考虑多维动态特征交互的高速公路交通事故风险研判及其时空影响效应传播分析
作者单位：北京交通大学
学位级别：硕士
导师姓名：袁振洲
授予年度：2022年
主 题：高速公路 实时事故风险预测 多维特征交互 深度交叉网络模型 XGBoost-SHAP方法 事故影响分析
摘 要：近些年来,我国机动车保有量迅速增长,高速公路的建设也步入快速发展的阶段。交通事业的发展给人们带来生活便利的同时也带来了安全隐患。传统的高速公路交通安全管理主要集中在“事后管控,较为被动。并且,传统的动态安全预测对于特征维度交互考虑不足。而随着高速公路向信息化和智能化发展,主动防控的重要性逐渐凸显。为了向高速公路安全管理部门事故主动防控策略的制定和实施提供一些技术和理论支持,更准确地预测高速公路交通事故的发生以及减少事故引起的延误时间,本文把我国高速公路交通事故数据作为研究对象,以考虑交通流、天气、道路和时间等多维动态特征交互为切入点,构建高速公路实时事故风险预测模型,并以实时交通流作为数据基础,分析事故的时空影响,以期能够有效地预测高速公路交通事故的同时降低二次事故发生的可能性。本文主要研究工作包括以下几个方面:(1)高速公路事故相关数据预处理与备选特征参数选择以京哈高速公路北京段的事故数据为基础,匹配对应的交通传感器数据、天气数据和道路特征等,并利用随机抽样的方法抽取非事故数据样本,筛选出合适的特征变量用于高速公路实时事故风险分析,包括15个交通流变量,5个道路特征变量,3个天气特征变量和2个时间特征变量,为实时事故风险影响因素分析与建模建立了数据基础。(2)基于XGBoost-SHAP方法的高速公路实时交通事故风险因子分析基于XGboost(e Xtreme Gradient Boosting)建立实时事故风险预测模型,利用SHAP(Shapley Additive ex Planations)解释器对该模型做出解释并可视化,得到了各特征对事故风险影响的重要程度的排序,分析了各特征与事故风险的关系和各特征之间的二维交互效应。结果表明,交通流变量、道路、天气和时间特征都会对交通事故风险产生影响,并且特征之间是存在交互效应的,为本文研究的核心即高速公路实时事故风险建模奠定基础。(3)考虑多维动态特征交互的高速公路实时事故风险预测建模以考虑交通流、天气、道路和时间等多维动态特征交互为切入点,同时验证天气、道路等特征是否会提高实时事故风险预测模型精度,本文构建了多个数据集,首次将深度交叉网络算法应用于实时事故风险预测研究,并将其与Logistic回归、支持向量机和随机森林做对比。结果表明,考虑多维动态特征的交互关系可有效提高模型的分类性能,在同时包含交通流变量、时间、天气和道路特征的数据集上,深度交叉网络算法的受试者工作特征曲线下的面积(Area Under Curve)可以达到0.8562。(4)高速公路事故时空影响效应传播分析以实际采集的交通流数据为数据基础,分析事故前后速度的变化情况,选取速度变化率作为事故影响的度量指标,应用双线性插值法构建速度变化率轮廓图,并根据Savitzky-Golay滤波拟合法拟合事故影响时空区域的外围轮廓。最后,计算和分析了速度变化率的阈值分别取20%、30%和40%时的事故时空影响的各个量化指标,包括事故影响开始时间、事故影响结束时间、事故影响持续时间、事故影响最近距离、事故影响最远距离、事故影响空间范围、事故影响的传播速度以及事故影响的消散速度。结果表明,速度变化率的阈值越小,事故影响开始的时间越早,事故影响结束的时间越晚,事故影响持续时间越长,事故影响的距离越长,并且在不同的速度变化率阈值下,事故影响的传播速度随时间的变化趋势有所差异。本文采用的高速公路事故时空影响传播分析方法能够较为有效的对高速公路事故时空影响进行量化。
同方学位论文库