基于监控数据的高速公路实时事故风险模型

摘要：

近年来,高速公路事故发生率高居不下.同时,对于高速公路而言,其交通流检测器安装又较为普遍.因此研究如何深入挖掘交通流检测数据以实现对高速公路事故风险实时预测很有必要.基于美国加州2012年发生事故最多的4条高速公路I5,I10,I405和I15的全年事故数据和交通流数据,以病例对照基本思路选取事故组和对照组数据,选定交通流数据研究范围,并选用ADASYN算法处理不平衡数据集问题.基于随机森林模型,利用事故发生前10～40 min内的事故地上游4个检测器、下游2个检测器的3种基本交通流数据构建高速公路实时事故风险模型,事故预测准确率可达到88.02％.选取重要性前十的变量作为事故重要诱导因素,对事故重要诱导因素进行调值,将调值后的测试集放入之前构建的随机森林模型进行分类预测,结果显示减少了41.82％的事故,故可认为利用事故重要诱导因素可进行事故先兆预警工作,从而减少事故的发生.

关键词：交通安全、高速公路、实时事故风险、随机森林、事故重要诱导因素

所属期刊栏目：35

分类号：U491.31(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目71671126

在线出版日期：2018-05-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：11-17,36