长安大学学报(自然科学版)2023,Vol.43Issue(5) :72-87.DOI:10.19721/j.cnki.1671-8879.2023.05.008

公路事故多发路段辨识方法研究综述

Overview of identification methods of highway accident-prone sections

张驰 周郁茗 翟艺阳 张敏 王博
长安大学学报(自然科学版)2023,Vol.43Issue(5) :72-87.DOI:10.19721/j.cnki.1671-8879.2023.05.008

公路事故多发路段辨识方法研究综述

Overview of identification methods of highway accident-prone sections

张驰 1周郁茗 1翟艺阳 1张敏 2王博1
扫码查看

作者信息

  • 1. 长安大学公路学院,陕西西安 710064
  • 2. 长安大学运输工程学院,陕西西安 710064
  • 折叠

摘要

为探寻公路事故多发路段辨识方法的研究现状与发展趋势,利用文献计量学方法分析了中国知网(CNKI)数据库与Web of ScienceTM中的主题相关文献.从宏观角度对发文量趋势、关键词、研究国家进行简要分析,基于事故发生机理对事故多发路段辨识方法进行定义.在此基础上将事故多发路段辨识方法细分为:路段单元划分、数据收集处理、辨识指标选择与辨识方法选取4个子任务.并将第4个子任务划分为:统计驱动方法、模型驱动方法、空间驱动方法3类,回顾了各类方法的研究现状与优劣.最后从路段单元划分角度、交通事故数据角度、路段辨识方法角度提出事故多发路段辨识方法未来的发展方向.结果表明:滑动窗法和聚类算法能较好地划分出符合事故多发路段客观长度的道路单元;统计驱动方法存在考虑事故致因较少、确定指标阈值主观性较强灵活性不足、不考虑事故随机性的问题,可考虑利用模型驱动法解决;而模型驱动方法存在事故致因选取不科学的缺陷,基于人-车-路-环境-信息全要素系统充分考虑事故致因,严谨验证相关性的基础上合理选用事故致因,结合灰色理论有助于提高模型准确度;空间驱动方法可视化效果佳,基于地理信息系统(GIS)考虑时间维度的时空立方体法成为近几年的研究热点;融合模型驱动方法与空间驱动方法有助于构建可视化效果佳、辨识准确度高的模型;拓展至时空二维的路段单元、多维动态数据融合、重点考虑人因的事故致因与事故指标量化模型构建未来或有发展空间.

关键词

交通工程/辨识方法/综述/事故多发路段/神经网络算法/贝叶斯方法/GIS

Key words

traffic engineering/identification method/review/accident-prone section/neural net-work algorithm/Bayesian method/GIS

引用本文复制引用

基金项目

国家重点研发计划(2020YFC1512005)

四川省交通运输科技项目(2019-ZL-12)

中交一公院科创基金(KCJJ2020-24)

出版年

2023
长安大学学报(自然科学版)
长安大学

长安大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子:1.011
ISSN:1671-8879
参考文献量24
段落导航相关论文