为保障山区高速公路多桥隧段路侧交通安全,优化路侧交通设施,减少桥梁群、隧道群及桥隧群间因行驶环境变化过频造成的路侧交通事故,结合驾驶员行车规律,借助统计学、机器学习等相关理论,建立了山区高速公路多桥隧环境下路侧事故起数、客货车事故数量的预测模型.为分析高速公路行车环境对驾驶员视觉、心理和操作特性的影响,从道路线形、交通构造物、交通环境及天气条件4个方面选取了10个预测指标;通过Spearman相关性分析,解释了路侧事故与10个预测指标间的作用机理;建立了基于BPNN(BP神经网络)、GA-BPNN(GA-BP神经网络)、PSO-BPNN(PSO-BP神经网络)的路侧事故预测模型,以MAE(平均绝对误差)、RMSE(均方根误差)、MAPE(平均绝对百分比误差)为模型评价指标,择优选取预测模型.利用渝湘高速公路近5a事故形态,对侧翻、侧面相撞及碰撞固定物的路侧事故数据进行了实例验证.结果表明:山区高速公路多桥隧段路侧事故受到10个预测指标的综合影响,与路段长度、弯道比例、桥梁比例等因素呈正相关,且路段长度的影响程度最大;相较于BPNN和GA-BPNN预测模型,PSO-BPNN的MAE,RMSE,MAPE误差指标平均降低18.5％,17.65％,24.16％,模型预测误差更小、精度更高;路侧事故起数、客货车事故数量的精确预测,可为路侧设施优化设计提供有效的决策支撑.

交通安全;路侧事故预测;PSO-BPNN模型;山区高速公路;多桥隧段;Spearman相关性分析

重庆交通大学 交通运输学院,重庆 400074;重庆交通大学 土木工程学院,重庆 400074

[1]尚婷;唐杰;黄政东;周亮宇;吴鹏-.山区高速公路多桥隧段路侧事故预测研究)[J].公路交通科技,2022(10):141-152

多桥隧段,路侧事故,路侧事故预测,桥隧群

山区高速公路,预测研究,交通安全,交通设施,桥梁群,隧道群,过频,交通事故,驾驶员,起数,客货车,货车事故,事故数量,道路线形,构造物,交通环境,天气条件,预测指标,BPNN,GA,PSO,MAE,平均绝对误差,RMSE,MAPE,平均绝对百分比误差,模型评价指标,择优,渝湘高速,5a,事故形态,对侧,侧翻,相撞,固定物,事故数据,综合影响,路段,段长度,弯道,误差指标,预测误差,精确预测,路侧设施,决策支撑

0.249436