基于交通事故分析的山区高速公路交通安全预测研究

发布时间：2021-07-09 22:21

　　高速公路作为客运及货运最主要的运输载体,其交通安全一直是备受关注的热点。为提高山区高速公路的交通安全性,本文通过挖掘山区高速公路交通事故与其影响因素之间的关系,分别从交通事故数和事故严重程度两方面对山区高速公路的交通安全进行预测。基于重庆市高速公路交通事故数据,运用统计回归的方法建立山区高速公路交通事故数和事故严重程度预测模型,达到降低交通事故率、减少事故损失的目的。本文得到了以下主要成果:（1）结合卫星地图和微分理论设计了一套道路几何线形数据计算方法,据此计算得到了4条重庆市高速公路的几何线形数据,并基于线形指标一致的原则划分了事故数预测单元,验证了高速公路的预测单元事故数服从负二项分布。（2）根据路段事故数的统计分布特征建立了基于负二项回归的事故数预测模型。模型拟合结果表明路段长度、直线段长度、纵坡坡长、平曲线半径和平曲线偏角5项几何线形指标对预测单元事故率具有显著影响,且对预测单元事故数的影响程度依次降低。通过似然比检验和模型拟合优度检验,证明了负二项回归模型拟合效果优于泊松回归和零膨胀负二项回归模型。比较分析模型和实际数据反映的自变量与路段事故数之间的关系,以及路段单元整体事故... 

【文章来源】：重庆交通大学重庆市

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

平曲线微元计算示意图

223.1.2纵坡线形由于各地图软件的高程数据精度有限，19级地图也只能提取邻域约40米的高程数据，且获取的为地表高程，无法真实的还原高速公路的竖曲线线形，故只考虑根据地形图中高速公路的地势走向划分上坡、下坡路段，以此来表示纵坡线形。纵坡线形的判别同样包括地图标定、坐标转换和微元计算三部分，其中地图标定和坐标转换两个过程与平曲线线形的计算过程几乎一致。纵坡线形的地图标定过程相比平曲线线形，只需要在地图标定过程中再提取一组高程数据，并与各测点的桩号相对应即可。高程数据点提取的密度由该段高速公路的地形图精度而定，最小间距不小于40米。微元计算部分则是根据提取到的坐标和高程数据，由公式3.11计算相邻点之间的坡度，即高程微元段的坡度，高程微元区段的划分间隔应由高程数据点的提取间隔决定。坡度小于0，代表该区段为下坡；坡度大于0，代表该区段为上坡；若坡度超过±8%，则代表此处为桥梁或隧道区段，由±1%的纵坡替代。ii1iihhgdL=（3.11）3.2计算结果的准确性分析本文以一条长55km的重庆市内的高速公路为例，利用上述计算方法得到该段路的计算几何线形数据，并将其与该段路设计文件中的线形数据对比，分析计算结果的准确性，以此验证本文使用的几何线形计算方法是否适用。（1）利用Googleearth和奥维互动地图标定该段高速公路（见图3.2），以10米为间隔提取道路沿线各点的经纬度坐标，每隔40米提取道路沿线各点的高程数据，如表3.1、表3.2所示。图3.2高速公路卫星地图标定

32图3.3计算纵坡指标与设计纵坡指标相关性分析结果图3.4计算平曲线指标与设计平曲线指标相关性分析结果从图中可知，计算平曲线长度与设计平曲线长度的相关性系数为0.89，计算平曲线偏角与设计平曲线偏角的相关性系数为0.96，计算平曲线半径与设计平曲线半径的相关性系数为0.3；计算纵坡长度与设计纵坡长度的相关性系数为0.95，计算纵坡坡度与设计纵坡坡度的相关性系数为0.94。根据图中的星号角标可知，除平曲线半径外的4个线形参数均为显著相关。表3.8更直观的描述了计算线形数据和


本文编号：3274610