[发明专利]基于倾向值匹配的爬坡车道交通安全效益计算方法

权利要求书

1.基于倾向值匹配的爬坡车道交通安全效益计算方法，其特征在于：所述方法具体过程为：

步骤一、收集、处理及组织数据，确定控制组与对照组样本；

收集交通事故数据包括，事故发生的时间和地点；

处理数据包括根据高速公路行车方向、平曲线曲率、纵坡坡度、车道数、设计速度、爬坡车道、隧道、互通式立交及服务区，将各高速公路划分成若干路段单元；按长度加权平均的方法合并至前后路段中，最终得到一系列的同质化路段单元，即为初始样本量；

组织数据包括由每起交通事故发生的时间及位置，统计各样本所在路段上的历年事故数；依据互通式立交的桩号位置，将交通量数据链接至各样本中；剔除处于下坡路段的样本，同时剔除隧道路段、互通式立交及服务区路段的样本，得到适用的样本量；

确定控制组与对照组样本包括，将含有爬坡车道的样本定义为控制组，无爬坡车道的样本定义为对照组。

步骤二、构建倾向值模型，并预测所有样本的倾向值；

其中，定义倾向值为样本总体中任一样本进入控制组，即设置爬坡车道，的概率；在构建倾向值模型前，首先将爬坡车道定义为控制变量，有爬坡车道为1，无爬坡车道为0；将对爬坡车道设置或事故有潜在影响的变量定义为混淆变量；构建爬坡车道为因变量、混淆变量为自变量的统计模型；构建如下二项Logit模型预测倾向值：

式中：P(T_i＝1|C_i)——样本i的倾向值，即样本i上控制变量为1时的概率；T_i——控制变量；C_i——混淆变量向量；η——截距项；κ——参数向量；

以虚拟R²评价Logit模型的拟合优度，即混淆变量对控制变量的解释程度，计算方法为：式中：L_C——模型的似然函数值；L_Z——模型中仅包含截距项时的似然函数值；

步骤三、基于倾向值的样本匹配；

从样本总体中分离出控制组样本，然后从剩余样本中挑选出倾向值与控制组各样本的倾向值相等或接近的样本，以得到新的对照组，即完成了基于倾向值的样本匹配；

步骤四、混淆变量的平衡性检验，若通过，进行下一步，否则返回步骤二；

以标准化偏差以及t检验共同衡量匹配后控制组及对照组之间的差异。两组之间所有混淆变量的标准化偏差均低于20％，且t检验结果也表明各混淆变量在两组间无显著差异时，则可通过平衡性检验；标准化偏差δ计算方法为式中：——控制组中混淆变量C的均值；——控制组中混淆变量C的方差；——对照组中混淆变量C的均值；——对照组中混淆变量C的方差；t检验方法为

式中：N_T——控制组中样本数量；N_U——对照组中样本数量；d_f——自由度；S——双样本t检验的合并标准差；

步骤五、爬坡车道交通安全效益计算。

计算样本匹配后的无爬坡车道样本及有爬坡车道样本的平均每公里事故率及亿车公里事故率，计算方法为：

式中：R_K——平均每公里事故率；R_V——平均亿车公里事故率；N——样本数量；n_i——样本i上的事故数；l_i——样本i所在路段的长度；v_i——样本i所在路段的年平均日交通量；以无爬坡车道样本及有爬坡车道样本间事故率的相对差异作为爬坡车道对交通安全效益的度量指标，其计算方法为：

或

式中：R——爬坡车道对交通安全的效益度量值；R_K(T)——有爬坡车道样本平均每公里事故率；R_K(U)——无爬坡车道样本平均每公里事故率；R_V(T)——有爬坡车道样本平均亿车公里事故率；R_V(U)——无爬坡车道样本平均亿车公里事故率。

2.根据权利要求1所述基于倾向值匹配的爬坡车道交通安全效益计算方法，其特征在于：基于倾向值的样本匹配采用1:1邻近匹配法进行，包括：

D_i≤0.25σ

式中：P_i——控制组中样本i的倾向值；P_j——总体样本中，此时已不含控制组样本，与控制组样本i倾向值最接近的样本j的倾向值；D_i——样本i与样本j倾向值之差的最小值；σ——所有样本倾向值的标准差；

将满足条件的总体中的样本纳入对照组中，同时，移除未能成功匹配的控制组中的样本，进而得到了新的控制组和对照组。