第9章 道路交通安全评价与事故预测

4 事故强度法 （1）综合事故强度分析法
第一节 交通安全评价
（2）当量事故强度
Dd K d 10 3 PN L d
3
K d — 当量综合死亡率； Dd — 当量死亡人数； N d — 当量车辆数； P — 人口数； L — 公路里程。
第一节 交通安全评价
5 概率数理统计法
Y Y — 事故的数目； ~ Y — 事故理论允许值； Y — 事故发生次数的估计值 ； 正常事故数： 1.96 Z 1.96； 异常事故数：Z 1.96或Z 1.96。 Z值越小，表明越安全。 Z ~ Y Y
第一节 交通安全评价
3 交通安全综合评价指标体系 （1）道路交通安全评价指标体系的功能
①认识功能：即该指标体系应能使管理部门 认识辖区内交通事故的总体规模和危害程度。 ②激励功能：即管理部门可以根据指标判断 辖区内交通事故的发展趋势，本辖区与相关 区域之间管理水平上的差距，激励管理部门 寻求改善管理水平的途径。
第九章 道路交通安全评价与事故预测
第一节 交通安全评价 一、安全度评价指标 交通安全度即交通安全的程度，是使用 各种统计指标，通过一定的运算方式来评价 客观的交通安全情况。道路安全度是改进道 路交通安全、考察交通管理部门水平的一个 重要评价依据。
第一节 交通安全评价
1 绝对指标 即事故次数、死亡人数、受伤人数、直接经 济损失。 2 相对指标 （1）万车交通事故死亡率 （2）万人交通事故死亡率 （3）交通事故致死率 （4）亿车公里事故指标 （5）综合事故率 （6）交通事故预测指标
wenku.baidu.com
第二节 事故预测
二、事故预测程序 交通事故预测一般分为三个阶段： 第一阶段是设计过程，从确定预计目标 开始，经过收集、分析有关信息，到初步选 定预测技术。 第二阶段是建模过程，建立预测模型并 验证模型的合理性。 第三阶段是评价过程，进行预测并对预 测值进行检验、评价。
第二节 事故预测
交通事故预测的程序： 1 确定预测目标 2 收集并分析有关信息 3 选择预测模型 4 建立预测模型 5 进行预测 6 分析与评价预测结果 7 预测结果跟踪
第一节 交通安全评价
6 四项指标相对数法
Ai 100% Ai
— 指标的相对数；
故各项指标总数。 A — 各种道路类型的交通事
i
Ai — 不同道路类型的交通事 故各项指标的绝对数；
第一节 交通安全评价
三、微观评价 1 路段评价 （1）绝对数-事故率法：以事故绝对数为横 坐标，以每公里事故率为纵坐标，按事故绝 对数和事故率的一定值，将绝对数-事故率分 析图划出不同的危险级别区，以I区、II区、III 区分别代表不同的危险级别。
第一节 交通安全评价
国 内 外 现 有 道 路 交 通 安 全 度 评 价 方 法 1绝对数法 地点事故率 路段事故率 地区事故率 3绝对值—事故率法 4事故强度分析法 5模型法 6 灰色评价方法 综合事故率
运行事故率
事故密度法 人口事故率 车辆事故率 运行事故率
2事故率法
综合事故强度分析法
当量事故强度分析法 统计分析方法 经验模式法 综合模式法
第一节 交通安全评价
（2）经验法模型
R Dd /(365 K1 103 ) Dd D1 1 D2 2 D3 3 D4 D1 — 交通事故直接死亡人数 ； D2 — 交通事故轻伤人数； D3 — 交通事故重伤人数； D4 — 交通事故直接经济损失 ； K1 — 经换算后的辖区道路长 度内车辆运行公里数；
第一节 交通安全评价
（2）评价指标体系的结构 道路交通安全综合评价指标体系应包括三 类指标：事故总量指标；事故率指标；管理水平 指标。 （3）交通安全度评价方法分类 一种是按评价的对象分类：宏观评价和微 观评价； 另一种是按评价的目的分类：用于评价道路 交通安全水平和用于评价道路交通安全管理水平。
第三节 道路交通事故预测模型
三、对数抛物线预测模型 模型： y aebt ct
2
y — 预测函数值 t — 时间变量 a、b、c — 模型参数 e —自然对数的底
第三节 道路交通事故预测模型
四、多元逐步回归预测模型 多元逐步回归预测是按照自变量对因变 量作用程度的大小，来决定该变量是否引入 或剔除，自动地从大量可供选择的变量中， 选择重要的变量，以建立回归方程的预测方 法。
7 模糊评价方法 8 交通冲突法 9 概率—数理统计法 10 其他方法
第一节 交通安全评价
二、宏观评价 1 绝对数法 用事故次数、死亡人数、受伤人数和直 接经济损失四项绝对指标评价安全度。 2 事故率法 常用三种事故率法：人口事故率、车辆 事故率和运行事故率。
第一节 交通安全评价
（1）人口事故率
第二节 事故预测
三、交通事故预测技术 可分为定性预测和定量预测两大类。 定性预测技术有：专家会议法、德尔菲 法、主观概率法、趋势判断法、类推法和相 互影响分析法等。 定量预测技术有：时间序列趋势外推法、 回归分析法、灰色预测法和组合预测法。
