基于安全替代指标的城市道路交通安全高风险点位研判方法.pdf

2023No.3116上语么路智能交通SHANGHAIHIGHWAYS基于安全替代指标的城市道路交通安全高风险点位研判方法姚锐，王俊骅1.上海市政工程设计研究总院（集团)有限公司，上海2 0 0 0 9 2;2.同济大学，上海2 0 0 0 9 2 摘要：针对城市道路开展高风险点位的判别和筛查，是交通安全改善工作的重要内容。以上海市为例，基于手机导航定位数据，提取了急减速事件、急加速事件、平均速度、速度变异系数和拥堵指数五种替代安全指标，进而分别构建了基于零截尾负二项的事故频率预测模型和基于多元logit的事故严重程度预测模型，可有效识别出城市道路交通高风险点位。模型具备较高的准确率和可解释性。该方法可为精细化的城市道路交通安全治理提供有效的技术支撑。关键词：卫星单点定位数据；城市道路；历史事故安全替代指标；静态事故风险研判0引言近年来，我国城市道路的交通事故数量呈上升态势，在产生大量伤亡的同时，也对整个城市的交通造成重要影响。因此，对城市道路交通安全开展风险研判和风险预防，是研究重点和难点。在交通安全风险研判方面，起初，多元线形回归方法被广泛采用。由于事故属于小概率事件，且为非负性，线性回归模型在数据处理方面存在不足。随后，广义线性模型（generalizedlinearmodels，G LM）被提出用于分析事故与交通特征之间的关系。常见的广义线性模型是泊松模型 2 和负二项模型 3。泊松模型是一种基础的计数模型，它考虑了数据的随机性、离散性和非负性等特点。在线性回归模型和泊松模型的对比研究中，证明了泊松模型拟合优度优于线性回归 4 。但在使用泊松模型时，需满足事故数据的均值与方差相等的要求，而事故数据通常会呈现过度离散的分布（即均值小于方差），这一特点决定了其无法满足泊松模型的基本假设 5。不同于泊松模型，在公式中引人了误差项的负二项模型，可以处理过度离散的事故数据。在一项卡车事故数和公路几何属性的分析研究中，证明了负二项模型优于泊松模型 6 Abdel-Aty等人 7 基于负二项模型，对主干路交通事故进行了标定，并探究事故频数与交通运行特征、道路几何特征及交通参与者的年龄等之间的关系。该收稿日期：2 0 2 3-0 3-2 1模型也在交叉口事故分析 8 中得到了应用。然而,现有事故高风险点位研判的主要方法，还是基于历史事故数据的统计分析，即以事故发生频率高的道路交又口或路段认作“事故黑点”，再由历史数据“推断”未来风险。由于历史事故数据存在信息不完整、低样本偏差、数据时效性较低（采集周期往往在5年甚至以上，期间路网条件或已发生较大改变）9 等问题，故基于事故多发点位的城市道路高风险点位研判工作存在一定的局限。本文以上海市为例，基于手机卫星定位数据，提取了五种替代安全指标。针对四种工况，分别构建了基于零截尾负二项的事故频率预测模型和基于多元logit的事故严重程度预测模型，改进了现有城市道路高风险点位研判方法。1基于安全替代指标的事故频率预测模型通过全市2 0 0 万手机导航数据，提取急减速事件、急加速事件、平均速度、速度变异系数和拥堵指数10 的五个安全替代指标作为自变量。工况主要包括路段-工作日、路段-非工作日、交叉口-工作日和交叉口-非工作日四种。分别采用38 112 起路段事故和32 9 0 6 起交叉口事故发生点位的事故数作为应变量，由此构建事故频率预测模型，见下表1。1.1建模方法1.1.1负二项模型泊松（Poisson）模型和负二项（NegativeBinomial，No.32023上语么路117智能交通SHANGHAIHIGHWAYS表1城市道路交通安全风险建模的模型变量空间路段交口工况时间路段-工作日路段-非工作日交叉口-工作日交叉口-非工作日数量（路段/交叉口）4177255335102.368交通事故数3811232.906急减速事件数量14289101004607264.374171485基于事件的安全替代指标急加速事件数量1 231 641866 144307 161201829均值29.08028.29830.95029.351平均速度安全标准差12.84912.87311.47811.044替代指标均值0.5140.5570.2690.315基于交通流的安全替代指标速度变异系数标准差0.3290.2840.1850.169均值0.0360.0490.0270.040拥堵指数标准差0.0350.0390.0270.031NB)模型是两种常用的安全分析模型，广泛应用于拟合事故发生数量。泊松模型假设事故分布均值等于方差，则交又口或路段i在一年内发生n起事故的概率如公式（1）所示。P(n;)=exp(-A)a,n(1)n!In(a,)=xi(2)其中，为交叉口或路段i的泊松分布系数，等于交叉口或路段i发生事故数的期望；xi是自变量向量；为系数向量。可采用极大似然法来估计，如公式（3）所示。L()=IIexp(-exp(x)exp(Bxi)ni(3)n！当事故分布均值小于方差时，在泊松模型的基础上，引人误差项，如公式（4）所示。式中,exp()服从均值为1,方差为的gamma分布。In(;)=x+&;(4)负二项模型的条件概率函数见下式（5）。L()=IIexp(-exp(xi)exp(Bx;)ni(5)n！同样采用极大似然估计法，能得到在负二项模型中，路段或交叉口i在一年内发生n起事故的概率，如公式（6）所示。其中,u=0(+入),0=1/。事故方差可以表示为公式（7）。P(ni)=(e+ni)u.(1-ui)ni(6)r(0)n;var(n;)=E(ni)(1+E(n;)(7)式中，是离散分布的指标，可采用极大似然估计法，得出引入误差项的方差。当=0时，由负二项分布变为泊松分布；若显著不是0，说明数据具有离散性，不适合用泊松分布进行分析。本文所采用的负二项模型如公式（8)所示。