基于交通流穩(wěn)定性系數(shù)的高速公路交通事故實(shí)時(shí)風(fēng)險(xiǎn)預(yù)測*

劉星良 單玨 劉唐志 饒 暢 劉通

（重慶交通大學(xué)交通運(yùn)輸學(xué)院 重慶 400064）

0 引言

構(gòu)建可靠的高速公路交通事故實(shí)時(shí)風(fēng)險(xiǎn)預(yù)測模型，能夠?yàn)楣芾聿块T及時(shí)采取交通管控措施提供依據(jù)，有效提升在途車輛的行車安全水平。但針對整條道路預(yù)測實(shí)時(shí)風(fēng)險(xiǎn)時(shí)，現(xiàn)有指標(biāo)集指標(biāo)數(shù)量較多，在途監(jiān)控設(shè)備往往難以采集龐大的數(shù)據(jù)樣本，從而削弱了模型的實(shí)用價(jià)值，還容易導(dǎo)致模型的過擬合，使預(yù)測效果達(dá)不到預(yù)期目標(biāo)。預(yù)測模型的過擬合反映為：預(yù)測模型在訓(xùn)練數(shù)據(jù)上的可靠性較好，但在測試數(shù)據(jù)上的可靠性較差[1-2]。為解決上述問題，本研究基于高速公路交通事故實(shí)時(shí)風(fēng)險(xiǎn)預(yù)測指標(biāo)間的自相關(guān)性，新建交通流穩(wěn)定性系數(shù)減少預(yù)測指標(biāo)集的屬性數(shù)量，提出緩解高速公路交通事故實(shí)時(shí)風(fēng)險(xiǎn)預(yù)測模型過擬合的新方法。

在交通事故實(shí)時(shí)風(fēng)險(xiǎn)預(yù)測領(lǐng)域，當(dāng)前研究主要關(guān)注選取適當(dāng)?shù)乃惴ǎ蚋倪M(jìn)算法以構(gòu)建可靠性更高的預(yù)測模型，準(zhǔn)確評估未來5～60 min內(nèi)預(yù)測路段發(fā)生事故的可能性。構(gòu)建交通事故實(shí)時(shí)風(fēng)險(xiǎn)預(yù)測模型的算法可分為2類：①以數(shù)理統(tǒng)計(jì)為基礎(chǔ)的算法；②基于人工智能和數(shù)據(jù)挖掘技術(shù)的算法。Chen等[3]、曾強(qiáng)等[4]和Xu等[5]分別基于累計(jì)對數(shù)線性模型、貝葉斯統(tǒng)計(jì)和Logistic回歸捕捉危險(xiǎn)交通狀況；Wang等[6]提出基于分類樹的方法識別與碰撞相關(guān)的預(yù)測變量，以此分析風(fēng)險(xiǎn)駕駛等級；Oh等[7]采用模糊邏輯模型將追尾碰撞風(fēng)險(xiǎn)分為6個(gè)類別；Theofilatos等[8]和趙海濤等[9]分別用支持向量機(jī)模型和深度學(xué)習(xí)預(yù)測實(shí)時(shí)碰撞，準(zhǔn)確度較高?！?br>