《数据驱动下的高速公路运行安全管控》阐述交通大数据及人工智能发展背景下高速公路运行安全评估、管控的模型和技术，主要内容包括高速公路运行安全信息采集、实时事故风险评估、二次事故风险评估、施工作业区风险评估、基于事件态势感知技术的交通事件时空影响预测、基于案例推理的高速公路交通事故应急预案管理，以及基于车道控制和匝道控制运行安全控制等。

第1章 概述
　　高速公路是我国交通体系的重要组成，关系着人们的出行和社会经济的发展。近年来，我国高速公路运行水平显著提高，但在安全管理体系建设方面还存在一定的问题和不足。频发的交通事故造成了重大的社会经济损失。为推动高速公路事业的健康发展，需深入分析现阶段高速公路运行安全管理中存在的不足，逐步构建、完善高速公路运行安全管理体系。
　　随着人工智能技术的发展，从高速公路运行过程中获得的数据量更加庞大，通过先进的数理模型，可以为高速公路运行安全的指挥调度提供可靠的依据。本章主要讲述我国高速公路交通安全状况，并简单介绍高速公路运行安全管理及全书的内容安排。
　　1.1 我国高速公路交通安全现状
　　我国高速公路的建设随着国民经济的发展而迅猛发展，虽然比世界发达国家晚半个世纪，但是发展之快，令世界瞩目。按照交通强国战略的要求，我国将继续保持交通运输基础设施建设的适度规模和速度，确保国家扩大内需的重点在建和续建项目顺利建成并发挥效益。
　　2021年，《国家综合立体交通网规划纲要》要求加快建设交通强国，构建现代化高质量国家综合立体交通网，支撑现代化经济体系和社会主义现代化强国建设。该纲要描述了高速公路路网已经取得的主要成就：国家高速公路网16万km左右，由7条*都放射线、11条纵线、18条横线及若干条地区环线、都市圈环线、城市绕城环线、联络线、并行线组成。
　　与普通公路相比，高速公路因其全封闭、全立交、控制出入、无横向及对向干扰等特点，在世界范围内被普遍认为是昀安全的公路。西方交通发达国家的交通事故统计数字也支持了这一观点。但是，随着通车里程的增加，我国高速公路交通安全状况却不容乐观，形势严峻。根据《中华人民共和国道路交通事故统计年报(2019年度)》中有关高速公路事故数据，随着高速公路通车里程的增加，死亡人数先不断升高，在2006年死亡人数达到昀大，随后高速公路死亡人数逐步维持在这个水平，到2016年才有了明显的下降趋势。我国2004～2019年高速公路事故数据统计如表1.1.1所示。高速公路交通事故直接造成的财产损失随着高速公路通车里程的不断增长而增长，并且造成财产损失的总量占比也是逐年增长。这些数据无不说明着高速公路安全管理的重要性。
　　表1.1. 1 我国2004～2019年高速公路事故数据统计
　　由此大致可以得到高速公路交通安全的特点。*先，高速公路的事故致死率比较高。相较于普通公路，高速公路具有较快的行驶速度，如果发生事故，将会造成十分严重的影响。因此，虽然高速公路事故发生率较低，但是却有极高的事故致死率。统计表明，近些年来高速公路交通事故发生率呈现出稳步增长的态势。
　　基于高速公路交通安全的特点，公安部办公厅印发了《关于进一步加强高速公路交通管理工作的通知》。各地公安交管部门高度重视，精心统筹推进，深入贯彻落实，重点突破、精准发力，取得了一定的成效。但是，高速公路的拥堵与交通安全问题已经成为我国高速公路交通管理面临的两大严峻考验。高速公路的交通拥堵，延长了行程时间、增加了出行费用、降低了通行效率，加剧了环境污染和能源浪费。近年来，高速公路里程的快速增长，伴随着高速公路死亡事故占事故总数的比例逐年提高，严重威胁了交通参与者的生命与财产安全。高速公路交通事故不但会引发不同程度的交通拥堵，而且容易导致交通事故及二次事故的发生，是道路交通管理的主要影响因素。交通事件的快速处置对于交通事故的快速救援、交通拥堵的及时疏导、交通安全隐患的有效排除具有重要意义。新时期下，虽然我国充分重视交通安全，相关单位结合高速公路的运行特点，将一系列安全管理策略落实下去，但各种安全事故依然层出不穷。根本原因就在于缺乏完善的运行安全管理体系，难以有效管控和消除潜在的安全隐患，制约高速公路运行安全目标的实现。针对这种情况，需从多方面着手，持续完善高速公路运行安全管理体系。
