论文部分内容阅读
我国高速公路近年来的交通安全形势有所改善,但群死群伤事件仍时有发生,交通安全问题依然突出。为加强高速公路交通安全管理,可通过事故预测进行事故发生原因分析,从而预判事故发生规律并制定针对性措施,降低事故率及事故发生严重程度。因此本文基于事故数据统计分析及神经网络技术开展高速公路事故预测研究。基于事故数据的统计分布特性及神经网络技术,本文对高速公路事故预测展开研究,给出了各条高速公路的统计分布特性并基于此提出了基于负二项回归分析的变量选择方法,分别构建了山岭重丘区、平原微丘区高速公路神经网络事故预测模型,提出了基于敏感性分析的网络模型验证方法,最终通过模型的应用验证了模型的可靠性与可移植性。由于高速公路地形条件主要分为平原微丘区和山岭重丘区两类,且这两类地形条件下的高速公路设计标准存在差异,其事故影响因素也有所不同,因此本文考虑了高速公路地形条件,分别对山岭重丘区及平原微丘区事故预测模型的构建进行研究。首先,选择了辽宁省及广东省的9条高速公路作为本文的研究对象,并对其事故数据及其关联数据进行处理与组织,根据公路几何线形按同质法将高速公路划分成满足研究需求的事故预测单元,据此构建包含事故数据及其关联数据的山岭重丘区、平原微丘区高速公路交通事故基础数据系统。其次,分别对各条高速公路进行事故数据统计分布特性研究,研究结果表明基于几何线形划分的高速公路事故预测单元事故数主要服从负二项分布。据此,选择根据负二项分布进行事故影响因素的分析及变量选择工作。分别分析山岭重丘区及平原微丘区高速公路各影响因素与预测单元事故数之间的统计关系,确定理想线形标准,根据理想线形标准提出预测单元指标空值项的合理赋值方法,从而使其满足变量选择算法要求,最后基于负二项回归分别完成了山岭重丘区、平原微丘区预测模型自变量的选择。然后,根据所研究问题特性,采用Elman神经网络标定山岭重丘区及平原微丘区高速公路神经网络事故预测模型,分别进行模型的训练与测试,由测试结果可知,这两类地形条件下预测模型网络的泛化能力均较强。通过已标定完成的事故预测模型分析各输入变量的灵敏度,从而确定各变量与预测单元事故数的内在规律,从交通安全机理角度验证了这两类模型均具有正确性与有效性。最终,分别对山岭重丘区、平原微丘区事故预测模型进行应用分析,应用平均相对误差分别为8.705%和6.651%。应用结果表明这两类地形条件下的事故预测模均型具有一定的有效性和较大的可移植性。