(yiNegbin(Qi,y)(8)log(o,)=o+X;式中，i是路段或交叉口的编号，y是某路段或交叉口的事故数量，是yi的期望值，是离散系数，g a mma(0.0 1,0.0 1)。X;为路段或交叉口的自变量向量（安全替代指标），是自变量的回归系数向量。1.1.2零截尾负二项模型零截尾数据即为路段安全分析单元中发生了事故的路段事故数据。传统的泊松与负二项模型依赖完整的事故数据进行分析，而本文事故数据不满足上述模型的要求。为解决数据中“零值”缺失的问题，可使用零截尾负二项模型进行分析。零截尾负二项分布模型可理解为传统负二项模型在非负条件下的分布模型。陈英等 在非信控交叉口事故预测中发现，零截尾负二项分布模型的拟合结果优于传统负二项模型。首先，利用Alpha检验来判断数据是否适用于泊松回归模型。利用Alpha检验，对数据的离散程2023No.3118上语么路智能交通SHANGHAI HIGHWAYS度进行检验（Likelihood-ratiotest of alpha）时，如果Alpha显著（p0.05），说明该类数据存在过离散情况，不适用于泊松回归模型，应使用负二项回归模型。在对数据特征分析的基础上，对路段-工作日、路段-非工作日、交叉口-工作日和交叉口-非工作日四种工况，分别构建负二项模型和零截尾负二项模型。1.1.3模型评价指标使用最小信息准则（AkaikeInformationCriterion，AIC)、贝叶斯信息准则（BayesianInformation Criterion，BIC)和均方误差（mean-square error，MS E），作为拟合模型的评价指标。AIC用于衡量模型的拟合数据的优良性，选择最佳模型时，通常选择AIC最小的模型。BIC用于预测部分的优良性。相比AIC,BIC在大数据量时，对模型参数惩罚更多，更倾向于选择参数少的简单模型。MSE用于度量估计量与被估计量之间的差异程度。AIC=2k-2ln(L)(9)BIC=kln(n)-2 ln(L)(10)MSE=Zr=1(y;-J.)2(11)式中,k为模型参数个数,n为样本数量,L为似然函数，y为真实值，文为预测值。1.2路段-工作日的模型以路段-工作日工况的模型为例，说明建模结果，其他三种工况类似。1.2.1数据特征选取417 7 个在工作日发生事故的城市道路路段，路段的事故频数分布如图1所示。基于城市道路中，路段在工作日期间的手机导航定位数据，提取得到的安全替代指标和事故数的总数、均值、标准差、最大值和最小值如表2 所示，001法鲜00900%020406080事故数图1事故频率分布图1.2.2模型结果本文使用STATA软件，实现了事故频率建模分析。Alpha检验数据是否存在过离散状态时发现，Al-pha显著（p0.05),表明数据存在过离散现象，故不采用泊松回归。使用负二项和零截尾模型,对路段在工作日下的事故频率进行建模，模型结果如表3 所示。由表1、表2 可以发现，负二项模型Pseudo R2=0.0271，零截尾负二项模型PseudoR2=0.0224，说明两类模型具有一定的解释性。在95%的置信水平下，平均速度、速度变异系数和拥堵指数，与模型结果有显著关系；而急加速事件、急减速事件数与模型结果无显著关系。平均速度与事故数量呈现负相关关系，表明在交通流越拥堵时，事故发生的概率越大。速度变异指数与事故数正相关；拥堵指数与速度一样，呈现负相关的趋势，这些结果符合常理。根据两个模型的AIC和BIC,对比发现，零截尾负二项分布模型（AIC=20103.34,BIC=20147.7)在模型预测结果上，略优于传统负二项分布模型（AIC=21647.71,BIC=21692.07）。表2事故和安全替代指标的统计学描述变量名称均值标准差最小值最大值事故数4.942.5425.629404176急减速事件342.09526.977305769急加速事件294.862 6458.15805126平均速度V29.0799212.849 071.346 875106速度变异系数CVS0.5135950.329 13604.000823拥堵指数CI0.0355910.03483300.263 8562023No.3上2 晚119SHANGHAIICIWAYS智能交通表3 路段-工作日事故频率模型的结果变量名称负二项模型零截尾负二项模型-0.005 43*-0.006 35*平均速度V(-3.26)(-2.32)0.334*0.514*速度变异系数CVS(5.54)(5.04)-3.684*-5.092*拥堵指数CI(-8.24)(-7.38)0.0003390.000589急加速事件数(1.20)(1.23)0.0003320.000419急减速事件数(1.37)(1.02)1.446*0.880_cons(20.78)(7.38)-0.5980.548Inalpha(-21.01)(8.13)N41774177AIC21 647.7120103.34BIC21 692.0720 147.7MSE42.1044.87注括号里是T统计量，p0.05,p0.01p 6 0 k m/h）。速度变异系数CVS划分为三类：0（0 0.3），1(0.3 0.6）,2（0.6）。拥堵指数CI划分为三类：0(0 0.3），1(0.3 0.6），2（0.6）。用多元Logit模型探索事故严重程度与急减速事件、急加速事件、平均速度、速度变异系数、拥堵指数的关系。Logit模型形式如下。logitP;=In(P)=o+1x1+22+(14)nXn+其中,Pi是因变量yi=1时的概率,即发生严重程度1级的概率；自变量xn为影响事故严重程度的影响因素；，为解释变量的估计系数；代表误差项。2.2路段-工作日的模型以路段-工作日的模型为例，说明建模结果。对所选取的路段在工作日的事故数据（事故严重程度)和安全替代指标（急减速事件、急加速事件、平均速度、速度变异系数和拥堵指数）,构建了多元Logit模型。