[發明專利]一種霧天狀態下減少交通事故的車輛調控方法

有效

• 申請號: 201310093600.2
• 申請日: 2013-03-21
• 公開（公告）號: CN103198712A
• 公開（公告）日: 2013-07-10
• 發明（設計）人: 徐鋮鋮;劉攀;王煒;李志斌
• 申請（專利權）人: 東南大學
• 主分類號: G08G1/16
• 分類號: G08G1/16
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種霧天狀態下減少交通事故的車輛調控方法，其特征在于，該車輛調控方法包括以下步驟：

步驟10）獲取事故路段的基本信息：在高速公路上安裝q個交通流檢測設備，將相鄰兩個交通流檢測設備之間的高速公路設為一個路段，并且在快速道路上安裝w個環境氣象站；確定霧天狀況下每起交通事故的發生路段，并確定每起交通事故發生地點上游和下游兩個交通流檢測設備，以及距離該交通事故發生地點最近的環境氣象站；q和w均為大于1的整數；

步驟20）采集霧天狀況下的事故組交通數據和天氣數據：通過步驟10）確定的交通事故發生地點上游和下游兩個交通流檢測設備，采集霧天狀況下事故發生地點的交通數據，該交通數據包括交通事故發生前，在設定時間T內的18個交通流參數，18個交通流參數為該路段的上游交通流量平均值x₁、上游交通占有率平均值x₂、上游車輛速度平均值x₃、上游交通流量標準差x₄、上游交通占有率標準差x₅、上游車輛速度標準差x₆、下游交通流量平均值x₇、下游交通占有率平均值x₈、下游車輛速度平均值x₉、下游交通流量標準差x₁₀、下游交通占有率標準差x₁₁、下游車輛速度標準差x₁₂、上下游交通流量差絕對值的平均值x₁₃、上下游交通占有率差絕對值的平均值x₁₄、上下游車輛速度差絕對值的平均值x₁₅、上下游交通流量差絕對值的標準差x₁₆、上下游交通占有率差絕對值的標準差x₁₇、上下游車輛速度差絕對值的標準差x₁₈；并通過距離交通事故發生地點最近的環境氣象站，采集霧天狀況下，交通事故發生前的天氣數據，天氣數據是該路段在交通事故發生前，設定時間T內的路面能見度x₁₉；

步驟30）采集霧天狀況下的正常組交通數據和天氣數據：對應于霧天狀況下的每起交通事故，采用病例對照研究法，按1∶a比例選取交通事故發生路段在霧天、正常狀態下的交通數據和天氣數據，所述的正常狀態是指路段沒有發生交通事故時的狀態，所述的1∶a是指對應于每個交通事故的交通數據和天氣數據，選取該交通事故發生路段在正常狀態下的a個交通數據和a個天氣數據；交通數據包括該路段在霧天、正常狀態下，設定時間T內的上游交通流量平均值x₁、上游交通占有率平均值x₂、上游車輛速度平均值x₃、上游交通流量標準差x₄、上游交通占有率標準差x₅、上游車輛速度標準差x₆、下游交通流量平均值x₇、下游交通占有率平均值x₈、下游車輛速度平均值x₉、下游交通流量標準差x₁₀、下游交通占有率標準差x₁₁、下游車輛速度標準差x₁₂、上下游交通流量差絕對值的平均值x₁₃、上下游交通占有率差絕對值的平均值x₁₄、上下游車輛速度差絕對值的平均值x₁₅、上下游交通流量差絕對值的標準差x₁₆、上下游交通占有率差絕對值的標準差x₁₇、上下游車輛速度差絕對值的標準差x₁₈；天氣數據是該路段在霧天、正常狀態下，設定時間T內的路面能見度x₁₉；a為大于等于5的整數；

步驟40）建立霧天狀況下交通流數據總樣本：對于每個路段，將該路段上游和下游兩個交通流檢測設備在設定時間T內采集的交通數據，以及距離該路段最近的環境氣象站采集的天氣數據組合后，建立一個交通流數據樣本；在每個路段中，所有在霧天、發生交通事故狀態下形成的交通流數據樣本組成事故組數據樣本，所有在霧天、正常狀態下形成的交通流數據樣本組成正常組數據樣本；將該快速道路所有路段中的事故組數據樣本和正常組數據樣本組合后，形成包含霧天狀況下n個子樣本的交通流數據總樣本；n為大于6的整數；

步驟50）建立初始霧天狀況下交通事故判別函數：利用費歇爾判別方法，建立18個交通流參數和1個天氣參數的線性組合，作為初始霧天狀況下交通事故判別函數，如式（1）所示：

y_i＝β₀+β₁x_i1+β₂x_i2+β₃x_i3+β₄x_i4+β₅x_i5+β₆x_i6+β₇x_i7+β₈x_i8+β₉x_i9+β₁₀x_i10

+β₁₁x_i11+β₁₂x_i12+β₁₃x_i13+β₁₄x_i14+β₁₅x_i15+β₁₆x_i16+β₁₇x_i17+β₁₈x_i18+β₁₉x_i19