第三节 道路交通事故预测模型
一、线性回归预测法 线性回归预测多数是利用多元线性回归 方程，通过寻找与因变量具有较强关联关系 的因素作为自变量，计算回归系数，并经过 相关分析和显著性检验后，最终确定回归预 测方程。
第一节 交通安全评价
（1）统计分析模型 ①斯密德模型
3 D 0.0003 NP 2
D — 交通事故死亡人数； N — 机动车登记数； P — 人口数。
第一节 交通安全评价
②意大利特里波罗斯多元回归模型
y 58.770 30.322x1 4.278x2 0.107x3 0.776x4 2.87x5 0.147x6 y — 人口事故率； x1 — 交通工具机动化程度； x2 — 平均每平方公里道路长 度； x3 — 居住大城市中的人口比 例； x4 — 19岁以下青少年所占人口 比例； x5 — 65岁以上的老年人口比例 ； x6 — 小客车与出租车在车辆 中所占的比例。
第三节 道路交通事故预测模型
二、增长曲线预测法 道路交通事故的发展规律往往类似于生 物的自然增殖过程，可用一条近乎S形的曲线 来描述： 预测对象数值随时间推移而逐步增长， 发展初期增长速度较慢，一段时间后，增长 速度会逐渐加快，到接近于某一增长极限时， 增长速度又会放慢。
第三节 道路交通事故预测模型
第二节 事故预测
2 预测的特点 （1）预测的自负效应 （2）预测的反复性 （3）预测的组合性 3 交通事故预测的分类 按预测范围可分为宏观预测和微观预测； 按预测结果可分为定性预测和定量预测。
第二节 事故预测
4 预测的目的 为了掌握交通事故的未来状态，以便及 时采取相应的对策。 5 预测的作用 （1）预测交通事故的发展趋势 （2）预测交通事故的变化特点 （3）预测交通事故的近期状态特征 （4）预测控制条件下的交通事故状态
（3）运行事故率
Rt ( F / T ) 105 RV — 道路交通事故万车死亡 率； F — 道路交通事故死亡人数 ；
T — 统计区域内总运行车公 里数。
第一节 交通安全评价
3 模型法 现行模型法有两类：一类是统计分析模 型，利用多元回归法建模；另一类是经验法 建模。前者国外多用，后者国内多用。
第一节 交通安全评价
（2）交通事故率法
N AH 108 QL AH — 事故率（次/ 亿车公里）； Q — 路段年交通量； L — 路段长度； N — 路段内发生的交通事故 次数。
第一节 交通安全评价
2 路口评价 （1）交通事故率法
N AI 107 M AI — 交叉口事故率（次/ 100万台车）； N — 交叉口范围内发生的事 故次数； M — 通过交叉口的车辆数。
RP ( F / P) 105 RP — 道路交通事故 10万人口死亡率； F — 道路交通事故死亡人数 ； P — 统计区域的常住人口数 。
第一节 交通安全评价
（2）车辆事故率
RV ( F / V ) 105 RV — 道路交通事故万车死亡 率； F — 道路交通事故死亡人数 ； V — 统计区域机动车保有量 。
第三节 道路交通事故预测模型
五、灰色预测 可将城市道路交通系统视为本征性灰色 系统。灰色理论认为，尽管客观系统表象复 杂，但总是有整体功能的、总是有序的，在 离散的数据中必然蕴含着某种内在规律。 预测中，可将一个地区的道路交通系统 视为灰色系统，把交通事故当作灰色量。 特点：在数据量少，资料不完全的情况 下采用。
第一节 交通安全评价
（2）速度比辅助法
VI RI VH RI — 速度比； VI — 路口速度； VH — 区间车速。
（3）冲突点法 该法用于分析交叉口车流潜在的冲突点多少， 进行微观的安全度估计。
第二节 事故预测
一、事故预测的目的和意义 1 预测涵义 交通事故预测是对未来有可能发生的事 故做出估计和推测，它是通过对交通事故的 过去和现在状态的系统探讨，并考虑其相关 因素的变化，分析未来事故的危险程度和发 展趋势，而做出对交通事故未来状态描述的 过程，以便能及早采取措施进行防治。
1、 2、 3 — 轻伤人、重伤人、经济 损失与死亡的当量系数 。
第一节 交通安全评价
M 104 K RCL K — 死亡强度指标， K越小，安全度越高； M — 当量死亡人数， M 死亡人数 0.33重伤人数 0.1轻伤人数 2直接经济损失； C — 当量汽车数， C 汽车 0.4摩托车和三轮车 0.3 自行车 0.2畜力车； R — 人口数，R 0.7P( P为人口总数)； L — 不同道路条件下的修正 系数。
常用预测的S形增长曲线模型有戈伯兹曲 线和逻辑曲线。 1 戈伯兹曲线预测模型 模型： y gabt
y — 预测函数值 t — 时间变量 a、b — 模型参数
第三节 道路交通事故预测模型
2 逻辑曲线预测模型 k 模型： y at
1 be y — 预测函数值 t — 时间变量 k — 渐近线值 a、b — 模型参数 e —自然对数的底