[发明专利]一种快速道路排队尾部追尾事故风险实时预测与预防方法

权利要求书

1.一种快速道路排队尾部追尾事故风险实时预测与预防方法，其特征在于：包括记录历史追尾事故阶段和实时预测预防阶段，具体包含以下几个步骤：

步骤一：设置交通流检测器和数据平台，采集自交通流检测器安装以后的交通流数据，具体步骤为：

a1、在快速道路常发瓶颈的上游路段的各车道上布置多组交通流检测器，按照从上游到下游的顺序记录每个交通流检测器所对应的桩号；

a2、交通流检测器定时采集所在车道对应位置处的交通流数据，包括流量、速度和占有率，并将交通流数据传输给数据平台，数据平台绘制各个交通流检测器对应的占有率斜累计曲线；

步骤二：从交警部门获取自交通流检测器安装以后的记录历史追尾事故阶段内该快速道路常发瓶颈的上游路段的历史追尾事故数据，包括每起历史追尾事故的发生位置、发生时间和事故类型；剔除其中由随机因素导致的历史追尾事故数据；

步骤三：计算追尾事故风险实时预测所需参数，具体步骤为：

b1、针对每一个历史追尾事故，取最靠近该历史追尾事故发生处的上游和下游各1个交通流检测器的占有率斜累计曲线，确定占有率斜累计曲线的拐点和所对应的拐点时刻，每条占有率斜累计曲线的拐点按照以下原则来确定：拐点前后三分钟以内，以该拐点为交点分别绘制的两条占有率斜累计曲线的线性拟合直线，使得占有率斜累计曲线上偏离该两条直线的所有占有率的点的偏离值的总方差和最小，所述线性拟合直线以最小二乘法确定得到；

b2、确定发生历史追尾事故时排队尾部的传播轨迹，计算下式：

ΔT＝T₃-T₂

其中：

T₂为最靠近该历史追尾事故发生处下游的1个交通流检测器的拐点时刻，

T₃为最靠近该历史追尾事故发生处上游的1个交通流检测器的拐点时刻，

若ΔT>0时，发生该历史追尾事故时为拥堵传播状态，即排队尾部向上游传播，

若ΔT<0时，发生该历史追尾事故时为拥堵消散状态，即排队尾部向下游消散；

b3、计算每个历史追尾事故与排队尾部之间的时间距离TP和空间距离SP，具体方法为：

若b2中的ΔT>0，则时间距离TP和空间距离SP的计算公式如下：

TP=-T2-(S2-S1)·|T2-T3S2-S3|+T1]]>

SP=-S2+(T1-T2)·|S2-S3T2-T3|+S1]]>

若b2中的ΔT<0，则时间距离TP和空间距离SP的计算公式如下：

TP=-T1+(S1-S3)·|T2-T3S2-S3|+T3]]>

SP=-S3-(T1-T3)·|S2-S3T2-T3|+S1]]>

其中：

T₁为某个历史追尾事故的发生时刻，

T₂为最靠近该历史追尾事故发生处下游的1个交通流检测器的拐点时刻，

T₃为最靠近该历史追尾事故发生处上游的1个交通流检测器的拐点时刻，

S₁为该历史追尾事故发生处的桩号，

S₂为最靠近该历史追尾事故发生处下游的1个交通流检测器的桩号，

S₃为最靠近该历史追尾事故发生处上游的1个交通流检测器的桩号；

b4、按照发生历史追尾事故时对应为拥堵传播状态还是拥堵消散状态将历史追尾事故分为两类，分别计算这两类历史追尾事故的频数随时间距离TP的正态分布均值u_TP和随空间距离SP的正态分布均值u_sp、两类历史追尾事故的频数随时间距离TP的标准差σ_TP和历史追尾事故的频数随空间距离SP的标准差σ_SP以及两类历史追尾事故的频数随空间距离SP和时间距离TP的联合正态分布的协方差σ_SP,TP。

步骤四：实时预测预防阶段，监测路段各断面的实时交通流数据，当相邻两桩号的交通流检测器对应的占有率斜累计曲线均出现拐点时，则快速道路路段出现拥堵排队现象；否则继续监测；