　　1.2 高速公路运行安全管控发展状况
　　伴随高速公路的建设，高速公路运行安全管理已经引起国内公路界，尤其是高速公路管理部门的关注。例如，高速公路管控部门需要考虑如何在节假日车流量较大或者天气条件恶劣的情况下，减少车辆之间的冲突，从而避免交通拥堵、交通事故的发生，以及在事故发生后如何及时对一次事故进行合理管控，从而有效地降低二次事故发生的风险。这些问题都是高速公路运行安全管理中需要重点考虑的内容，因此国内外对高速公路运行安全管理十分重视，开展了许多关于高速公路运行安全管理的研究。
　　1. 实时事故风险研究现状
　　交通事故的发生通常是人、车、路、环境等众多因素综合影响的结果。国内外学者利用历史数据研究不同因素与交通事故的相关性，总结得到一些影响因素对交通事故风险的作用机理。近些年，智能交通系统的发展使动态获取交通信息成为可能，极大地提高了交通信息的丰富程度。这为研究人员根据历史数据还原事故发生前的交通流状态提供了便利。事故风险实时预警的研究课题应运而生，目前已经积累了一定的研究成果。
　　通常来讲，交通事故发生前的交通流存在紊乱现象。国外研究人员发现，通过采集交通事故和事故点上游断面的线圈检测器数据，可以用流量、占有率、速度的均值和标准差等 6个变量来描述交通流状态，把事故发生前(一般为5min)一段时间的交通流定义为紊乱状态。 Oh等[1]通过将紊乱状态时的数据与事故发生前时(一般为30min)的正常状态进行比较，经过数理统计的计算方法对比发现，两者的速度标准差具有显著差异，以此构建两种交通流状态的贝叶斯分类模型用于高速公路事故短时预测，但是难以兼顾预测的准确性与提前性。
　　随着交通流紊乱状态的提出，Lee等[2]提出事故先兆这一概念。他们以事故发生前5min内事故点上游的交通流密度、车道间的速度方差系数、断面间的速度方差系数作为事故先兆，用Log-Linear模型分析，发现事故点的事故率与这三个事故先兆显著地正相关。Lee等[3]为了使预测模型更加客观可信，基于事故发生机理从事故先兆中剔除车道间的速度方差系数，增加事故点上下游两个断面的平均速度差，用统计方法重新规定每个变量的观测时间和分级标准，把先前的研究成果在仿真实验中应用，根据事故预测结果实时调整限速策略。仿真结果显示，这种限速策略对路段行车安全的改善效果比固定限速值更优 [4]。
　　美国佛罗里达州奥兰多市的I-4高速公路上，在39英里(1英里≈1.61km)范围内大约每隔0.5英里的双向六条车道布设线圈检测器，每隔30s采集一次各车道的交通流数据，包括平均速度、交通量、占有率。Abdel等[5]从该高速公路事故报告中筛选375起日间交通事故，采集事故发生前30min内事故点上下游断面的交通流数据构造事故样本，对应每起事故选择相同地点约21组相似时间段且安全状态下的交通流数据，构造7757个非事故样本，用广义估计方程(generalized estimating equation，GEE)研究交通流对高速公路行车安全的影响，结果显示某一断面速度连续 5min离散值较高时，下游0.5英里容易发生事故，而连续时间长达15min时当前断面容易发生事故。同时，Abdel等[6]用同一批数据构造252个解释变量，从中筛选 2个显著变量，即事故发生前5～10min内事故点上游第2个断面的平均占有率和事故点下游第1个断面的速度方差系数，建立二元Logit回归事故预测模型，事故分类准确率可达69.4%。此后，人们开始尝试从事故分类预测和建模方法两个角度提高事故预测准确率。其中，Abdel等[7]按照事故发生前5min内事故点的平均速度把交通事故分为高速事故和低速事故两类，统计分析发现事故的严重程度和发生机理存在的差异，把先前的二元Logit回归预测模型细化成高速事故预测模型和低速事故预测模型。两个模型在解释变量和准确率等方面都有明显差别，其中低速事故预测模型准确率提高到74%，而高速事故预测效果依然较差。有研究将这批数据分为训练集和测试集，用训练集样本构建的基于贝叶斯分类理论的概率神经网络预测模型，对测试集中事故的预测准确率可达70%[8]。Abdel等不断拓展事故风险预测问题的外延，如无信号交叉口的事故预测[9]、低能见度下的事故预测[10]、多源数据融合的事故预测[11]、城市快速路交织段的事故预测[12]等。
