智能交通系統(tǒng)數(shù)據(jù)分析課件9第九章

1、安全應(yīng)用的數(shù)據(jù)分析9.1簡(jiǎn)介眾所周知，大多數(shù)公路上的交通事故是人為錯(cuò)誤造成的。在警察的事故報(bào)告中并沒(méi)有詳細(xì)地描述這些人為錯(cuò)誤，而事故報(bào)告通常是許多交通安全研究的主要數(shù)據(jù)來(lái)源。本章將首先匯總主題涉及公路安全的相關(guān)研究，因缺乏詳細(xì)數(shù)據(jù)導(dǎo)致的現(xiàn)有交通安全研究局限性及因移動(dòng)設(shè)備和傳感器技術(shù)的發(fā)展而帶來(lái)的機(jī)遇將在后續(xù)被論證。9.2安全研究概述9.2.1人為因素：研究交通安全中人為因素影響的主要目的是為了了解不同環(huán)境、車輛和道路設(shè)計(jì)、交通狀況及駕駛?cè)松硇臓顩r如何影響駕駛?cè)笋{駛表現(xiàn)。鑒于大多數(shù)公路交通安全事故是由人為錯(cuò)誤引起的，因此許多已有研究多圍繞能見(jiàn)度和照明、人車界面、駕駛?cè)溯o助系統(tǒng)設(shè)計(jì)和分心駕駛等因素

2、對(duì)公路安全影響展開。9.2安全研究概述9.2.2事故數(shù)量和頻率模型：事故數(shù)量和頻率建模是交通安全研究的另一個(gè)主要組成部分。使用事故數(shù)量模型，可以預(yù)測(cè)特定交通設(shè)施在不同條件下的預(yù)期事故數(shù)（例如在應(yīng)用不同安全策略的條件下）。事故數(shù)量的建模結(jié)果可用于：用以識(shí)別高危交叉口的熱點(diǎn)分析；尋找解釋變量中引發(fā)事故的主要原因；進(jìn)行成本效益分析以優(yōu)化安全改進(jìn)工程的資金配置；進(jìn)行事前和事后研究；制定事故修正因子。9.2安全研究概述9.2.3事前和事后研究：事前和事后研究通常用于評(píng)估安全策略的有效性。事前和事后研究常采用的四種方法樸素的事前與事后研究方法；經(jīng)驗(yàn)貝葉斯法；基于對(duì)照組的事前和事后研究；基于橫斷面數(shù)據(jù)的事前

3、和事后研究。9.2安全研究概述9.2.4事故受傷嚴(yán)重程度建模：事故損傷嚴(yán)重程度是用來(lái)了解單個(gè)事故的損傷情況（無(wú)論對(duì)乘客還是駕駛?cè)耍┡c解釋變量之間的關(guān)系，其研究結(jié)果可用于改進(jìn)車輛、道路和交通控制裝置的設(shè)計(jì)并為制訂新的交通法規(guī)提供依據(jù)。事故損傷的嚴(yán)重程度通常標(biāo)記為五個(gè)等級(jí)：未受傷非致殘性損傷致命未受傷但有疼痛致殘性損傷9.2安全研究概述9.2.5商用車輛安全性：商用車輛安全性研究包括，檢測(cè)疲勞駕駛、約束服務(wù)時(shí)間（HOS）的規(guī)則制訂與評(píng)估、提升安全帶使用率的方法、非侵入式貨車及貨物檢查工具研究等。這些研究旨在利用先進(jìn)的統(tǒng)計(jì)工具將解釋性因素與不同程度的事故風(fēng)險(xiǎn)相關(guān)聯(lián)，并將研究結(jié)果用于進(jìn)一步完善現(xiàn)有的

