交通曝光变量的缺陷也较为明显。具体来说,小区的年平均日交通量、车辆日平均行驶里程以及小区的机动车出行发生量和吸引量,这些交通曝光变量的采集通常依赖城市范围内布设的传感设施,如环形线圈检测器以及车载微波,或者交通出行调查。但是由于资金的有限,城市范围内布设的交通传感设施通常非常稀疏。而传统的交通调查往往依赖大量的人力和物力,调查的覆盖范围也较为局限。因此,这些交通曝光变量在很大程度上不能表征城市路网的真实交通曝光值,大大影响了城市路网交通事故风险模型的准确性和有效性。其次,交通事故的发生与居民的出行活动紧密相关,不同目的的出行活动对城市路网的交通运行状态的影响程度是不同的,现有的交通曝光变量如AADT,DVKT都是将城市路网区域内的所有出行混杂在一起,无法剥离出不同类型的出行活动对城市路网交通安全的影响,大大制约了城市路网交通管控的准确性和实施效果。
道路因素对交通事故的影响主要体现在道路的等级、道路级配、几何特征、交叉口、道路限速值、路面状况以及道路交通设施等方面,见图2-2所示。影响路网交通事故分析的道路线形因素主要包括平面线形、纵断面线形、横断面及其组合,以及视距等。早期的交通安全研究发现,线形组合不协调是影响城市路网交通安全的重要因素,其影响程度要明显大于单个线形要素。美国通行能力手册(Highway Capacity Mannual,HCM)指出,事故的多发路段不是仅仅受单一的线形要素影响,根本原因是各类线形的组合不协调,比如连续同曲线的半径比过大、长直线接急转弯、交叉口路段等。这些组合使得驾驶员难以在短时间内准确做出判断,无法采取合理有效的措施,进而引发交通事故。因此,在进行城市路网道路交通事故风险建模时,道路的级配以及几何特征是非常重要的影响因素。早期的许多研究表明,交通小区内的交叉口数量越多,该小区发生交通事故的风险越高。因为交叉口是交通事故的多发点,尤其在信号交叉口,交通冲突明显增多,在一定程度上大大增加了城市路网的交通事故风险。
【参考文献】：
期刊论文
[1]不同区划方案对宏观交通事故建模的影响[J]. 黄合来,许鹏鹏,翟晓琪. 同济大学学报(自然科学版). 2016(03)
[2]基于公交IC卡数据的上车站点推算研究[J]. 马晓磊,刘从从,刘剑锋,陈锋,于海洋. 交通运输系统工程与信息. 2015(04)
[3]道路交通安全规划理论研究前沿[J]. 黄合来,许鹏鹏,马明,ABDEL-ATY M. 中国公路学报. 2014(09)
[4]大数据时代的交通工程[J]. 王璞,黄智仁,龚航. 电子科技大学学报. 2013(06)
[5]考虑空间自相关的贝叶斯事故预测模型[J]. 黄合来,邓雪,许鹏鹏. 同济大学学报(自然科学版). 2013(09)
[6]利用公交刷卡数据分析北京职住关系和通勤出行[J]. 龙瀛,张宇,崔承印. 地理学报. 2012(10)
[7]交通事故宏观计量经济学模型(英文)[J]. 王军雷,孙小端,贺玉龙,侯树展. 交通运输工程学报. 2012(02)
[8]面向城市道路交通状态估计的数据融合研究[J]. 徐涛,杨晓光,徐爱功,张明月. 计算机工程与应用. 2011(07)
[9]基于融合技术的道路交通状态判别模型[J]. 邹亮,徐建闽,朱玲湘. 清华大学学报(自然科学版). 2007(S2)
[10]道路交通安全管理规划理论与应用研究[J]. 陆化普,周钱,徐薇. 中南公路工程. 2006(03)
博士论文
[1]智能公交系统数据挖掘研究与应用[D]. 高联雄.北京邮电大学 2011
硕士论文
[1]基于微博数据的深圳市居民生活空间研究[D]. 陈名娇.深圳大学 2017
[2]基于城市快速路和主干道多源交通检测信息的数据融合技术研究[D]. 邱奉翠.北京交通大学 2012
[3]基于数据融合的路段行程时间估计[D]. 徐桂鑫.山东大学 2012
本文编号：3270806
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：173 页
【学位级别】：博士
【部分图文】：
论文技术路线图