在模型拟合信息中，似然比检验的显著性值为小于0.0 15，说明该模型有统计意义，模型通过了检验。在拟合优度分析中，原假设是模型能很好地拟合原始数据，根据皮尔逊卡方显著性值为0.98 8，概率较大，原假设成立，说明模型对原始数据的拟合通过检验，拟合效果较好。通过计算得到的三个伪R方值最高为0.5 6,说明模型对原始变量变异的解释程度较好。如表4所示，在模型的似然比检验中，发现平均速度、速度变异系数、急减速事件和急加速事件的显著性值都小于0.0 5，说明对模型构成均有显著贡献，该模型的显著性较高。随着事故严重程度的不断升高，平均速度V、速度变异系数CVS、拥堵指数CI、急加速及急减速事件数,均发生了相对应的变化。其中，V、CV 急加速及急减速参数均呈现负向变化。该结果表明，速度越高，速度变异程度越大，急加速及急减速次数越2023120上语么路No.3智能交通SHANGHAI HIGHWAYS-表4路段-工作日的事故严重程度模型的参数估计表事故严重程度均值aB标准误差瓦尔德截距1.4750.2700.01V=0-0.4900.2720.01V-1-0.3340.2570.01V=2 0一CV=0-0.1630.1330.01CV=1-0.0630.1072105.022CV=201CI-00一急加速事件数=0-0.5030.3380.000急加速事件数=1-0.1600.2710.000急加速事件数=2 0一急减速事件数=0-0.1470.337982.536急减速事件数=1-0.1290.2700.000急减速事件数=2 0一一截距1.4830.2790.000V=0-.1230.2800.000V=1-.1400.2650.000V=20一CV=0-0.3440.1370.000CV=1-0.0770.1072.076.770CV=202CI=00一急加速事件数=0-0.5320.3390.000急加速事件数=1-0.3130.2670.000急加速事件数=2 0一急减速事件数=0-0.4710.339861.127急减速事件数=1-0.2720.2670.000急减速事件数=2 0一多，事故发生可能导致的严重程度越高。同时,通过对比严重程度1与严重程度3，可以发现，在任何速度区间内,该趋势均相同。即速度越高，事故发生可能导致的严重程度越高。事故变异率、急加速事件及急减速事件也呈现出相同的变化趋势。通过对比事故严重程度2 和3，也得到相同的结果。经过多项Logit回归分析，由参数估计表，可得到模型如下。G1=LOG(P(事故严重程度=1/P(事故严重程度=3)=-0.49(v=0)-0.334(v=1)-0.163(cv=0)-0.036(cv=2)-0.503(急加速=0)-0.0 16(急加速=1)-0.147(急减速=0)-0.12 9(急减速=1)+1.47 5G2=LOG(P(事故严重程度=2/P(事故严重程度=3)=-0.123(v=0)-0.140(v=1)-0.344(cv=0)-0.077(cv=2）-0.5 3 2(急加速=0)-0.3 13(急加速=1)-0.47 1(急减速=0)-0.272(急减速=1)+1.48 3G3=0(对照组)根据上述模型,计算G1、G 2、G 3 的值，然后带入公式（15），最终可得到三个事故严重程度SD1、S D 2、S D 3的相应概率。P1=exp(G1)/exp(G1)+exp(G2)+exp(G3)P2=exp(G2)/exp(G1)+exp(G2)+exp(G3)(15)P3=exp(G3)/exp(G1)+exp(G2)+exp(G3)模型在预测事故严重程度2 级SD2时的准确率最高，达到了7 8%。其他事故严重程度的预测表现一般。（下转第12 5 页）2023No.3上海么路12 5上接第12 0 页）SHANGHAIHITHWAYS智能交通表4重大节假日小客车免费通行期间牌识数据处理方法步骤一估算扩算系数观察一定周期内门架数据与牌识数据的比例关系，确定估算系数步骤二计算总流量计算总流量=牌识数据扩算系数步骤三提取门架交易数据根据门架交易数据，提取非免费的各类型货车及客车流量步骤四提取免费放行小客车数据小客车流量=总流量-各类型货车流量-非免费客车流量以5 min为单位，进行数据接口及传输设计。先通过数据分发服务，将脱敏后的ETC门架数据分发至数据前置机，由前置机将汇总后的5 min收费车型数据传输至交调数据中心的数据接收转换服务器。在数据接收转换服务器上，部署数据转换程序，将接收到的数据包转换为5 min交调车型数据。1基于交调系统通信协议，开发ETC门架交调站的数据接收接口，同时将接收后的数据设置为相应的存储方式。数据包需按照公路交通情况调查设备第2部分：通信协议JT/T1008.2-2015中的标准要求，将ETC门架数据转换至5 min统计数据，形成报送数据3丝结语本文基于卫星单点定位数据中提取的安全替代指标，根据时间（工作日、非工作日）和空间（路段、交叉口)的不同工况，分别构建了基于零截尾负二项的事故频率预测模型和基于多元Logit的事故严重程度预测模型。由此构成的城市道路高风险点位预测方法，可作为城市道路交通安全管理和整治的依据。参考文献1 Jovanis P P,Chang H L.Modeling the relationship of accidentsto miles traveled J.Transportation Research Record,1986,1068:42-51.2 Noland R B,Quddus M A.A spatially disaggregate analysis ofroad casualties in EnglandJ.Accident Analysis&Prevention,2004,36(6):973-984.3 Siddiqui C,Abdel-Aty M,Choi K.Macroscopic spatial analysisof pedestrian and bicycle crashesJJ.Accident Analysis&Pre-vention,2012,45:382-391.4 Joshua S C,Garber N J.Estimating truck accident rate and in-volvements using linear and Poisson regression models J.