平凸曲线组合均衡性对公路安全性的影响

doi:10.12141/j.issn.1000-565X.210658

华南理工大学学报(自然科学版) ›› 2022, Vol. 50 ›› Issue (7): 76-84.doi: 10.12141/j.issn.1000-565X.210658

平凸曲线组合均衡性对公路安全性的影响

王晓飞¹ 李思雨¹ 陈迷² 申天杰^1,3 刘永⁴ 肖鹏²

^1.华南理工大学土木与交通学院，广东广州 510640
^2.广州公路工程集团有限公司，广东广州 510599
^3.广东省现代土木工程技术重点实验室，广东广州 510640
^4.广州市市政工程设计研究总院有限公司，广东广州 510062

收稿日期:2021-10-14 出版日期:2022-07-25 发布日期:2021-12-17
通信作者: 王晓飞（1980-），女，博士，副教授，主要从事公路路线及交通安全研究。 E-mail:xiaofeiw@ scut.edu.cn
作者简介:王晓飞（1980-），女，博士，副教授，主要从事公路路线及交通安全研究。
基金资助:
广东省自然科学基金资助项目(2022A1515011974);广东省现代土木工程技术重点实验室资助项目(2021B1212040003);国家自然科学基金资助项目(51878297)

Influence of the Combination Equilibrium of Horizontal and Crest Vertical Curves on Highway Safety

WANG Xiaofei¹ LI Siyu¹ CHEN Mi² SHEN Tianjie^1,3 LIU Yong⁴ XIAO Peng²

^1.School of Civil Engineering and Transportation，South China University of Technology，Guangzhou 510640，Guangdong，China
^2.Guangzhou Highway Engineering Group Co. ，Ltd. ，Guangzhou 510599，Guangdong，China
^3.Guangdong Provincial Key Laboratory of Modern Civil Engineering Technology，Guangzhou 510640，Guangdong，China
^4.Guangzhou Municipal Engineering Design and Research Institute Co. ，Ltd. ，Guangzhou 510062，Guangdong，China

Received:2021-10-14 Online:2022-07-25 Published:2021-12-17
Contact: 王晓飞（1980-），女，博士，副教授，主要从事公路路线及交通安全研究。 E-mail:xiaofeiw@ scut.edu.cn
About author:王晓飞（1980-），女，博士，副教授，主要从事公路路线及交通安全研究。
Supported by:
the Natural Science Foundation of Guangdong(2022A1515011974);the Foundation of Guangdong Provincial Key Laboratory of Modern Civil Engineering Technology(2021B1212040003);the National Natural Science Foundation of China(51878297)

摘要/Abstract

摘要：

为深入分析平纵线形组合均衡性与道路安全性的定量关系，针对“平曲线+凸竖曲线”线形组合（以下简称平凸曲线），采集了美国华盛顿4条州际道路477 km的道路线形及2011年至2018年的交通数据和事故数据，作为本研究的训练样本和测试样本。根据平纵线形组合特性，提出错位值、平曲线半径、竖曲线半径、平曲线长度和竖曲线长度为线形组合均衡性表征指标，采用决策树、随机森林和极端随机树3种机器学习模型，分析平凸曲线均衡性指标对亿车千米事故率的影响，其中随机森林模型的预测和拟合精度最高。基于随机森林模型进行敏感性分析和数值分析，结果表明：当平曲线半径大于2.8 km或竖曲线半径大于58 km时，平、竖曲线半径的增大对线形安全性影响较小。文中同时研究了平曲线半径较小时均衡性表征指标与事故之间的关联性，并推荐安全性较高的取值范围。研究结论可为后续平纵线形组合的定量优化设计和安全性改善提供参考。

关键词: 公路线形, 道路安全, 平凸曲线, 组合均衡性, 机器学习

Abstract:

To throughly analyze the quantitative relationship between the equilibrium of horizontal and vertical alignment combination and road safety, aiming at the “horizontal curve(HC)+crest vertical curve(CVC)” (referred to as HC-CVC) alignment combination, this study collected the road alignment (a total of 477 km), the traffic data and accident data from 2011 to 2018 of four interstate roads in Washington, D.C. as training data and test data. According to the characteristics of horizontal and vertical alignment combination, the paper suggested to consider the dislocation value, the horizontal curve radius, the vertical curve radius, the length of horizontal curve and the length of vertical curve as variables to characterize the equilibrium of horizontal and vertical alignment combination. Three machine learning models, namely, Decision Trees, Random Forests and Extremely Randomized Trees, were applied for model training to analyze the influence of HC-CVC combination on the accident rate per 100 000 000 vehicle kilometers. The prediction and fitting accuracy of Random Forests is the highest among all models. What’s more, sensitivity analysis and numerical analysis based on Random Forests model show that: when the horizontal curve radius is greater than 2.8 km or the vertical curve radius is greater than 58 km, the increase of horizontal and vertical curve radius has little impact on the road safety. At the same time, this paper also studied the correlation between variables and accident and suggested the value range of the variables when the horizontal curve radius is small. The research conclusions can provide reference for the subsequent quantitative optimization design and safety improvement of horizontal and vertical alignment combination.