交通曝光(Traffic exposure)是影响城市路网交通事故风险最重要的变量。因为,理论上来讲,没有交通曝光便没有交通事故的发生。同时,交通曝光变量直接表征城市路网的交通运行状况和交通参与者的出行状况。因此,交通曝光评价的准确与否,直接影响城市路网交通事故风险模型结果的好坏。早期的城市路网交通事故建模中,常用的交通曝光变量有交通小区的年平均日交通量(Annual Average Daily Traffic,AADT)、车辆日平均行驶里程(Daily Vehicle Kilometers Traveled,DVKT)、机动车保有量、交通小区机动车出行发生量及吸引量,见图2-1所示。尽管上述的这些交通曝光变量在城市路网交通安全研究中取得了一定的效果,但是传统交通曝光变量的缺陷也较为明显。具体来说,小区的年平均日交通量、车辆日平均行驶里程以及小区的机动车出行发生量和吸引量,这些交通曝光变量的采集通常依赖城市范围内布设的传感设施,如环形线圈检测器以及车载微波,或者交通出行调查。但是由于资金的有限,城市范围内布设的交通传感设施通常非常稀疏。而传统的交通调查往往依赖大量的人力和物力,调查的覆盖范围也较为局限。因此,这些交通曝光变量在很大程度上不能表征城市路网的真实交通曝光值,大大影响了城市路网交通事故风险模型的准确性和有效性。其次,交通事故的发生与居民的出行活动紧密相关,不同目的的出行活动对城市路网的交通运行状态的影响程度是不同的,现有的交通曝光变量如AADT,DVKT都是将城市路网区域内的所有出行混杂在一起,无法剥离出不同类型的出行活动对城市路网交通安全的影响,大大制约了城市路网交通管控的准确性和实施效果。
道路因素对交通事故的影响主要体现在道路的等级、道路级配、几何特征、交叉口、道路限速值、路面状况以及道路交通设施等方面,见图2-2所示。影响路网交通事故分析的道路线形因素主要包括平面线形、纵断面线形、横断面及其组合,以及视距等。早期的交通安全研究发现,线形组合不协调是影响城市路网交通安全的重要因素,其影响程度要明显大于单个线形要素。美国通行能力手册(Highway Capacity Mannual,HCM)指出,事故的多发路段不是仅仅受单一的线形要素影响,根本原因是各类线形的组合不协调,比如连续同曲线的半径比过大、长直线接急转弯、交叉口路段等。这些组合使得驾驶员难以在短时间内准确做出判断,无法采取合理有效的措施,进而引发交通事故。因此,在进行城市路网道路交通事故风险建模时,道路的级配以及几何特征是非常重要的影响因素。早期的许多研究表明,交通小区内的交叉口数量越多,该小区发生交通事故的风险越高。因为交叉口是交通事故的多发点,尤其在信号交叉口,交通冲突明显增多,在一定程度上大大增加了城市路网的交通事故风险。
【参考文献】：
期刊论文
[1]不同区划方案对宏观交通事故建模的影响[J]. 黄合来,许鹏鹏,翟晓琪. 同济大学学报(自然科学版). 2016(03)
[2]基于公交IC卡数据的上车站点推算研究[J]. 马晓磊,刘从从,刘剑锋,陈锋,于海洋. 交通运输系统工程与信息. 2015(04)
[3]道路交通安全规划理论研究前沿[J]. 黄合来,许鹏鹏,马明,ABDEL-ATY M. 中国公路学报. 2014(09)
[4]大数据时代的交通工程[J]. 王璞,黄智仁,龚航. 电子科技大学学报. 2013(06)
[5]考虑空间自相关的贝叶斯事故预测模型[J]. 黄合来,邓雪,许鹏鹏. 同济大学学报(自然科学版). 2013(09)
[6]利用公交刷卡数据分析北京职住关系和通勤出行[J]. 龙瀛,张宇,崔承印. 地理学报. 2012(10)
[7]交通事故宏观计量经济学模型(英文)[J]. 王军雷,孙小端,贺玉龙,侯树展. 交通运输工程学报. 2012(02)
[8]面向城市道路交通状态估计的数据融合研究[J]. 徐涛,杨晓光,徐爱功,张明月. 计算机工程与应用. 2011(07)
[9]基于融合技术的道路交通状态判别模型[J]. 邹亮,徐建闽,朱玲湘. 清华大学学报(自然科学版). 2007(S2)
[10]道路交通安全管理规划理论与应用研究[J]. 陆化普,周钱,徐薇. 中南公路工程. 2006(03)
博士论文
[1]智能公交系统数据挖掘研究与应用[D]. 高联雄.北京邮电大学 2011
硕士论文
[1]基于微博数据的深圳市居民生活空间研究[D]. 陈名娇.深圳大学 2017
[2]基于城市快速路和主干道多源交通检测信息的数据融合技术研究[D]. 邱奉翠.北京交通大学 2012
[3]基于数据融合的路段行程时间估计[D]. 徐桂鑫.山东大学 2012
本文编号：3270806
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3270806.html
