CN1932923A - 道路交通事故多发路段鉴别方法 - Google Patents
道路交通事故多发路段鉴别方法 Download PDFInfo
- Publication number
- CN1932923A CN1932923A CNA200610113504XA CN200610113504A CN1932923A CN 1932923 A CN1932923 A CN 1932923A CN A200610113504X A CNA200610113504X A CN A200610113504XA CN 200610113504 A CN200610113504 A CN 200610113504A CN 1932923 A CN1932923 A CN 1932923A
- Authority
- CN
- China
- Prior art keywords
- accident
- road
- traffic
- frequency
- signifiance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 206010039203 Road traffic accident Diseases 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title abstract description 22
- 230000001186 cumulative effect Effects 0.000 claims description 17
- 238000012850 discrimination method Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
一种道路交通事故多发路段鉴别方法,涉及道路交通安全领域。目前应用最广泛的事故数据统计分析法,有其自身的适用条件和不足。本发明使用α-γ双指标来鉴别道路交通事故多发路段,给定显著水平α,按照泊松概率公式或者根据频率累计图,计算显著水平α下的高事故次数临界值γ和高事故率临界值R后,将待鉴别路段的交通事故次数和交通事故率同临界值γ和R进行比较,得到道路交通事故多发路段的判别结果。本发明使得道路交通事故多发路段的鉴别更加完整、可靠。
Description
技术领域
本发明涉及道路交通安全领域,更涉及该领域中一种完整可靠的道路交通事故多发路段鉴别方法。
背景技术
在道路安全改善项目中的第一步,也是最关键的一步,就是确定急需改善的事故多发路段的位置。目前应用最广泛的方法是事故数据统计分析法,根据对事故数据统计处理判别指标和判别方法的不同,又分为很多种不同的方法,但是这些方法都有各自的适用条件和不足。
绝对数方法又分为事故次数法和事故率法。事故次数法没有考虑交通量、事故严重程度等因素,单独使用对反映事故状况具有片面性,需大量和长时间的调查统计;同时事故次数的多少缺少理论上的严密性,划分事故多发路段受人为主观因素影响较大。事故率法在事故次数法的基础上考虑了交通量和路段长度两个重要因素的影响,但仍未在理论上找到严密的划分事故多发路段的依据。
概率统计分布法理论严密,但实用条件苛刻。一是按平均路段长度统计出的事故数在一些道路上并不符合泊松分布,因此不可能被广泛地推广应用;另外,也不能千篇一律地确定一个数值,未考虑全国区域、地区的差异。
累计频率法没有考虑交通量因素和事故的严重程度,同时以累计频率拟合曲线的突变点作为界定事故多发路段的标准虽有一定的数学理论依据,但该方法仅适合于道路条件相似的拟合曲线具有拐点(突变)的情况,在实际中无法解释其实际意义。
发明内容
本发明的目的是提供一种道路交通事故多发路段鉴别方法,使得道路交通事故多发路段鉴别更加完整、可靠。
本发明是一种道路交通事故多发路段的鉴别方法,其特征在于:它包括以下步骤:
1)利用设置在道路上的检测设备检测收集待鉴别路段的道路交通事故数和交通量数据,交通事故数是指待鉴别路段在一个统计周期内和公路里程数相对应的交通事故次数,将交通事故次数除以该路段的交通量,为该路段的交通事故率;
2)利用计算机读取道路交通事故数和交通量数据,利用统计分析软件判别交通事故数和事故率是否符合泊松分布,可以利用现有的统计软件SAS中的泊松分布卡方检验模块(Chi-square)实现;
3)当交通事故数和事故率符合泊松分布时,给定显著水平α,按照泊松概率公式(1)计算显著水平α下的高事故次数临界值γ和高事故率临界值R;
其中:X-事故发生次数,
γ-事故次数临界值,
λ-泊松分布参数,K为非负整数,
当交通事故数和事故率不符合泊松分布时,按照常规的统计方法,分别计算相同事故数和相同事故率发生的频率,并按照事故数和事故率从小到大顺序分别将其频率累计相加,得到累计事故频率和累计事故率频率,给定显著水平α后,与(1-α)等值的累计频率所对应的事故数和事故率即为临界值γ、R;
4)将待鉴别路段的交通事故次数和交通事故率同显著水平α下对应的临界值γ和R进行比较,如果交通事故次数和交通事故率皆大于显著水平α下对应的临界值γ和R,或者二者之一大于显著水平α下的对应值,即判定该路段为事故多发路段。
所述的设置在道路上的检测设备为MetroCount5600路旁单元或者车辆磁映像交通流量与分析仪NC97。
本发明使用α-γ双指标来鉴别道路交通事故多发路段,其有益效果主要体现在:
1.当事故数和事故率符合泊松分布时,同时考虑交通量的影响,避免了只用事故次数判别的主观性,从而避免了把高事故次数低事故率的路段误判定为事故多发路段,同时增强了对低事故次数高事故率路段的鉴别。
2当事故数和事故率不符合泊松分布时,该方法拓宽了交通事故累计频率法。
附图说明
图1为本发明操作流程图;
图2实施例2中的交通事故累计频率图。
具体实施方式
实施例1事故数和事故率符合泊松分布的例子
