基于道路线形的智能汽车事故多发路段预判模型

来源：中国血液净化杂志2021年第3期北京时间：

作者：宁航, 赵祥模, 南春丽, 杨澜, 李婧

单位：长安大学 信息工程学院, 陕西 西安 710064"],"fundList_en":["National Key R & D Program of China (2018YFB0105104); Joint Funds of the National Natural Science Foundation of China (U1864204); National Natural Science Foundation of China (61703053); Shaanxi Province Postdoctoral Science Foundation (2018BSHYDZZ64)

摘要：分析了道路线形对智能汽车行驶安全性的影响，分别使用数据驱动的机器学习方法和模型驱动的经典数学建模方法，建立了以道路线形技术指标为输入的神经网络模型和多元数学模型，预测事故多发路段；计算了各个道路线形技术指标与事故率之间的偏相关系数，从中挑选出与事故率相关程度较大的道路线形特征，使用<i>T</i>检验和<i>F</i>检验验证了道路线形特征组合和单个特征对事故率的影响。结果表明：基于机器学习的神经网络模型和基于数值逼近理论的多元数学模型预测正确率基本相近，大约为90%；2种模型对道路安全影响较大的道路线形相关不利因素组合相同，均为平曲线转角、横向力系数和纵坡坡度；各种不利因素组合中，平曲线转角、横向力系数和纵坡坡度出现的频率分别为100.0%、91.7%和83.3%，远远大于其他因素；事故多发路段道路线形因素不仅与平曲线转角、横向力系数和纵坡坡度有关，而且与其线形组合有密切关系，组合不当亦会导致事故增加；2种模型可相互验证，考虑计算速度及参数的可解释性，实际中应优先选择多元数学模型进行事故预判。

关键词：交通工程,事故多发路段,数据驱动,行驶安全,智能汽车,道路线形,预判模型,模型驱动

基金资助：国家重点研发计划项目（2018YFB0105104）；国家自然科学基金联合基金项目（U1864204）；国家自然科学基金项目（61703053）；陕西省博士后科研项目（2018BSHYDZZ64）