包，并报送至交调数据中心。3结语在实现全国高速公路ETC联网收费后，ETC数据已成为监测高速公路运行情况的重要数据资源。由于门架数据具备可靠性、稳定性、丰富性、持续性等诸多方面的优点，除进行基础的交通量数据采集外，还有着支持跨省运输分析、客货运通道分析、OD分布分析、跨部门协作执法等更为广阔的应用前景。未来，ETC数据应用在更进一步地深人挖掘后，将会为交通调查分析应用工作提供更多的帮助。Transportation planning and Technology,1990,15(1):41-58.5 Maher M J,Summersgill I.A comprehensive methodology forthe fitting of predictive accident models J.Accident Analysis&Prevention,1996,28(3):281-296.6 Miaou S P,Lum H.Modeling vehicle accidents and highwaygeometric design relationships J.Accident Analysis&Pre-vention,1993,25(6):689-709.7 Miaou S P,Lum H.Modeling vehicle accidents and highwaygeometric design relationships J.Accident Analysis&Pre-vention,1993,25(6):689-709.8 Pulugurtha S S,Sambhara V R.Pedestrian crash estimationmodels for signalized intersections J.Accident Analysis&Prevention,2011,43(1):439-446.9 Fu T,Miranda-Moreno L,Saunier N.Pedestrian crosswalksafety at nonsignalized crossings during nighttime:use of ther-mal video data and surrogate safety measures J.Transporta-tion research record,2016,2586(1):90-99.10于光,刘倩.卫星单点定位数据的安全指标构建研究 J.公路,2 0 2 2,6 7(0 3):2 6 6-2 7 1.11陈英,袁华智,黄中祥等.零截尾负二项模型在交叉口事故预测中的应用 J.中国公路学报,2 0 2 0,3 3(0 4):146-15 4.LULingxia（9 3)quired to ensure passage.Especially for large-span bridges,the drag jacking is often unable to meet the site requirements.Therefore,the useof walking jacking construction is the preferred choice.This article briefly describes the key points and difficulties in the construction oflarge-span steel box girders spanning existing high-speed bridges using the walk-type pushing technology independently developed in Chinain recent years.Key words:walking push;large span steel box girder;crossing existing highways;key technologyDiscussion on the Construction Scheme of Steel Boxed Cofferdam with Bottom for High Pile Cap in Deep WaterAbstract:Based on the Boluo-Dongjiang Bridge reconstruction and expansion project of provincial highway-S255 as the background,this pa-per introduced the construction process of a steel boxed coferdam with bottom for high pile cap in deep-water environment.The bottom plateand bottom beam of the casing are made of precast reinforced concrete.When the first stage of concrete pouring is complete,weld the bearingbracket on the pile steel casing,for the sake of convert the stress of the main