交通事故数是指待鉴别路段在一个统计周期内和公路里程数相对应的交通事故次数,本例中以长1Km路段上发生的事故数为统计单位,道路类型为汽车专用公路。其他道路类型的划分如表1所示。对应第二类道路类型城市道路,在鉴别道路交通事故多发路段时用“长度小于L且已发生事故数≥2的路段”代替“长度1Km路段”,其他步骤不变即为城市道路多发点判定准则。其中的L是指城市交叉路口间距:次干道30m,主干道60m。
表1道路类型
类型 | 道路特征 |
1234 | 汽车专用公路包括高速公路、一级公路、二级汽车专用公路城市道路不包括郊县公路,其特征是交叉口密度大二、三级公路四级、等外公路 |
1)给定显著水平α=0.05下,计算高事故次数临界值γ的泊松概率公式如公式(2)所示:
其中:X-事故发生次数;
γ-高事故次数临界值;
λ1-泊松分布参数,可用区域内所研究道路类型一个周期内发生的事故总数除以该类型道路总里程,得到λ1的估计值。本例中的λ1估计值为0.8。
所以γ=3,即事故次数临界值为3。则所有事故发生数≥3的路段就需要进一步考察事故率情况,从而完全确定事故多发路段。
2)给定α=0.01下,计算高事故率临界值R,如公式(3)所示:
其中:Y-事故率;
R-高事故率临界值;
λ2-泊松分布参数,可用区域内所研究道路类型一个周期内的事故率除以该类型道路总里程,得到λ2的估计值。
本例中λ2的估计值为0.8。所以R=4。
本例为避免事故率数值偏小,采用
的形式。
当待鉴别路段的事故次数≥3,事故率≥4时,我们就判定该路段事故多发路段。避免了只用事故次数判别的主观性;同时考虑交通量的影响,避免了把高事故次数低事故率的路段误判定为事故多发路段,同时增强了对低事故次数高事故率路段的鉴别。
实施例2事故数和事故率不符合泊松分布的例子:
对于事故数和事故率不符合泊松分布的情况,把待研究道路按每1Km长度划分成若干小路段,找出发生事故数相等的小路段个数,即某一事故数在待研究道路上发生的频数,用该事故频数除以总的小路段个数求得该事故数的频率,把频率按照事故数从小到大累计相加得交通事故数累计频率。给定显著水平α后,与(1-α)等值的累计频率所对应的事故数即为临界值γ。把事故数除以交通量得事故率,找出事故率相等的小路段个数,除以总的小路段个数求得事故率观测频率,按照事故率从小到大把观测频率累积相加得交通事故率累计频率。给定显著水平α后,与(1-α)等值的累计频率所对应的事故率即为临界值R。
宁夏境内109国道的事故数经统计分析并不表现出概率统计上的泊松分布,其事故统计及计算如表2所示,图2为交通事故次数频率累计图。
给定显著水平α=0.05,1-α=0.95,即与横轴累计频率95%所对应的事故次数为临界值γ,从表2和图2中,得γ=15。
给定显著水平α=0.10,1-α=0.90,即与横轴累计频率90%所对应的事故数为临界值γ,从表2和图2中,得γ=13。
高事故率临界值R的计算方法相似。
给定显著水平0.05后,发生事故次数≤15的路段占总数的95%,故把事故次数>15这些路段作为异常点,再和高事故率临界值R相比较,最终确定事故多发路段的位置。该方法拓宽了累计频率法,不再受限于累计频率曲线有拐点的情况。
表2宁夏境内109国道事故统计及计算表
事故数X | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |
事故频数f | 8 | 19 | 20 | 41 | 31 | 20 | 18 | 13 | 10 | 8 | |
频率(%) | 3.3 | 7.9 | 8.3 | 17 | 12.9 | 8.3 | 7.5 | 5.4 | 4.1 | 3.3 | |
累计频率(%) | 3.3 | 11.2 | 19.5 | 36.5 | 49.4 | 57.7 | 65.2 | 71 | 75 | 78 | |
事故数X | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | |
事故频数f | 10 | 7 | 4 | 4 | 6 | 6 | 4 | 4 | 4 | 4 | ∑f=241 |
频率(%) | 4.1 | 2.9 | 1.7 | 1.7 | 2.5 | 2.5 | 1.7 | 1.7 | 1.6 | 1.6 | |
累计频率(%) | 82.1 | 85 | 86.7 | 88.4 | 90.9 | 93.4 | 95.1 | 96.8 | 98.4 | 100 |
Claims (2)
1.一种道路交通事故多发路段的鉴别方法,其特征在于,它包括以下步骤:
1)利用设置在道路上的检测设备检测收集待鉴别路段的道路交通事故数和交通量数据,将交通事故次数除以该路段的交通量,得到该路段的交通事故率;
2)利用计算机读取道路交通事故数和交通量数据,并判别交通事故数和事故率是否符合泊松分布;
3)当交通事故数和事故率符合泊松分布时,给定显著水平α,按照泊松概率公式(1)计算显著水平α下的高事故次数临界值γ和高事故率临界值R;
其中:X-事故发生次数,
γ-事故次数临界值,
λ-泊松分布参数,K为非负整数,
当交通事故数和事故率不符合泊松分布时,分别计算相同事故数和相同事故率发生的频率,并按照事故数和事故率从小到大顺序分别将其频率累计相加,得到累计事故频率和累计事故率频率,给定显著水平α后,与(1-α)等值的累计频率所对应的事故数和事故率即为临界值γ、R;
4)给定显著水平α时,将待鉴别路段的交通事故次数和交通事故率同显著水平α下对应的临界值γ和R进行比较,如果交通事故次数和交通事故率皆大于显著水平α下对应的临界值γ和R,或者二者之一大于显著水平α下的对应值,即判定该路段为事故多发路段。