　　国外的研究团队近年来积极尝试除了线圈检测器数据以外的基于其他新型信息采集技术的交通数据在事故风险实时预测方面的应用。基于电子标签技术的自动车辆识别(automatic vehicle identification，AVI)系统可以采集配套车辆的行程时间和区间平均速度。有研究证明[13]，AVI系统数据在事故风险预测方面大有前途，但是也指出数据效用受到AVI系统路侧设备布设间距的直接影响，只有平均间距在一定距离以下的AVI系统数据才能达到令人满意的预测准确率，但是当间距大于3英里时所有的变量都不再显著。后来，Ahmed等[14]在AVI系统数据的基础上又考虑了天气因素。除此之外，Hassan等[10]还使用过其他交通流数据，例如雷达检测器数据(30s周期的平均速度)，远程微波检测器 (remote traffic microwave sensor，RTMS)30s周期的流量、占有率、时间平均速度数据[11]，微波车辆检测器 (microwave vehicle detection sensor，MVDS)1min周期的交通量、占有率和速度数据等 [12，15]。基于这些数据的预测模型都表现出不错的事故预测性能。
　　相较国外，国内线圈检测器布设间距通常较大，布设间距为500m左右的路段比较少见，很难获取精细的交通数据，因此相关研究进展缓慢。Xu等[16]通过研究国外的交通事故数据，把事故按照严重程度分成致命、致伤、轻微三类，采用 Logit模型分析发现交通流对三类事故风险的影响机理大不相同，频繁换道、较大的速度离散度且拥堵的交通流容易引发轻微事故；相邻车道的速度离散度大且畅通的交通流容易引发致命和致伤事故。同时，国内部分研究者使用浮动车采集的速度信息，构建动态贝叶斯网络(dynamic Bayesian networks，DBN)模型，研究事故与动态速度情况的关系。
　　(1)静态贝叶斯网络模型，事故点上下游各一个路段的拥堵水平，两个路段间的速度差。
　　(2)动态贝叶斯网络，事故点上下游各两个断面的交通流参数 (流量、速度、占有率)。
　　以5min为一个时间段，选择事故发生前的第2～4个时间段的交通流数据，根据事故点上下游的拥堵程度分成4种交通状态组合和9种交通状态组合。结果显示，基于9种交通状态的预测模型效果较优[17]。
　　综上所述，实时事故风险研究通常从事故发生前和事故点附近选取时空考察范围，提取所有时空组合下的交通流数据，包括流量、占有率、速度，并用其平均水平和离散水平构造交通流参数，建模分析这些变量与事故风险的相关性。显著变量的时间跨度大多为事故发生前5～15min，出于为模型计算、信息发布和采取措施预留充足时间和事故记录时间延迟于真实时间的考虑，发生前5min通常不被纳入考察范围。研究结果普遍显示，反映交通数据离散水平的变量通常比较显著，其中速度离散性的表现昀突出。
　　这方面的研究依赖高密度、高频率的交通流数据。国外享有一些优质数据，因此研究风生水起。从表1.2.1可以看出，国外的线圈检测器布设密度和数据的采样频率都很高，而国内高速公路的交通流信息采集设备的布设密度与国外存在很大的差距。国外已有的研究成果不适合国内现有的基础设施条件，例如国内所研究路段的检测器布设间距虽然达到300～500m，但是如此高密度布设的检测器的数据采样间隔却是5min，远低于国外的30s，遑论国内线圈检测器的布设间距通常都是以千米计数的，因此相应的研究举步维艰。
　　表1.2.1 国内外实时交通事故风险预测研究的交通数据汇总
　　实时事故预

目录
“交通安全科学与技术学术著作丛书”序
序
前言
第1章概述1
1.1我国高速公路交通安全现状1
