面向 NSM 的高速公路大区段事故风险预测方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

面向 NSM 的高速公路大区段事故风险预测方法

吴佩洁, 孟祥海, 崔洪海

文章导航 > 交通信息与安全 > 2018 > 36(4): 7-14

吴佩洁, 孟祥海, 崔洪海. 面向 NSM 的高速公路大区段事故风险预测方法[J]. 交通信息与安全, 2018, 36(4): 7-14. doi: 10.3963/j.issn.1674-4861.2018.04.002

引用本文:

吴佩洁, 孟祥海, 崔洪海. 面向 NSM 的高速公路大区段事故风险预测方法[J]. 交通信息与安全, 2018, 36(4): 7-14. doi: 10.3963/j.issn.1674-4861.2018.04.002

WU Peijie, MENG Xianghai, CUI Honghai. A Crash Prediction Method for Long Segments on Freeways Based on Road Network Traffic Safety Management[J]. Journal of Transport Information and Safety, 2018, 36(4): 7-14. doi: 10.3963/j.issn.1674-4861.2018.04.002

Citation:

WU Peijie, MENG Xianghai, CUI Honghai. A Crash Prediction Method for Long Segments on Freeways Based on Road Network Traffic Safety Management[J]. Journal of Transport Information and Safety, 2018, 36(4): 7-14. doi: 10.3963/j.issn.1674-4861.2018.04.002

吴佩洁, 孟祥海, 崔洪海. 面向 NSM 的高速公路大区段事故风险预测方法[J]. 交通信息与安全, 2018, 36(4): 7-14. doi: 10.3963/j.issn.1674-4861.2018.04.002

引用本文:

吴佩洁, 孟祥海, 崔洪海. 面向 NSM 的高速公路大区段事故风险预测方法[J]. 交通信息与安全, 2018, 36(4): 7-14. doi: 10.3963/j.issn.1674-4861.2018.04.002

WU Peijie, MENG Xianghai, CUI Honghai. A Crash Prediction Method for Long Segments on Freeways Based on Road Network Traffic Safety Management[J]. Journal of Transport Information and Safety, 2018, 36(4): 7-14. doi: 10.3963/j.issn.1674-4861.2018.04.002

Citation:

WU Peijie, MENG Xianghai, CUI Honghai. A Crash Prediction Method for Long Segments on Freeways Based on Road Network Traffic Safety Management[J]. Journal of Transport Information and Safety, 2018, 36(4): 7-14. doi: 10.3963/j.issn.1674-4861.2018.04.002

面向 NSM 的高速公路大区段事故风险预测方法

doi: 10.3963/j.issn.1674-4861.2018.04.002

哈尔滨工业大学交通科学与工程学院哈尔滨 150090
哈尔滨工业大学交通科学与工程学院哈尔滨 150090
吉林省交通规划设计院长春130021

基金项目:

国家自然科学基金项目

辽宁省交通厅科技项目

中图分类号: U491
计量
- 文章访问数: 494
- HTML全文浏览量: 84
- PDF下载量: 4
- 被引次数: 0
出版历程
- 刊出日期: 2018-08-28

A Crash Prediction Method for Long Segments on Freeways Based on Road Network Traffic Safety Management

摘要: 为探究路网交通安全管理(NSM )中的事故风险预测方法,以国内高速公路的大区段路段为研究对象,首先分别采用系统聚类、k-means动态聚类和二阶聚类方法对路段进行聚类,确定最优聚类方法和聚类数量,然后对"同质性路段"分别建立负二项回归、贝叶斯负二项回归、随机或固定效应的负二项回归和多层混合效应负二项回归4种模型,通过精度评价指标选择出最优的事故预测模型,最后计算出相应路段的事故风险大小并识别出事故多发路段.结果表明:选择最优的聚类方法和聚类数量相较于未聚类的情况将有效提高事故预测的拟合精度,其均方方差下降了64% .当选择二阶聚类方法且聚类数量为3时,"同质性路段"负二项回归的事故模型拟合精度最高,其模型的赤池信息量 A IC为464 .79 ,贝叶斯信息量 BIC为476 .98 ,均方方差为99 .22 .在4种事故预测模型中,负二项回归具有良好的预测精度,其预测结果的均方方差最小,为108 .64 .采用统计学方法识别"同质性路段"的事故多发路段,共识别出辽宁省22条事故多发路段.
- 交通安全 /
- 高速公路 /
- 事故风险预测 /
- 负二项回归 /
- 路网交通安全管理

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 494
HTML全文浏览量: 84
PDF下载量: 4
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发