4、HOS 法規(guī)或制定新的商用車輛安全條例。9.2安全研究概述9.2.6數(shù)據(jù)驅(qū)動(dòng)的公路巡查計(jì)劃：IBM7 開發(fā)了一種主動(dòng)式數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)，以幫助田納西州公路巡警（THP）動(dòng)態(tài)分配其有限的資源以應(yīng)對(duì)交通違章、降低交通事故發(fā)生風(fēng)險(xiǎn)并更好地對(duì)事故作出響應(yīng)。這樣的系統(tǒng)是建立在先前事故、酒駕事件和公共事件的時(shí)空數(shù)據(jù)之上，并考慮了天氣狀況和假期因素。這套數(shù)據(jù)驅(qū)動(dòng)的安全預(yù)測(cè)系統(tǒng)可以看作是事故數(shù)量模型的擴(kuò)展，區(qū)別在于事故數(shù)量模型將年平均日交通量作為輸入變量，而不考慮交通流量的變化；同樣的，事故數(shù)量模型也不能把事故與偶發(fā)事件（例如假期、公共事件、颶風(fēng)和暴風(fēng)雪等）聯(lián)系起來(lái)。9.2安全研究概述9.2.7面向安全的海量異構(gòu)

5、數(shù)據(jù)深度學(xué)習(xí)：Chen 等提出了一種深度堆棧去噪自編碼器模型，用于處理大量異構(gòu)數(shù)據(jù)以預(yù)測(cè)事故風(fēng)險(xiǎn)。這項(xiàng)研究工作的基本假設(shè)是 GPS 記錄密度較高的區(qū)域事故發(fā)生率也隨之變高。盡管使用深度學(xué)習(xí)和大量數(shù)據(jù)對(duì)事故風(fēng)險(xiǎn)進(jìn)行建模的研究想法切實(shí)可行，但是這項(xiàng)研究考慮的模型輸入數(shù)據(jù)過(guò)于簡(jiǎn)化且沒(méi)有考慮其他影響事故的重要因素。9.2安全研究概述9.2.8實(shí)時(shí)交通運(yùn)行和安全檢測(cè)：近期，Shi 和 Abdel-Aty9 提出了一種基于實(shí)時(shí)交通傳感器數(shù)據(jù)生成擁堵和安全警告的新型系統(tǒng)。該系統(tǒng)輸入數(shù)據(jù)為各個(gè)車道的車輛速度、交通流量、車道占用率和車型分類數(shù)據(jù)。9.2.9網(wǎng)聯(lián)車輛和交通安全：網(wǎng)聯(lián)車輛技術(shù)的一個(gè)主要目標(biāo)是提高交通

6、安全性。9.3安全分析方法9.3.1統(tǒng)計(jì)方法：計(jì)數(shù)數(shù)據(jù)建模分類數(shù)據(jù)建模9.3.2人工智能和機(jī)器學(xué)習(xí)：在模型中添加權(quán)重衰減項(xiàng)或正則化項(xiàng)神經(jīng)網(wǎng)絡(luò)模型一直以來(lái)被研究人員質(zhì)疑無(wú)法為每個(gè)解釋變量生成可解釋的參數(shù)，這也是神經(jīng)網(wǎng)絡(luò)模型尚未廣泛用于事故頻率建模的主要原因之一。為了使這個(gè)問(wèn)題的影響降到最低，F(xiàn)ish 和 Blodgett提出的方法可分析每個(gè)解釋變量的敏感性，Delen 等也將這種方法用于神經(jīng)網(wǎng)絡(luò)模型在事故受傷嚴(yán)重程度應(yīng)用的研究中。這種方法的基本思想是對(duì)于每個(gè)解釋變量，保持其他所有解釋變量不變，在合理的區(qū)間內(nèi)改變當(dāng)前變量的值，并記錄模型輸出相應(yīng)的變化。9.4安全數(shù)據(jù)9.4.1事故數(shù)據(jù)：事故記錄表通