1.2高速公路运行安全管控发展状况3
1.3数据驱动下的高速公路运行安全管控架构及内容16
参考文献17
第2章运行安全信息采集22
2.1交通流信息采集22
2.1.1交通流参数22
2.1.2线圈检测器23
2.1.3交通流信息的应用25
2.2卡口交通信息采集26
2.2.1卡口系统简介26
2.2.2卡口数据的应用27
2.3全域车辆轨迹信息采集29
2.3.1概论29
2.3.2基于毫米波雷达组群的全域车辆轨迹采集30
2.4气象信息采集33
2.4.1气象监测系统33
2.4.2系统功能34
2.5车重信息采集35
2.5.1动态称重系统35
2.5.2系统构成35
2.6路面状态信息采集37
2.6.1水膜感知系统37
2.6.2功能构架38
参考文献40
第3章实时事故风险评估41
3.1引言41
3.2建模数据集构建42
3.2.1数据抽样方法43
3.2.2交通流特征变量构建44
3.2.3交通流特征变量筛选50
3.3基于二元Logistic回归的事故风险预测模型53
3.3.1原理阐述54
3.3.2模型数据54
3.3.3结果分析55
3.4基于支持向量机的事故风险预测模型56
3.4.1模型原理57
3.4.2建模数据58
3.4.3模型结果58
3.5前景展望59
参考文献61
第4章二次事故风险评估63
4.1二次事故概念63
4.2二次事故鉴别64
4.3二次事故的时空预测66
4.3.1高速公路二次事故时空统计分布67
4.3.2一次事故信息说明及线性分析70
4.3.3二次事故时空预测模型71
4.3.4模型对比79
4.4二次事故的可能性分析81
4.4.1二次事故原因分析81
4.4.2基于逻辑回归模型的二次事故致因分析84
参考文献89
第5章施工作业区风险评估91
5.1施工作业区安全分析91
5.1.1施工作业区构成91
5.1.2施工作业类型93
5.1.3施工作业区安全设施和布置93
5.2施工作业区驾驶行为特征96
5.2.1施工作业区驾驶行为特征模型96
5.2.2施工作业区驾驶行为特征分析114
5.2.3施工作业区驾驶行为特征运用128
5.3基于机器学习的高速公路施工作业区实时事故风险评价模型130
5.3.1配对病例对照与白化处理131
5.3.2二元Logistic回归模型135
5.3.3卷积神经网络模型138
参考文献144
第6章交通事件时空影响预测146
6.1事件态势感知146
6.1.1面向事件态势感知的双层路网拓扑结构146
6.1.2基于交通传感器的事件态势感知技术153
6.2事件时间影响预测165
6.2.1交通事件持续时间四阶段定义及其预测方法165
6.2.2事件持续时间分布拟合及其加速消散模型180
6.3事件空间影响预测187
6.3.1交通突发事件辐射范围预测建模与分析187
6.3.2基于双向LSTM的交通事故空间影响实时预测模型201
参考文献212
第7章应急预案管理214
7.1高速公路交通事故管理对策分析214
7.1.1交通事故管理对策框架设计及管理区域划分214
7.1.2高速公路交通事故管理措施217
7.1.3高速公路交通事故联动管理机制228
7.2基于案例推理的交通事故应急措施决策231
7.2.1高速公路交通事故应急决策特点231
7.2.2案例推理原理233
7.2.3基于案例推理的交通事故应急措施决策方法237
7.3基于数据挖掘的交通事故案例检索优化245
7.3.1基于kNN算法的交通事故案例检索问题分析246
7.3.2基于数据挖掘的交通事故案例检索优化流程设计247
7.3.3交通事故案例检索优化方法249
7.3.4实验验证256
参考文献258
第8章运行安全控制259
8.1引言259
x数据驱动下的高速公路运行安全管控
8.2可变限速管控264
8.2.1可变限速研究现状264
8.2.2可变限速控制优化算法264
8.2.3基于交通流仿真的可变限速管控案例266
8.3匝道控制273
8.4车路协同预警274
参考文献275