structure of the cushion cap from the suspension system to thebearing bracket.The control points of the casing structure construction process are introduced in detail,which provides reference for similarpile construction.Key words:high pile cap in deep-water;steel boxed cofferdam;prefabricated bottom beam and base plate;transformation of stressed sys-tem;bearing corbelConstruction Technology of Four Line Cast-in-place Beams Abstract:The Tianhai section is located in the SG7 section of the first phase civil engineering project of the S2 line of the Wenzhou city rail-way,which is in the southeast coast with heavy rainfall and frequent typhoons.The construction area is an alluvial plain with widely distributedsoft soil,so the steel pipe support method is used for construction.The safety and rationality of bracket structure design and the efficiency ofinstallation and construction are the key to achieving the node schedule goals.Considering the construction characteristics of the four linecast-in-place beam,an innovative steel strand tension system is adopted to offset the horizontal force of the support,and a high-performancesupport system is designed.In the actual construction process,the efficiency of bracket installation was improved by processing and installingsteel pipes in blocks,achieving good construction results and providing reference for future related projects.Key words:four line cast-in-place beams;support design;support installation;bridge engineeringCalculation and Analysis of Hydration Heat of Tunnel Floor Concrete Pouring:Abstract:In order to study the change rule of temperature field and stress field of the structure and the crack resistance performance of thestructure during the one-time pouring construction of the tunnel floor,the bottom plate of a tunnel in Shenzhen with a length of 40 m width of16.25 m x thickness of 1.2 m is analyzed as the engineering background.The finite element model of the temperature field and stress of thesolid hydration heat effect is established by using ANSYS.The temperature load data is processed by using matlab,and the variation rules ofthe maximum temperature,minimum temperature,internal temperature difference and tensile stress of the base plate from the pouring to28 days are studied in combination with the actual pouring scheme and the removal time.The results show that the temperature of the concretefloor reaches the peak value within 2-3 days,the maximum temperature is 52.54 C,and the inner surface temperature