基于支持向量机的高速公路实时事故风险研判.pdf

第 45卷第 3期 同济 大 学 学 报 (自然 科 学 版) Vol_45No．3 2017年 3月 JOURNALOFTONGJIUNIVERSITY(NATl瓜AI，SCIENCE) Mar．2017 文章编号：0253—374X(2017)O3—0355—07 基于支持 向量机的高速公路实时事故风险研判 游锦明，王俊骅 ，唐 棠，方守恩 (同济大学 道路与交通工程教育部重点实验室，上海 201804) 摘要：采用G6O高速公路 (上海段)上布设的单组线圈检测 crashrisk；supportvectormachines 器检测的车道级交通流数据对该路段上发生追尾事故可能 性进行研究．通过配对案例对照的方法，分别对事故前5～1O rain，10～15min和 15~20min的交通流数据建立了追尾事 高速公路交通安全 由于其发生事故的随机性和 故实时预测支持向量机模型．结论表明基于事故前 5～1o 严重性，一直是交通安全领域研究的一个热 门方向． min的交通流数据构建的支持向量机分类器能够有效的对事 在高速公路事故中，追尾事故发生的频率最高，而且 故进行实时预测，总体事故预测精度为 84．85 ，误报率为 往往导致大面积的交通拥堵和严重的人员财产损 0．33 ，该支持向量机分类器具有较高的实用价值 ，同时也 失，因此一直 以来追尾事故都是高速公路安全研究 表明了基于单流量检测器的交通流数据对事故进行实时预 测的可靠性． 的一个热点话题．追尾事故因素主要 由驾驶人、车辆 特性、动态交通流、道路环境等因素构成． 关键词：高速公路；追尾事故；实时研判；事故风险；支持向量 传统的高速公路追尾事故安全研究集中在道路 机 安全评价及微观行车风险研究．基于道路安全评价 中图分类号：U491 文献标志码：A 的研究主要从道路安全审计的角度采用历史事故资 料及高速公路运营数据研究速度与事故率之间的关 Support Vector Machines Approach for 系 ，继而提出针对道路线形和安全设施 的改善建议 PredictingReal-timeRear-endCrashRisk on 和交通管控方法．该方法只能进行事后改善，不能对 Freeways 高速公路交通运行风险实时做 出评价，也不能从根 YOUJinming，WANGJunhua，TANG ，FAN GShouen 本上解决我国高速公路现阶段管理 中存在的滞后 (KeyLaboratoryofRoadandTrafficEngineeringoftheMinistryof 性。微观行车风险研究主要通过仿真软件从车辆运 Education，TongjiUniversity，Shanghai201804，China) 动状态人手分析高速公路跟驰状态下追尾事故发生 的机理．在实际管理工作中，由于受周边车辆信息采 Abstract．．Thepaperaimstostudytherelationshipbetween rear．endcrashpotentialand1ane．1eveltrafficdatac