恶劣天气下高速公路实时事故风险预测模型

徐铖铖，刘 攀，王 炜，李志斌

（东南大学 交通学院，南京 210096）

文献［1－3］研究表明：雨天发生的交通事故是正常天气条件下的1.5倍以上。文献［4－5］研究发现：冰雪天气不仅增加了交通事故总量，也增加了伤亡事故的数量。

随着高速公路智能交通系统的不断运用，海量高精度交通流数据的获取越来越容易。许多学者开始研究基于实时交通流数据的高速公路实时事故风险预测模型（Real time crash risk prediction model）［6-11］。与用来预测交通事故的频率的传统事故预测模型不同，实时事故风险预测模型用来预测交通事故发生的概率。

目前高速公路实时事故风险预测模型只考虑了实时交通流参数（如速度差、交通流密度和上下游断面速度差等）对交通事故风险的影响，忽略了恶劣天气对交通事故风险的影响［6-12］。因而，本文研究了基于实时交通流数据和天气数据的交通事故风险预测模型。该模型是对已有交通事故风险预测模型的改进，它不仅能够量化恶劣天气条件对实时事故风险的影响，而且可以提高实时事故风险预测模型的预测精度。

1 研究路段与数据特征

由于国内高速公路交通流检测设备的布设密度相对较低、交通流数据的采集精度相对较低以及历史交通流数据保存不完整等原因，论文提取了美国加州I－880N高速公路从桩号22.78（英里）到桩号37.07（英里）约23公里路段的数据，用来建立实时事故风险预测模型。提取的数据包括30s精度的交通流数据、事故数据和气象数据。在该研究路段中，单向共有29组交通流线圈检测器和2个环境气象监测站。……