式（1）

式（1）中，i=1、2、3、…、n；y_i表示霧天狀況下交通流數據總樣本中第i個子樣本的數據測出的交通事故判別函數值；x_i1表示霧天狀況下的交通流數據總樣本中第i個子樣本的上游交通流量平均值；x_i2表示霧天狀況下的交通流數據總樣本中第i個子樣本的上游交通占有率平均值，x_i3表示霧天狀況下的交通流數據總樣本中第i個子樣本的上游車輛速度平均值，x_i4表示霧天狀況下的交通流數據總樣本中第i個子樣本的上游交通流量標準差，x_i5表示霧天狀況下的交通流數據總樣本中第i個子樣本的上游交通占有率標準差，x_i6表示霧天狀況下的交通流數據總樣本中第i個子樣本的上游車輛速度標準差，x_i7表示霧天狀況下的交通流數據總樣本中第i個子樣本的下游交通流量平均值，x_i8表示霧天狀況下的交通流數據總樣本中第i個子樣本的下游交通占有率平均值，x_i9表示霧天狀況下的交通流數據總樣本中第i個子樣本的下游車輛速度平均值，x_i10表示霧天狀況下的交通流數據總樣本中第i個子樣本的下游交通流量標準差，x_i11表示霧天狀況下的交通流數據總樣本中第i個子樣本的下游交通占有率標準差，x_i12表示霧天狀況下的交通流數據總樣本中第i個子樣本的下游車輛速度標準差，x_i13表示霧天狀況下的交通流數據總樣本中第i個子樣本的上下游交通流量差絕對值的平均值，x_i14表示霧天狀況下的交通流數據總樣本中第i個子樣本的上下游交通占有率差絕對值的平均值，x_i15表示霧天狀況下的交通流數據總樣本中第i個子樣本的上下游車輛速度差絕對值的平均值，x_i16表示霧天狀況下的交通流數據總樣本中第i個子樣本的上下游交通流量差絕對值的標準差，x_i17表示霧天狀況下的交通流數據總樣本中第i個子樣本的上下游交通占有率差絕對值的標準差，x_i18表示霧天狀況下的交通流數據總樣本中第i個子樣本的上下游車輛速度差絕對值的標準差，x_i19表示霧天狀況下的交通流數據總樣本中第i個子樣本的路面能見度；β₀為常數系數，β₁是x_i1的對應系數，β₂是x_i2的對應系數，β₃是x_i3的對應系數，β₄是x_i4的對應系數，β₅是x_i5的對應系數，β₆是x_i6的對應系數，β₇是x_i7的對應系數，β₈是x_i8的對應系數，β₉是x_i9的對應系數，β₁₀是x_i10的對應系數，β₁₁是x_i11的對應系數，β₁₂是x_i12的對應系數，β₁₃是x_i13的對應系數，β₁₄是x_i14的對應系數，β₁₅是x_i15的對應系數，β₁₆是x_i16的對應系數，β₁₇是x_i17的對應系數，β₁₈是x_i18的對應系數，β₁₉是x_i19的對應系數；

步驟60）確定標定后的霧天狀態下交通事故判別函數：通過測算式（2）的最大值，確定β₀、β₁、β₂、β₃、β₄、β₅、β₆、β₇、β₈、β₉、β₁₀、β₁₁、β₁₂、β₁₃、β₁₄、β₁₅、β₁₆、β₁₇、β₁₈和β₁₉值；

L=(1n1Σm=1n1ym(1)-1n2Σr=1n2yr(2))2Σm=1n1(ym(1)-1n1Σm=1n1ym(1))2+Σr=1n2(yr(2)-1n2Σr=1n2yr(2))2]]>???????????式（2）

式（2）中，L表示組間差與組內差的比值，n₁表示正常組數據樣本的樣本量，表示正常組數據樣本中第m個子樣本由式（1）得到判別函數值，m=1、2、3、…、n₁；n₂表示事故組數據樣本的樣本量，表示事故組數據樣本中第r個子樣本由式（1）得到判別函數值,r=1、2、3、…、n₂；

接著將得到的β₀、β₁、β₂、β₃、β₄、β₅、β₆、β₇、β₈、β₉、β₁₀、β₁₁、β₁₂、β₁₃、β₁₄、β₁₅、β₁₆、β₁₇、β₁₈和β₁₉值，帶入式（1）中，得到標定后的霧天狀態下交通事故判別函數；

步驟70）檢測在霧天狀態下發生交通事故的判別函數值，并進行車輛調控：

首先利用式（3）測算交通事故判別函數的臨界值Y₀：

Y0=Σm=1n1ym(1)+Σr=1n2yr(2)n1+n2]]>???????????????式（3）

然后利用待檢測路段上游和下游兩個交通流檢測設備，采集當前該路段的18個交通流參數和1個天氣參數，并帶入步驟60）得到的標定后的霧天狀態下交通事故判別函數，測算出判別函數值y，當時，如果y<Y₀，則該待檢測路段在霧天狀況下有發生交通事故的風險，在該路段前方通過可變信息板對駕駛員進行預警提示，并啟動高速公路匝道控制設備和可變限速控制設備，通過控制快速道路的匝道，降低上游車輛流量，通過可變限速板對當前車輛限速，降低上游車輛的行駛速度，如果y≥Y₀，則該待檢測路段當前沒有發生交通事故的風險，不發出警報提示；

當時，如果y>Y₀，則該待檢測路段在霧天狀況下有發生交通事故的風險，在該路段前方通過可變信息板對駕駛員進行預警提示，并啟動高速公路匝道控制設備和可變限速控制設備，通過控制快速道路的匝道，降低上游車輛流量，通過可變限速板對當前車輛限速，降低上游車輛的行駛速度，如果y≤Y₀，則該待檢測路段當前沒有發生追尾事故的風險，不發出警報提示；

步驟80）重復步驟70），進行待檢測路段下一個設定時間T發生交通事故判別函數值的檢測，并進行車輛調控，直至結束檢測。