7、常包含駕駛?cè)?、乘客、車輛、天氣、位置、時(shí)間、道路形狀、交通控制和事故原因等相關(guān)信息。9.4.2交通流數(shù)據(jù)：交通流數(shù)據(jù)是衡量事故風(fēng)險(xiǎn)的一個(gè)重要指標(biāo)。9.4.3道路數(shù)據(jù)：道路形狀數(shù)據(jù)、路面狀況數(shù)據(jù)、護(hù)欄與交通標(biāo)志等數(shù)據(jù)都對(duì)許多交通安全研究很重要，包括對(duì)人為因素研究、事故數(shù)量模型和事故損傷嚴(yán)重程度模型等的研究。9.4.4天氣數(shù)據(jù)：對(duì)于事故損傷嚴(yán)重程度建模來(lái)說(shuō)，天氣數(shù)據(jù)往往直接來(lái)自于警察事故報(bào)告。9.4.5車輛和駕駛?cè)藬?shù)據(jù)：對(duì)于事故損傷嚴(yán)重程度分析，可以從事故報(bào)告中獲取車輛和駕駛?cè)说幕A(chǔ)信息（例如車輛的缺陷和駕駛?cè)说男詣e年齡）。9.4安全數(shù)據(jù)9.4.6常規(guī)駕駛研究：NDS 項(xiàng)目是將先進(jìn)傳感器技術(shù)應(yīng)用于

8、人為因素研究的典范。其收集的數(shù)據(jù)包括：1）駕駛?cè)颂卣鳎阂暳z查結(jié)果、人口統(tǒng)計(jì)信息和身心狀況。2）照明、天氣、路面狀況、交通控制和駕駛?cè)艘暰€范圍。3）車前車后道路視頻數(shù)據(jù)、駕駛?cè)艘暯?、乘客座位記錄?）車輛特征（如年份、制造商和類型）、車輛的橫向和縱向加速度、加速踏板位置、偏移車道量、轉(zhuǎn)向燈使用、制動(dòng)使用、與前車的距離和距離變化率。5）水平曲率（例如半徑和弧長(zhǎng)）、坡度和超仰角、車道寬度與類型、路肩類型、交叉口位置及控制信號(hào)以及限速標(biāo)志、道路中間帶和減速帶的位置。9.4安全數(shù)據(jù)9.4.7大數(shù)據(jù)和開放數(shù)據(jù)提案：多源大數(shù)據(jù)使得許多創(chuàng)新性的安全研究和應(yīng)用成為現(xiàn)實(shí)。Shi 和 Abdel-Aty9 進(jìn)行的

9、實(shí)時(shí)交通運(yùn)行與安全檢測(cè)研究就是一個(gè)很好的例子。9.4.8其他數(shù)據(jù)：網(wǎng)聯(lián)汽車的概念在未來(lái)可以進(jìn)一步擴(kuò)展，將車輛和駕駛?cè)说目纱┐麟娮釉O(shè)備、移動(dòng)設(shè)備、車載診斷設(shè)備、行車記錄儀和雷達(dá)傳感器等進(jìn)行連接以生成與安全相關(guān)的海量數(shù)據(jù)。9.5問(wèn)題和未來(lái)研究方向9.5.1現(xiàn)有安全研究問(wèn)題：這些研究沒(méi)有考慮接近事故發(fā)生的事件。特定地點(diǎn)的事故風(fēng)險(xiǎn)可能和時(shí)間有關(guān)，其隨著交通環(huán)境條件的變化而變化。為了擬合事故數(shù)量模型，必須將道路劃分為同類型的路段。9.5.2未來(lái)方向：NDS 項(xiàng)目、智能手機(jī)和移動(dòng)應(yīng)用程序、交通傳感器、網(wǎng)聯(lián)車輛和自動(dòng)駕駛車輛等產(chǎn)生了各種各樣可用于交通安全研究的數(shù)據(jù)集。這些數(shù)據(jù)集為研究人員提供了改進(jìn)公路安全性的一些新思路。9.6章節(jié)總結(jié)和結(jié)論本章簡(jiǎn)要總結(jié)了現(xiàn)有高速公路安全研究中的主要研究主題，還回顧了以前研究中使用的方法和相關(guān)數(shù)據(jù)。