步骤五：步骤三中若出现拥堵排队现象，计算当前时刻拥堵排队尾部发生追尾事故概率，高危时刻自动报警，具体包括：

c1、在布置交通流检测器的路段的上游位置设置路侧提示信息牌，所述路侧提示信息牌带有自动报警系统且自动报警系统连接至数据平台；

c2、确定当前时刻排队尾部的传播轨迹，计算下式：

ΔT'＝T_a-T_b

其中：

T_a为均出现拐点的相邻两桩号的交通流检测器中处于上游的交通流检测器的占有率斜累计曲线的拐点时刻，

T_b为均出现拐点的相邻两桩号的交通流检测器中处于下游的交通流检测器的占有率斜累计曲线的拐点时刻；

若ΔT'＝T_a-T_b>0，则当前时刻为拥堵传播状态，即当前时刻排队尾部向上游传播，

若ΔT'＝T_a-T_b<0，则当前时刻为拥堵消散状态，即当前时刻排队尾部向下游消散；

c3、计算当前时刻路侧可变信息牌与拥堵排队尾部的时间间距t₁和空间间距x₁，具体方法为：

若c2中ΔT'＝T_a-T_b>0，则时间间距t₁和空间间距x₁的计算公式如下：

t1=-Ta-(Sa-Sp)·|Tb-TaSb-Sa|+Tp]]>

x1=-Sb+(Tp-Tb)·|Sb-SaTb-Ta|+Sp]]>

若c2中ΔT'＝T_a-T_b<0，则时间间距t₁和空间间距x₁的计算公式如下：

t1=Ta-(Sa-Sp)·|Tb-TaSb-Sa|-Tp]]>

x1=-Sb-(Tp-Tb)·|Sb-SaTb-Ta|+Sa]]>

其中：

T_p为当前时刻，

T_a为均出现拐点的相邻两桩号的交通流检测器中处于上游的交通流检测器的占有率斜累计曲线的拐点时刻，

T_b为均出现拐点的相邻两桩号的交通流检测器中处于下游的交通流检测器的占有率斜累计曲线的拐点时刻，

S_p为路侧可变信息牌的桩号，

S_a为均出现拐点的相邻两桩号的交通流检测器中处于上游的交通流检测器的桩号，

S_b为均出现拐点的相邻两桩号的交通流检测器中处于下游的交通流检测器的桩号，

c4、按照拥堵传播状态和拥堵消散状态分别计算b4中两类历史追尾事故的频数与时空距离的联合正态分布的概率密度函数f(SP,TP)，公式如下：

f(SP,TP)=12πσSPσTP1-ρ2exp{-Z2(1-ρ2)}]]>

Z=(SP-μSP)2σSP2+(TP-μTP)2σTP2-2ρ(SP-μSP)(TP-μTP)σSPσTP]]>

ρ=σSP,TPσSPσTP]]>

其中：

TP为每个历史追尾事故与排队尾部之间的时间距离，

SP为每个历史追尾事故与排队尾部之间的空间距离，

σ_SP为历史追尾事故的频数随空间距离SP的标准差，

σ_TP为历史追尾事故的频数随时间距离TP的标准差，

σ_SP,TP为历史追尾事故的频数随空间距离SP和时间距离TP的联合正态分布的协方差，

u_TP为历史追尾事故的频数随时间距离TP的正态分布均值，

u_sp为历史追尾事故的频数随空间距离SP的正态分布均值，

c5、计算当前时刻路侧可变信息牌与拥堵排队尾部之间的路段内追尾事故发生的概率，公式如下：

P{0<SP<x1∩0<TP<t1}=∫0x1∫0t1f(SP,TP)dsPdTP]]>

其中：

f(SP,TP)为历史追尾事故的频数与时空距离的联合正态分布的概率密度函数，

t₁为当前路侧可变信息牌与拥堵排队尾部的时间间距，

x₁为当前路侧可变信息牌与拥堵排队尾部的空间间距，

TP为每个历史追尾事故与排队尾部之间的时间距离，

SP为每个历史追尾事故与排队尾部之间的空间距离；

若当前ΔT'＝T_a-T_b>0，则选择ΔT>0和ΔT'＝T_a-T_b>0时对应的上述参数进行计算，

若当前ΔT'＝T_a-T_b<0，则选择ΔT<0和ΔT'＝T_a-T_b<0时对应的上述参数进行计算；

c6、当计算出来的追尾事故发生的概率大于设定阈值时，数据平台控制触发路侧提示信息牌上的自动报警装置进行预警；反之，当计算出来的追尾事故发生的概率不大于设定阈值时，返回步骤三继续监测。