城市快速路实时交通流运行安全主动风险评估-论文.pdf

城市快速路实时交通流运行安全主动风险评估-论文.pdf

ID:53754219

大小:524.34 KB

页数:7页

时间:2020-04-23

城市快速路实时交通流运行安全主动风险评估-论文.pdf_第1页
城市快速路实时交通流运行安全主动风险评估-论文.pdf_第2页
城市快速路实时交通流运行安全主动风险评估-论文.pdf_第3页
城市快速路实时交通流运行安全主动风险评估-论文.pdf_第4页
城市快速路实时交通流运行安全主动风险评估-论文.pdf_第5页
资源描述:

《城市快速路实时交通流运行安全主动风险评估-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第42卷第6期同济大学学报(自然科学版)Vo1.42No.62014年6月JOURNALOFTONGJIUNIVERSITY(NATURALSCIENCE)Jun.2014文章编号:0253—374X(2014)06—0873—07DOI:10.3969/j.issn.0253—374x.2014.06.008城市快速路实时交通流运行安全主动风险评估孙剑,孙杰(同济大学道路与交通工程教育部重点实验室,上海201804)摘要:基于上海市快速路系统采集的线圈检测器数据和事故theBNmodeladoptingthenearestdetectordataupstreamand数据,应用贝叶斯网络

2、(BN)模型对快速路实时交通流参数与downstreamoftheaccidentsitewithin5to10minutesbefore事故风险进行建模分析,并利用可有效应对缺失数据的高斯theaccidentperformsthebestandtheaccidentprediction混合模型和最大期望算法分别对BN模型输入和参数进行估accuracyisupt076.94%.Atlast,acomparativestudywas计,进而主动评估快速路实时交通流运行安全风险,并对事madeoftheclassicalaccidentriskestimationalgorithmsinc

3、ludingnaiveBayesclassifier,Knearestneighborandback故状态提前做出预警.分别对可能事故点前后2组检测器和propagation(BP)neuralnetworkaswellastheexistingreal—42个时间段的8组交通流数据进行了建模,结果表明使用事timeriskassessmentstudies.Andtheresultsshowthatthe故发生地点上下游各一个检测器在事故发生前5~10min内BNmodelobtainsthebestpredictiveresults.的交通流数据建立的BN模型效果最好,事故预测准确率为

4、76.94.最后不仅与朴素贝叶斯分类、K近邻、反向传播Keywords:urbanexpressway;trafficaccident;Bayesian(BP)神经网络等经典事故风险估计算法进行了对比分析,还network(BN);detectordata;proactiveassessmentof与现有的实时风险评估成果进行了对比,结果表明BN模型accidentrisk预测效果最好.关键词:城市快速路;交通事故;贝叶斯网络;检测器数据;快速路是城市交通的主骨架,承担着大量的城主动风险评估市机动化交通.据统计,北京城市快速路系统总长度中图分类号:U121文献标志码:A约380km,只占城

5、市路网总长度的8,但却承担了城市日机动车出行量的50以上l_l;上海中心城区ProactiveAssessmentofRea1.timeTrafficFlow近8的快速道路承担超过30以上的车公里出AccidentRiskonUrbanExpressway行.另一方面,偶发性交通事故不仅造成人员及财产SJian.SUNJie损失,同时亦是快速路交通拥堵的重要致因.尤其是(KeyLaboratoryofRoadandTrafficEngineeringoftheMinistryof在高峰时段,虽然事故严重程度低,但是由此引起的Education,TongjiUniversity,Shangh

6、ai201804,China)交通拥堵和延误会极大地浪费社会成本.而据美国联邦公路局的统计,由于交通事故/事件引起的拥堵Abstract:Basedondual—loopdetectordataandaccidentdata约占总拥堵的25E23.现有研究多关注于事故发生collectedonShanghaiexpressway,theBayesiannetworks(BN)modelwasadoptedforthemodelingandanalysisofreal—后的自动判别及拥堵蔓延,但是对于事故发生前的timetrafficflowparametersandaccidentrisk

7、on交通状态与事故发生的相互关系则关注较少.近年expressways.Gaussianmixturemode1andtheexpectation—来研究表明,交通运行状态与事故风险存在着关联maximizationalgorithmwhichcouldeffectivelydealwiththe关系.Lee等[3]认为交通流在短期内的变化对事故的missingdatawerealsousedintheparameter

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。