雾天条件下高速公路交通流速度预测与安全性评价方法

• 作 者: 黄恩潭
• 机 构: 北京交通大学
• 出 处: 西南交通大学
• 发表日期: 2018年01期
• 关键词: 速度预测 安全性评价 小波神经网络 人工蜂群算法 遗传算法 差分进化算法 模糊综合评价

随着我国社会经济的快速发展,我国高速公路网络的建设也日趋完善。然而高速公路在促进社会经济快速发展和方便人们出行的同时,也会因交通事故的频繁发生给社会造成巨大的经济损失。尤其在雾天条件下,交通事故数明显增加,交通事故后果也更加严重。为了加强对高速公路的管理,减少交通事故的发生,需要对高速公路进行安全性评价。研究发现,高速公路交通事故和车辆运行速度具有紧密的相关性,多数交通事故是由车辆运行速度的不合理导致。因此,研究基于速度指标的高速公路安全性评价,对加强雾天条件下的高速公路交通管理具有重要意义。首先,本文基于速度预测和高速公路安全性评价两个方面,对国内外研究现状进行综述,提出研究思路。对原始交通数据进行预处理,并进行雾天条件下高速公路速度特性的研究,分析在不同能见度等级下车辆速度的变化规律。其次,建立改进的人工蜂群算法优化小波神经网络的速度预测模型。该模型引入差分进化算法中的变异操作和遗传算法中的选择算子、交叉算子与变异算子对人工蜂群算法进行优化,并对各个算子采取自适应的改变,使算子能够在进化过程中根据种群适应度值的变化取不同的值。以京港澳高速为例,将速度、流量和天气因素作为预测模型的输入参数,用改进的预测模型对车辆速度进行了预测,并将预测结果与人工蜂群算法优化小波神经网络模型和小波神经网络模型的预测结果进行比较,证明改进模型预测效果比传统模型更优。最后,以速度协调性、速度连续性、速度离散性和天气条件为指标建立雾天条件下的高速公路安全性评价体系,并使用模糊综合评价模型进行安全性评价。用熵权法进行赋权,根据熵权法的不足进行了改进。对雾天条件下的京港澳高速路段进行基于预测速度的安全性评价,并将预测评价结果和实测评价结果进行对比,结果表明该路段安全性预测的准确性较高。该方法为高速公路管理部门在雾天条件下对未来短时间段内的高速公路安全状况进行预测和管理提供了思路。