恶劣天气下高速公路实时事故风险预测模型

作者：徐铖铖; 刘攀; 王炜; 李志斌

来源：吉林大学学报(工学版), 2013, (01): 68-73.

• 交通运输安全工程
• 高速公路
• 恶劣天气
• 实时事故风险
• Logistic回归模型 engineering of communications and transportation safety
• freeway
• nasty weather
• real time crash risk
• Logistic regression model

先提取了美国加州I-880N高速公路上一段长为23km路段的实时交通流数据、事故数据和气象数据。然后采用Logistic模型建立了基于交通流数据和气象数据的事故风险预测模型。研究结果表明:天气条件对事故风险有显著影响,在雨天和雾天的比值比(Odds ratios)分别为6.4和4.4时,事故风险性分别提高了5.4和3.4倍。最后建立了不含天气参数的事故风险预测模型,结果表明:含有天气参数的实时事故风险模型预测精度为71.7%,不含天气参数的模型预测精度为66.5%,表明天气条件可以显著提高实时事故风险模型的预测精度。

• 单位
  东南大学