高速公路事故多发点鉴别及诱发因素识别

１１６交通运输系统工程与信息２０１１年２月

表１基于动态聚类算法的路段划分结果

Ｔａｂｌｅ１Ｒｏａｄｄｉｖｉｓｉｏｎｒｅｓｕｌｓｔｂａｓｅｄｄｙｎａｍｉｃｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ

区间编号聚类中心编号起点桩号终点桩号区间编号聚类中心编号起点桩号终点桩号１Ｎｏ６８ｋ４２＋５９０ｋ４３＋５００７Ｎｏ７４ｋ５２＋ｌｏｏｋ５４＋３００

２Ｎｏ６９ｋ４３＋５５０ｋ４４＋９００８Ｎｏ７５ｋ５４＋５００ｋ５６＋１００

３Ｎｏ７０ｋ４５＋０００ｋ４６＋６５０９Ｎｏ７６ｋ５６＋３００ｋ５７＋３００

４Ｎｏ７ｌｋ４６＋８００ｋ４８＋２５０１０Ｎｏ７７Ｉ【５７＋６５０ｋ５８＋５００

５Ｎｏ７２ｋ４８＋３００ｋ４９＋８７０１１Ｎｏ７８ｋ５８＋９００ｋ５９＋４００

６Ｎｏ７３ｋ４９＋９００ｋ５２＋０００１２Ｎｏ７９ｋ６０＋３００ｋ６ｌ＋９００

图１事故点及路段划分结果

Ｆｉｇ．１Ｒｅｓｕｌｔｏｆａｃｃｉｄｅｎｔｓａｍｐｌｅａｎｄｒｏａｄｄｉｖｉｓｉｏｎ

的聚集情况，而区间范围也较客观地反映了事故点的分散状态．

３基于自组织竞争神经网络的事故多发点鉴别

３．１基本鉴别方法存在的问题

鉴别事故多发点的基本方法主要有事故次数法、事故次数概率分布法、事故率法、矩阵法和质量控制法等，各种方法都有一定的理论基础和适用条件，但也存在着一些需要解决和完善的问题．事故次数法和事故次数概率分布法的主要缺陷是没有考虑事故的关联因素，尤其是没有考虑交通量对事故的影响．事故率法虽然引入了交通量，但临界值的确定缺乏充分的理论依据．矩阵法虽然同时考虑了事故次数和事故率两个方面，但鉴别结果具有较多的人为主观因素．质量控制法是一种理论上较严谨的方法，但它要求鉴别对象之间必须具有相似的道路及交通条件．

３．２基于自组织竞争神经网络的鉴别方法事故多发点的鉴别可归结为一个模式识别问题，即将一个评价点归类为事故多发点、正常地点或安全地点等．显然，神经网络技术是可以解决这个问题的．神经网络中的感知机模型、ＢＰ网络都可用于对样本空间进行分类．但突出的问题是要有明确的目标输出，即训练和测试样本中的评价点其安全状况是已知的，从而才能得到可供使用的权值矩阵和偏置向量．显然，事先要知道哪些地点是多发点、正常地点或安全地点，在有些情况下是很难实现的．

自组织竞争神经网络通过采用某种无监督的学习方法，只需向网络提供一些学习样本，而无需提供理想的目标输出，即可对样本进行自动排列和分类，因此可较好地解决样本无明显目标输出的问题．因此，本文提出了一种基于自组织神经网络的事故多发点鉴别方法．网络的输入是每一个待评价点的事故次数和亿车公里事故率指标，输出就是评价点的安全类型．

３．３多发点鉴别案例分析

应用自组织竞争神经网络方法对京珠高速粤北段（路段划分采用的是基于动态聚类算法的划分结果）进行了多发点鉴别，本文仅给出了南行方向的鉴别结果．为了能综合考虑多种鉴别方法的结果而客观公正地评定事故多发点，还同时应用了

质量控制法、矩阵法、累计事故次数法及事故次数

第１１卷第１期高速公路事故多发点鉴别及诱发因素识别１１７

表．２多发点鉴别结果一览表

Ｔａｂｌｅ２Ｒｅｓｕｌｔｏｆｂｌａｃｋｓｐｏｔｉｄｅｎｔｉｆｉｃａｔｉｏｎ

注：☆表示鉴别结果为事故多发点，※表示鉴别结果为非事故多发点．另外，五种鉴别结果均为非事故多发点的评价点巳略去

图２基于自组织神经网络的事故多发点鉴别结果

Ｆｉｇ．２Ｂｌａｃｋｓｐｏｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｂａｓｅｄｓｅｒｆ—ｏｒｇａｎｉｚａｔｉｏｎｎｅｔｗｏｆｋ