2.根据权利要求1所述的一种道路交通事故多发路段的鉴别方法,其特征在于所述的设置在道路上的检测设备为MetroCount5600路旁单元或者车辆磁映像交通流量与分析仪NC97。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200610113504XA CN100454354C (zh) | 2006-09-29 | 2006-09-29 | 道路交通事故多发路段鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB200610113504XA CN100454354C (zh) | 2006-09-29 | 2006-09-29 | 道路交通事故多发路段鉴别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1932923A true CN1932923A (zh) | 2007-03-21 |
CN100454354C CN100454354C (zh) | 2009-01-21 |
Family
ID=37878732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200610113504XA Expired - Fee Related CN100454354C (zh) | 2006-09-29 | 2006-09-29 | 道路交通事故多发路段鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100454354C (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833610A (zh) * | 2010-04-09 | 2010-09-15 | 北京工业大学 | 事故黑点鉴别优化方法 |
CN102034009A (zh) * | 2010-12-20 | 2011-04-27 | 东南大学 | 基于当量道路事故数法的事故多发路段鉴别设备 |
CN102254430A (zh) * | 2011-06-03 | 2011-11-23 | 东南大学 | 一种利用交通冲突判别事故易发路段的方法 |
CN102360525A (zh) * | 2011-09-28 | 2012-02-22 | 东南大学 | 基于判别分析的快速道路实时交通事故风险预测方法 |
CN102402715A (zh) * | 2010-09-13 | 2012-04-04 | 方正国际软件有限公司 | 事发热点区域呈现方法及装置 |
CN102855395A (zh) * | 2012-08-16 | 2013-01-02 | 长安大学 | 一种道路交通事故多发位置鉴别方法 |
CN103366551A (zh) * | 2012-04-05 | 2013-10-23 | 郭海锋 | 一种道路交通安全评价方法 |
CN103955596A (zh) * | 2014-03-14 | 2014-07-30 | 安徽科力信息产业有限责任公司 | 一种基于交通事故采集技术的事故热点综合判定方法 |
CN104392076A (zh) * | 2014-12-16 | 2015-03-04 | 东南大学 | 城市路网行人交通事故黑点识别方法 |
CN106875687A (zh) * | 2017-04-24 | 2017-06-20 | 哈尔滨工业大学 | 一种基于滑动窗法的事故多发路段自动鉴别方法 |
CN106935030A (zh) * | 2017-03-31 | 2017-07-07 | 青岛海信网络科技股份有限公司 | 一种高速公路安全隐患路段识别方法和装置 |
CN115240407A (zh) * | 2022-06-10 | 2022-10-25 | 深圳市综合交通与市政工程设计研究总院有限公司 | 交通事故黑点的鉴别方法、装置、电子设备及存储介质 |
-
2006
- 2006-09-29 CN CNB200610113504XA patent/CN100454354C/zh not_active Expired - Fee Related
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833610A (zh) * | 2010-04-09 | 2010-09-15 | 北京工业大学 | 事故黑点鉴别优化方法 |
CN102402715A (zh) * | 2010-09-13 | 2012-04-04 | 方正国际软件有限公司 | 事发热点区域呈现方法及装置 |
CN102034009A (zh) * | 2010-12-20 | 2011-04-27 | 东南大学 | 基于当量道路事故数法的事故多发路段鉴别设备 |
CN102034009B (zh) * | 2010-12-20 | 2012-07-18 | 东南大学 | 基于当量道路事故数法的事故多发路段鉴别设备 |
CN102254430A (zh) * | 2011-06-03 | 2011-11-23 | 东南大学 | 一种利用交通冲突判别事故易发路段的方法 |
CN102360525B (zh) * | 2011-09-28 | 2013-10-16 | 东南大学 | 基于判别分析的快速道路实时交通事故风险预测方法 |
CN102360525A (zh) * | 2011-09-28 | 2012-02-22 | 东南大学 | 基于判别分析的快速道路实时交通事故风险预测方法 |
CN103366551A (zh) * | 2012-04-05 | 2013-10-23 | 郭海锋 | 一种道路交通安全评价方法 |
CN102855395A (zh) * | 2012-08-16 | 2013-01-02 | 长安大学 | 一种道路交通事故多发位置鉴别方法 |