Key words: highway alignment, road safety, combination of horizontal and crest vertical curves, equilibrium of horizontal and vertical alignment combination, machine learning

中图分类号:

U491.21

王晓飞, 李思雨, 陈迷, 等. 平凸曲线组合均衡性对公路安全性的影响[J]. 华南理工大学学报(自然科学版), 2022, 50(7): 76-84.

WANG Xiaofei, LI Siyu, CHEN Mi, et al. Influence of the Combination Equilibrium of Horizontal and Crest Vertical Curves on Highway Safety[J]. Journal of South China University of Technology(Natural Science Edition), 2022, 50(7): 76-84.

图/表 9

图1

图2

表1

表2

表3

图3

图4

图5

图6

参考文献 24

1	OROSZ G， MOEHLIS J， BULLO F ．Robotic reactions：delay-induced patterns in autonomous vehicle systems［J］．Physical Review E，2010，81（2）：025204/1-4.
2	OROSZ G， WILSON R E， STÉPÁN G ．Traffic jams：dynamics and control［J］．Philosophical Transactions of the Royal Society，2010，368（1928）：4455-4479.
3	KANELLAIDIS G， VARDAKI S ．Highway geometric design from the perspective of recent safety developments［J］．Journal of Transportation Engineering，2011，137（12）：841-844.
4	World Health Organization ．Global status report on road safety 2015［M］．Geneva：World Health Organization，2015.
5	JUNG S， WANG K，OH C，et al ．Development of highway safety policies by discriminating freeway curve alignment features［J］．KSCE Journal of Civil Engineering，2018，22（4）：1418-1426.
6	EASA S M， STRAUSS T R， HASSAN Y，et al ．Three-dimensional transportation analysis：planning and design［J］．Journal of Transportation Engineering，2002，128（3）：250-258.
7	LANK C， STEINAUER B ．Increasing road safety by influencing drivers’speed choice with sound and vibration［J］．Transportation Research Record：Journal of the Transportation Research Board，2011（2248）：45-52.
8	戢晓峰，吴亚欣，郝京京，等．平纵组合路段事故严重程度致因辨识模型［J］．交通运输系统工程与信息，2020，20（6）：197-204.
	JI Xiao-feng， WU Ya-xin， HAO Jing-jing，et al ．Severity factors analysis model of traffic accident on combined horizontal and vertical alignments［J］．Journal of Transportation Systems Engineering and Information Technology，2020，20（6）：197-204.
9	梁夏，郭忠印，方守恩．道路线形与道路安全性关系的统计分析［J］．同济大学学报（自然科学版），2002，30（2）：203-206.
	LIANG Xia， GUO Zhong-yin， FANG Shou-en. Statistic analyses of relations between road alignment and road safety［J］．Journal of Tongji University （Natural Science），2002，30（2）：203-206.
10	BAUER K M， HARWOOD D W ．Safety effects of horizontal curve and grade combinations on rural two-lane highways［C］∥Proceedings of 92th Annual Meeting of the Transportation Research Board．Washington，D.C.：Transportation Research Board，2013.
11	涂圣文，王冰，邓梦雪，等．考虑平纵组合的事故预测模型在双车道公路线形安全分析中的应用［J］.公路，2019，64（7）：196-203.
	TU Shengwen， WANG Bing， DENG Mengxue，et al. Application of accident prediction model in safety analysis of two-lane highway alignment considering horizontal and vertical combination［J］．Highway， 2019，64（7）：196-203.
12	HASSAN Y， EASA S M， ASCE M. Effect of vertical alignment on driver perception of horizontal curves［J］．Journal of Transportation Engineering，2003，129（4）：399-407.
13	王福建，魏晓冬，张郃生，等．平竖重合路段的弯道错觉及其对交通事故的影响［J］．中国公路学报，2009，22（3）：40-44.
	WANG Fu-jian， WEI Xiao-dong， ZHANG He-sheng，et al. Curve illusion resulted from combination of horizontal and vertical curves and its influence on traffic accidents ［J］．China Journal of Highway and Transport，2009，22（3）：40-44.
14	陈海龙，彭伟．改进BP神经网络在交通事故预测中的研究［J］．华东师范大学学报（自然科学版），2017（2）：61-68.
	CHEN Hailong， PENG Wei ．Research on improved BP neural network in forecasting traffic accidents［J］．Journal of East China Normal University （Natural Science），2017（2）：61-68.
15	邱锋. 基于智能算法的高速公路隧道交通事故预测研究［D］．西安：长安大学，2018.
16	ABELLÁN J， LÓPEZ G， dE OÑA J. Analysis of traffic accident severity using decision rules via decision trees［J］．Expert Systems with Applications，2013，40（15）：6047-6054.
17	孙轶轩，邵春福，赵丹，等．交通事故严重程度C5.0决策树预测模型［J］．长安大学学报（自然科学版），2014，34（5）：109-116.
	SUN Yixuan， SHAO Chunfu， ZHAO Dan，et al. Traffic accident severity prediction model based on C5.0 decision tree［J］．Journal of Chang’an University （Natural Science Edition），2014，34（5）：109-116.
18	沈阳．基于机器学习的高速公路平面线形指标推荐方法研究［D］．西安：长安大学，2020.
19	周志华．机器学习［M］．北京：清华大学出版社，2016.
20	BREIMAN L ．Random forests［J］．Machine Learning，2001；45（1）：5-32.
21	公路路线设计规范：［S］.
22	刘钊，杜威，闫冬梅，等．基于K近邻算法和支持向量回归组合的短时交通流预测［J］．公路交通科技，2017，34（5）：122-128，158.
	LIU Zhao， DU Wei， YAN Dongmei，et al. Short-term traffic flow forecast based on combination of K nearest neighbor algorithm and support vector regression［J］．Journal of Highway and Transportation Research and Development，2017，34（5）：122-128，158.
23	HUANG Helai， ZENG Qiang， PEI Xin，et al ．Predicting crash frequency using an optimised radial basis function neural network mode l［J］．Transportmetrica A： Transport Science，2016，12（4），330-345. .
24	许金良．道路勘测设计［M］．5版．北京：人民交通出版社，2019.

