大数据分析技术在高速公路安全风险预测管理中的应用研究

2022-11-07 05:35龚文森张孟雨擎李子龙王西雪
交通科技与管理 2022年20期
关键词:路网路段动态

柯 辉,龚文森,张孟雨擎,李子龙,王西雪

(1.广州交投机电工程有限公司,广东 广州 510000;2.苏交科集团股份有限公司,江苏 南京 210000)

0 引言

高速公路运输是国民经济发展的重要基础设施,其发展水平直接影响我国的经济发展和社会稳定。完善的高速公路运输体系,不仅需要规范的高速道路建设、完善的公路管理体制,尚需科学的安全管理模式。鉴于当前高速公路事故的频发性、高危性,高速公路的安全风险管理水平的提高势在必行。该文结合我国实际,以高速公路为研究对象,分析了高速公路安全风险的产生原因,探讨了高速公路安全风险评估的指标和模式。

1 高速公路运输安全管理背景趋势

随着经济快速发展,高速公路建设得到迅猛发展,在为人们出行提供便利的同时,高速交通事故数也随之增加。据公安部统计,1994年到2021年的高速公路交通事故数及死亡人数均逐年上升,其中人、道路、环境因素是诱发高速公路交通事故的关键因素。因此,研究诱发高速公路交通事故的各种因素,并找到行之有效的预测方案,对高速公路交通事故减少及高速公路的建设与管理有着长远的意义。

2 高速公路运输安全管理国内外现状

2.1 国外研究现状

国外大多数国家也都在交通安全的改善上进行了大量的研究,美国、德国等发达国家早已建立完善的道路交通预警系统。关于事故预测模型,Dominique Lord等对泊松模型、负二项模型及多元概率模型等统计模型进行研究,分析各模型的适用范围。Girma Berhanu等建立泊松分布模型和负二项回归模型,用以标定绝对事故次数与道路条件及交通流量之间的关系。关于高速公路安全水平分级,Jake Kononov等引入安全运行函数的概念,并在安全运行函数的基础上,提出了安全服务水平的概念,将高速公路交通安全水平进行分级。

2.2 国内研究现状

相较于国外,国内对道路运输安全数据挖掘的研究稍晚,但发展至今,也取得了很大的成果。

2.2.1 高速公路路段划分

北京工业大学胡江碧等[1]研究不同线形组合的高速公路路段划分方法,通过驾驶员在不同线形条件的高速公路上行驶时车速变化、驾驶员心理和生理变化等,总结驾驶员驾驶负荷度与道路线形条件之间的内在关联,从而提出基于驾驶员驾驶负荷度的路段划分方法。

2.2.2 事故预测模型研究

对于事故预测模型的研究,国内学者也做了大量工作。长安大学马壮林[2]等建立基于时空分析的事故次数预测模型,并分别用泊松分布模型、负二项分布模型、零堆积模型进行数据拟合,最后确定路段一致性负二项分布时空分析模型最有效。

2.2.3 安全服务水平研究

哈尔滨工业大学孟祥海[3]在其博士论文中提出安全服务水平的概念,用于城市干道系统交通安全分级标准研究,将城市道路网交叉口和路段分离,并分别对交叉口和路段进行分类,对每一类交叉口和路段进行安全服务水平分析,最后分析整个路网的安全服务水平,并加以评价。

2.2.4 高速公路安全性评价

对于事故数法、事故率法、事故次数与事故率综合法、质量控制法等经典路段安全性评价方法国内许多学者已做了大量研究工作。

2.3 现状分析

经国内高速公路发展现状的分析梳理,其现状问题大致梳理为以下三个方面。

2.3.1 安全形势依然严峻

《交通强国建设试点实施方案》提出“科学引领,创新监管,提升交通管理智慧化水平”的目标,安全形势依然严峻。

2.3.2 现有管理模式单一

现有的安全评估手段比较传统,当前仅能做道路运输安全风险的事后统计分析,无法做事前预警、有效提醒。

2.3.3 技术手段滞后

高速公路安全风险的数据分析手段基于传统统计分析,与大数据脱钩,未能实现多源数据融合。仅针对事故数据开展分析,缺乏与事故相关的风险因素的关联分析,而且目前针对交通事故相对数据统计较少,大部分分析仅限于一般的统计分析。

3 高速公路安全风险预测管理方案设计

高速公路交通安全是一个由管理、人、车、路组成的系统问题,四个因素相互协调、相互作用,综合影响交通安全。该文基于国内外研究现状和理论基础,针对高速公路交通事故的概况及分布特征,从多方面对高速公路交通事故的成因进行深入分析,并就事故致因提出构建高速公路交通事故的模型和指标。具体而言,在分析高速公路交通事故易发点段道路、交通及事故特性的基础上,参考高速公路交通事故数据分析方法研究[4]。首先从交通工程角度出发,对高速公路事故易发点段道路特性、交通特性、事故特性及诱发因素进行了分析,为建立模型和评估体系提供思路;其次,在总结分析高速公路交通安全设施类型及功能特点的基础上,从动态指标、静态指标和时间自然周期指标对交通安全因子进行分析;最后,从加大对车辆超载超限治理、提高道路安全管理水平、提高事故风险预测准确度等方面提出科学决策长效机制。

4 高速公路安全风险评估预测实现方法

4.1 构建高速公路安全风险动态监测库

该系统的建设依赖于多源异构数据的实时接入,数据接入模块需要支持连接多种异构类型的数据源,同时也支持上传本地自定义文件,通过简单的链接信息配置,即可使用对应数据源获取项目建设所需数据,建立高速公路安全风险动态监测数据信息库。主要资源包括公路收费管理类、公路养护管理类、公路运营管理类和公路基础设施类。