概率分布法进行安全状况评定，结果见表２及图２一图３．

对鉴别结果进行对比分析可知，神经网络的鉴别结果与质量控制法和事故次数概率分布法更为接近，接近度达９８．９７－％和１００％．尽管尚不能说明自组织竞争神经网络法一定优于上述四种基本方法，但毕竟该方法能较快地给出一种较合理的评价（分类）结果．

４基于离散多变量算法和概率分布的事故多发点突出事故诱发因素识别

４．１基本原理

鉴别出事故多发点后，需找出突出事故诱发因素，从而有针对性地提出安全改善措施．事故多发点处发生了大量交通事故，说明除了驾驶员人为原因外，在道路几何条件、交通设施布设上一定存在不利于行车的安全隐患．因此，在确定事故诱发因素初始集合时，除了要包含驾驶员的人为原因外，还应引人道路几何条件、交通设施布设等方面的事故诱发因素．

事故多发点处汇总起来的事故原因很多，尤其是引入道路条件因素后．比如，京珠高速公路粤北段北行ｋ１７一ｋ２１事故多发点，２００５年至２００８年累计发生了３４起交通事故，汇总起来的事故原因有１７种．如何在众多的事故诱发因素中确定突出的因素，是一个值得研究的问题．

为此，提出了基于离散多变量算法和概率分布的事故多发点突出事故诱发因素识别方法．离散多变量算法用于选择变量，概率分布用于确定评价标准．

４．２基于离散多变量算法的变量选择

对初始事故诱发因素集合，每个诱发因素（可称之为变量）是交叉分类的，从而形成一个以事故次数为基础的偶然事件二元表．对每个表计算

Ｐｏｉｓｓｏｎ统计值，并从中选择Ｐ值最低的变量作为

高速公路事故多发点鉴别及诱发因素识别

作者：孟祥海， 李梅， 麦强， 关志强， MENG Xiang-hai， LI Mei， MAI Qiang， GUAN Zhi-qiang

作者单位：哈尔滨工业大学,交通科学与工程学院,哈尔滨,150090

刊名：

交通运输系统工程与信息

英文刊名：JOURNAL OF TRANSPORTATION SYSTEMS ENGINEERING AND INFORMATION TECHNOLOGY

年，卷(期)：2011,11(1)

1.孟祥海高速公路事故多发点成因分析模型的建立与应用[期刊论文]-哈尔滨建筑大学学报 2000(02)

2.Stamatiadis N;Jones S;Aultman-Hall L Causal factors for accidents on southeastern low-volume rurual roads-volume

3.Zegeer C V;Reinfurt D W;Hunter W W Accident effects of sideslope and other roadside features on two-lane roads 2004

4.李嘉;朱顺应用改进的灰色关联度分析交通事故成因[期刊论文]-公路交通技术 2006(01)

5.姚智盛;邵春福;龙得璐基于粗糙集理论的路段交通事故多发点成因分析[期刊论文]-中国安全科学学报

2005(12)

6.李电生;刘凯;赵闯SOFM神经网络在道路交通事故分类评价中的应用[期刊论文]-中国安全科学学报 2005(07)

7.李金龙;孙晚华高速公路交通事故成因分析及对策研究[期刊论文]-中国安全科学学报 2005(01)

8.肖慎;过秀成;宋俊敏公路交通事故黑点诊断技术研究[期刊论文]-公路交通科技 2003(04)

9.Ngks;Hungwt;Wongwt An algorithm for assessing the risk of traffic accident 2002

10.裴玉龙;戴彤宇鉴别道路交通事故多发点的模糊评价法[期刊论文]-公路交通科技 2005(06)

11.张铁军;唐琤琤;张巍汉双变量区间过滤法进行事故多发段判别[期刊论文]-公路交通科技 2006(03)

12.Tarkoap;Sinhakc;Farooqq Methodology for identifying highway safety problem areas 1996

13.Tarkoap;Kanodiam Effective and fair identification of Hazardous locations 2004

14.孟祥海;盛洪飞;陈天恩事故多发点鉴别本质及基于BP神经网络的鉴别方法研究[期刊论文]-公路交通科技2008(03)

本文链接：/Periodical_jtysxtgcyxx201101019.aspx