CN103955596A (zh) * | 2014-03-14 | 2014-07-30 | 安徽科力信息产业有限责任公司 | 一种基于交通事故采集技术的事故热点综合判定方法 |
CN103955596B (zh) * | 2014-03-14 | 2017-09-22 | 安徽科力信息产业有限责任公司 | 一种基于交通事故采集技术的事故热点综合判定方法 |
CN104392076A (zh) * | 2014-12-16 | 2015-03-04 | 东南大学 | 城市路网行人交通事故黑点识别方法 |
CN106935030A (zh) * | 2017-03-31 | 2017-07-07 | 青岛海信网络科技股份有限公司 | 一种高速公路安全隐患路段识别方法和装置 |
CN106875687A (zh) * | 2017-04-24 | 2017-06-20 | 哈尔滨工业大学 | 一种基于滑动窗法的事故多发路段自动鉴别方法 |
CN106875687B (zh) * | 2017-04-24 | 2020-01-14 | 哈尔滨工业大学 | 一种基于滑动窗法的事故多发路段自动鉴别方法 |
CN115240407A (zh) * | 2022-06-10 | 2022-10-25 | 深圳市综合交通与市政工程设计研究总院有限公司 | 交通事故黑点的鉴别方法、装置、电子设备及存储介质 |
CN115240407B (zh) * | 2022-06-10 | 2024-01-12 | 深圳市综合交通与市政工程设计研究总院有限公司 | 交通事故黑点的鉴别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN100454354C (zh) | 2009-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1932923A (zh) | 道路交通事故多发路段鉴别方法 | |
WO2020244288A1 (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
CN108550263B (zh) | 一种基于故障树模型的高速公路交通事故成因分析方法 | |
CN111460551B (zh) | 二维车辆超限荷载谱的模拟、分级和编制方法 | |
CN114783183A (zh) | 一种基于交通态势算法的监控方法与*** | |
CN102663252B (zh) | 地下道路复合式路面使用性能评估方法 | |
CN103413263A (zh) | 旅行时间指数熵交通运行评价方法 | |
CN110807919A (zh) | 基于过车数据的城市路网交通运行态势评价方法 | |
CN103593973A (zh) | 一种城市道路交通态势评估*** | |
CN113935090B (zh) | 一种用于桥梁车致疲劳分析的随机车流精细模拟方法 | |
Biswas et al. | Assessment of level-of-service on urban arterials: a case study in Kolkata metropolis | |
CN108922170B (zh) | 一种基于电子警察抓拍数据的交叉口安全评价方法 | |
CN113313357A (zh) | 一种基于高斯过程回归分析的交通道路安全评价方法 | |
CN101075377A (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN113919731A (zh) | 一种基于交通冲突的快速路交织区安全评价方法 | |
CN102789690A (zh) | 违法车辆甄别方法及*** | |
CN109101734B (zh) | 一种连续刚构桥梁下挠风险的预测方法 | |
Lim et al. | Identifying High-Crash-Risk Intersections: Comparison of Traditional Methods with the Empirical Bayes–Safety Performance Function Method | |
CN115762140B (zh) | 一种考虑变量异质性的高速公路交通事故风险预测方法 | |
Chen et al. | The impact of truck proportion on traffic safety using surrogate safety measures in China | |
CN116246491B (zh) | 基于轨迹特征挖掘的追尾风险路段动态识别与管控方法 | |
Coburn et al. | Injury outcomes and costs for work zone crashes | |
CN113920725B (zh) | 一种基于中观层面的城郊主干道事故预测方法及存储介质 | |
Wang et al. | Identification of risk sources of abnormal driving vehicles of expressway in port city | |
Vijay et al. | Examining Crash Variable Based on Collision Type for PredictingCrash Severity on Urban Highways |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090121 Termination date: 20140929 |
|
EXPY | Termination of patent right or utility model |