4.2 构建高速公路安全风险动态评估指标体系

该文面向高速公路安全监管现状,创新提出基于多源数据融合的高速公路安全风险评估指标体系。基于高速公路安全风险动态监测库,创新性地从海量多源数据中挖掘高速公路运输过程的风险特征因子,并根据底层数据特征,将指标从宏观和微观两个层次划分为动态指标、静态指标和时间自然周期指标三大类型。结合安全管理部门的经验结论指导,逐步明确各项风险特征因子,并随着风险因子与事故之间的特征关系的不断挖掘,通过特征工程进行特征构建、特征提取、特征选择,最终形成基于多源数据融合的集多维度、综合性的高速公路安全风险动态评估指标体系。

4.3 建立高速公路风险动态评估预测系统

4.3.1 路段级安全风险动态评估与预测模块

基于微观路段级动态风险评估指标体系,构建路段级安全风险评估与预测模型,实时输出路段动态风险指数(0~1之间)和路段风险等级。并在路网地图上以路段撒线的形式展现风险路段的分布,以红橙绿三种颜色表示路段的高中低风险等级。拖动时间轴可查看当天任意一个评估时间段路段的历史风险分布情况。

(1)模型功能。评估某一路段在某一段时段内的风险指数以预测下一个时段内的路段风险指数;评估与预测时间颗粒度:1 h。

(2)采用算法。事故风险预测研究是一个典型的非平衡数据分类问题,构建该类预测模型[5],常用的机器学习模型包括神经网络、随机森林、XGBoost[6]、LGBM等算法模型。在相同的训练集上,不同的算法,分类效果会有所差异。通过实验测试,在相同的数据集上,XGBoost算法具有更好的分类效果。最终选择XGBoost算法用来构建路段安全风险实时动态评估与预测模型。

(3)整体思路。根据模型构建整体思路(如图1所示),首先,基于动态指标、静态指标和时间自然周期指标三个层面的指标,结合历史交通事故数据,加工路段风险特征;其次,通过机器学习算法进行多轮模型训练,得到近1小时高速公路安全风险评估模型,并输出各个路段风险特征的权重;最后,利用多指标综合评价的方法,最终得到高速公路评估风险指数。同时,构建高速公路安全风险预测模型,对路段在接下来1个小时的风险做出预测,输出预测风险指数。

图1 模型构建整体思路图

4.3.2 路网级安全风险动态评估与预测模块

基于宏观路网级动态风险评估指标体系,构建路网级安全风险评估与预测模型,实时输出路段动态风险指数(0~1之间)和路网内各地区风险等级。并在地图上以色块图的形式展现路网风险地区的分布,以红橙绿三种颜色表示路段的高中低风险等级。拖动时间轴可查看当天任意一个评估时间段地区的历史风险分布情况。

(1)模型功能。评估某一路网(区县)在某一段时段内的风险指数以及预测下一个时段内的路网风险指数;评估与预测时间颗粒度:1 h。

(2)采用算法。路网安全风险评估与预测模型采用权重分配和汇总求和的统计分析方法。

(3)整体思路。以路段风险评估与预测结果为主,对路段中高低风险等级的路段分配权重,然后对地区内所包含的路段进行分数计算,最后得到路网层面的风险评估与预测指数。具体步骤可分为以下两个步骤:

1)计算各个风险等级的权重:统计过去7天所有路段评估与预测历史数据分为高中低等级三档的比例,取倒数并处理成累计100%的权重项。

2)加权求和:对各个区县,对其所包含的路段按照风险等级按如上定义的不同权重进行加权求和/所有路段的权重,从而得到各区县风险评估与预测指数。

4.4 形成高速公路安全风险科学决策辅助机制

基于高速公路安全风险动态评估与预测系统的分析结果,建立月度报告自动生成模块,建立月度报告校审和发布机制,将路网、路段风险预测结果推动给相关领导、安全主管部门、路网管理者等相关部门和单位,根据报告中的高风险路段和高风险地区信息,辅助管理者进行重点路段和重点区域管理,更加科学地提升管理效率。

5 实现效果

在传统的分类方法中,准确率是常用的模型衡量指标,然而在非平衡数据分类中,准确率不是恰当的指标,混淆矩阵是常被采用的衡量方法。其中,常被用来对事故风险评估与预测模型进行评价的度量指标为召回率、精确度和关注度。结合业务需求导向,模型选用召回率、关注度综合评价模型效果,目前经长期监测模型应用效果,模型实际应用效果中,召回率可达50%~60%,关注度可达4%左右,模型效果较可观。模型效果需结合实际管理导向,在项目实际应用中不断验证。

6 结论

该文通过对高速公路进行研究,将构建的算法模型与方法应用于高速公路路网体系中,通过高速公路安全风险动态评估预测系统与动态生成评估预测报告机制,为高速公路安全管理部门切实提供有效的高风险路段与高风险地区信息,辅助决策者更好地实施事故风险防范措施,为进一步提升高速公路运输安全管理水平贡献力量。目前,国内高速公路运输安全形势仍十分严峻,未来高速公路运输安全相关研究仍需基于管理瓶颈进一步完善。路网风险管理是一种“主动安全”管理模式[7],从源头上遏制风险事故发生的不确定性,才能真正保证路网的安全性。随着各方学者的深入研究,未来必将能够实现大数据分析技术在高速公路运输安全管理领域中的创新突破。

猜你喜欢
路网路段动态
国内动态
国内动态
国内动态
动态
基于元胞自动机下的交通事故路段仿真
基于元胞自动机下的交通事故路段仿真