基于轨迹数据的山区危险性弯道路段交通事故风险动态预测

针对山区双车道公路危险性弯道路段交通事故多发的现实问题,提出主动评估短时交通流状态下的交通事故风险,以降低交通事故发生率.采用无人机高空拍摄弯道路段交通流运行状态,利用计算机识别技术提取高精度的车辆轨迹和交通流数据,结合山区双车道公路弯道路段危险驾驶行为特征表征交通冲突,以距离碰撞时间为交通冲突量化指标,提出山区车道公路弯道路段交通冲突严重程度类型的阈值划分标准.在此基础上,选取统计分析(LR模型)和非参数数据挖掘技术(RF和SVM模型)构建山区双车道公路弯道路段交通事故风险动态预测模型,以混淆矩阵和AUC为评价指标,对比分析各模型的整体预测能力;最后,选择预测精度最好的模型定量分析特征变量与交通事故风险之间的关系.研究结果表明:在车辆轨迹和交通流实测数据的环境下,采用RF算法构建的山区双车道公路弯道路段交通事故动态风险预测模型准确度最高,准确率达到78.9％,AUC为0.846 2,较LR模型和SVM模型精度分别提高了 21.8％和15.93％,可以较为准确的评估山区双车道公路弯道路段交通事故风险的高低;车头时距(AHD)和货车混入率(RT)是风险动态预测模型中相对重要度最高的2个特征变量,且在AHD小于20 s、RT达到0.6时事故风险发生概率会大幅增大.研究成果可应用于山区双车道公路的短临动态预警系统的设计,指导安全管理对策制定.