of the concrete is basi-cally close to the ambient temperature on the 28th day;The maximum temperature difference between the interior and exterior surfaces is21.4 C,which occurs in 23 days.In actual construction,measures such as humidity and ventilation and increasing the ratio of admixture canbe taken to control the temperature peak;The safety factor of concrete crack resistance during the whole construction process is greater than1.15,which meets the specification requirements.It is feasible to adopt a one-time pouring construction scheme for the bottom plate.Key words:calculation of hydration heat;ANSYS;crack resistance;mass concrete;temperature fieldA Natural Driving Data Based Analysis of Tunnel Portal Speed Selection.SHAO Xiaojun,CHEN Feng,PAN Xiaodong(107)Abstract:Tunnel portal is a sensitive area for road safety.When vehicles drive from a spacious and bright highway section to a closed anddark tunnel section,the sudden driving environment can easily affect the drivers speed perception ability,thus causing a rear-end collision.To this end,the environment and driving information of 133 tunnels were extracted based on natural driving data according to the most unfa-vorable conditions.Speed selection models were developed using random parameter ordered Probit method for tunnel approach sections andentrance sections respectively.The likelihood ratio test was conducted to evaluate the difference between models.The results showed that therewas a significant difference between approach sections and entrance sections in terms of tunnel speed selection.Compared with the approachsections,speed selection in the tunnel entrance sections was affected by a wider range of slope and luminance.4.05.0%longitudinal slopeand 80100 cd/m2 luminance showed random effects on the speed selection of the tunnel entrance and tunnel approach sections respectively,with most of the observed values prone to reduce the possibility of high-speed driving.Furthermore,high-speed driving in tunnel approachsections were observed when other cars and trucks nearby,while similar behaviour was observed in tunnel entrance sections but for trucksnearby situations only.Key words:road tunnels;natural driving;speed;discrete choice modelHigh Risk Spots on Urban Roads Research and Judgment Methods Based on Surrogate Safety MeasuresAbstract:Identifying and screening high risk spots on urban roads plays a vital role in improving road traffic safety.Five surrogate safetymeasures(rapid acceleration event