编辑推荐 0

Metrics

阅读次数

全文

119

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	3	22	0	94

来源	本网站	其他网站

次数	71	48
比例	60%	40%

摘要

863

最新录用	在线预览	正式出版

236	0	627

来源	本网站	其他网站

次数	649	214
比例	75%	25%

变量的名称和单位	平均值	标准差	最小值	最大值
$R A$ /［ $次 ? k m ? 10 - 8 v e h - 1$ ］	11.46	11.88	0.00	59.33
错位值（即竖曲线起点与平曲线起点的差值） $x 1$ /m	98.27	225.24	-498.90	869.05
平曲线半径 $x 2$ /m	1 872.39	1 757.39	89.92	12 192.00
竖曲线半径 $x 3$ /m	23 318.62	22 905.28	3 762.96	121 920.00
平曲线长度 $x 4$ /m	440.95	244.47	67.97	1 506.63
竖曲线长度 $x 5$ /m	295.40	181.63	60.96	914.40
限制速度/（km·h^-1）	108.66	7.11	83.69	112.65
总车道数	4.95	1.37	3.00	9.00
右侧硬路肩宽度/m	2.89	0.64	0.00	6.71
左侧硬路肩宽度/m	1.22	0.70	0.00	3.05

模型	MAE		RMSE （测试集）	SMAPE/% （测试集）
模型	训练集	测试集	RMSE （测试集）	SMAPE/% （测试集）
决策树	7.34	9.25	13.77	67.94
随机森林	6.92	7.89	12.35	62.22
极端随机树	6.95	9.86	15.29	72.11

[1]	周楚昊, 林培群, 闫明月. 基于自监督学习的交通数据补全算法[J]. 华南理工大学学报(自然科学版), 2023, 51(4): 101-114.
[2]	宋建, 王文龙, 李东, 等. 基于Stacking集成学习的注塑件尺寸预测方法[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 19-26.
[3]	林培群夏雨周楚昊. 引入时空特征的高速公路行程时间预测方法[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 1-11.
[4]	贾若, 戴昇宏, 黄霓, 等. 交通拥堵判别方法研究综述[J]. 华南理工大学学报（自然科学版）, 2021, 49(4): 124-139.
[5]	赵静, 王选仓, 樊振阳, 等. 基于支持向量机的沥青路面性能评价[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 116-123.
[6]	张子烨, 李明畅, 梁凌睿, 等. 推荐系统信息跨领域的改进迁移学习算法[J]. 华南理工大学学报（自然科学版）, 2020, 48(11): 99-106.
[7]	胡建军曹卓但雅波牛程程李想钱松荣. 基于特征选择和机器学习的材料弹性性能预测[J]. 华南理工大学学报（自然科学版）, 2019, 47(5): 48-55.
[8]	傅贵韩国强逯峰许子鑫. 支持向量机短时交通流预测应用研究[J]. 华南理工大学学报（自然科学版）, 2013, 41(9): 71-76.
[9]	尹训福郝志峰. 基于稀疏贝叶斯回归的正则化核密度估计算法[J]. 华南理工大学学报（自然科学版）, 2009, 37(5): 123-129.
[10]	许孝元韩国强闵华清. 预测型关联规则演化学习的适应值函数[J]. 华南理工大学学报（自然科学版）, 2005, 33(5): 1-6.

平凸曲线组合均衡性对公路安全性的影响

Influence of the Combination Equilibrium of Horizontal and Crest Vertical Curves on Highway Safety

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 24

相关文章 10

编辑推荐 0

Metrics

本文评价