摘要
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。
学科与关键词
关键词
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 safetyfreewaynasty weatherreal time crash riskLogistic regression model
- 山区公路交通事故多要素风险综合分析方法:以山区雨雾天气为例温惠英; 薛刚中国安全科学学报, 2019, (09): 161-166.
- 基于大数据的高速公路交通事故分析系统研究周旭; 彭翔; 宋灿灿; 王维利上海公路, 2020, (04): 1-3+148.
- 高速公路常发拥堵路段追尾事故风险实时预测李志斌; 刘攀; 金茂菁; 徐铖铖吉林大学学报(工学版), 2012, (06): 1482-1487.
