徐铖铖副教授：快速路交通事故风险实时辨识与主动控制

快速路作为城市道路网络的骨架结构，对城市交通系统的稳定运行起到非常重要作用。快速路通常以低于10%的占比，承担了城市交通内部20%甚至50%的交通通行需求。换个角度说，快速路一旦出现中断或者交通事件，很容易导致片区内整个系统的瘫痪。近年来随着交通需求的迅猛增加，快速路的安全形势日益严峻，成为城市交通事故新的增长源，而且相比于其他道路，快速路交通事故的严重程度往往比较高，交通事故不仅加剧了快速路的交通拥堵，还可能诱发二次事故，进一步加剧交通拥堵和人员伤亡的程度，因此预防快速路交通事故的发生，对于保障快速路的安全、高效通行有重要意义。

为了达到这样的目标，课题组在过去一段时间对快速路的交通事故风险实时辨识与主动控制技术展开了深入的研究，在交通安全状态辨识与事故风险主动预警、二次事故风险辨识与时空范围预测，以及基于动态交通控制的交通安全主动调控等方面取得了一定的进展。

随着信息技术的发展，快速路交通信息的采集系统提供了高解析度的动态的交通流数据，为研究交通事故发生前的交通流运行状态提供了可能。我们提取了国内外多条快速路事故案例有1万余起，针对每一起交通事故发生前的事故路段上下游断面的高解析度交通流数据和正常交通流状态数据的运行特征进行对比，我们发现相当多的事故发生前，可以观测到有别于正常交通流特征的危险运行状态，这在交通流的时空图上表现为时空跟空间上的不均匀性，我们把这种不均匀性定义为交通事故前兆特征。

通过对交通事故前兆特征的深度挖掘，可以解析交通流-道路环境-驾驶行为-管理策略以及交通事故风险之间的复杂关联关系，从而实现交通安全状态的辨识和事故风险的主动控制。在此基础上，我们可以借助现有快速路动态控制系统，主动去调节交通流的运行状态，从而实现对交通事故风险的主动预防，提升快速路安全水平和通行效率。

主要技术点包含几点，一是交通安全状态辨识与事故风险主动预警技术。对于事故前兆特征的准确捕捉是实现交通事故风险预测的关键。为了提升事故前兆特征，我们提出了考虑交通流运行状态的事故前兆特征识别方法，引入了三项交通流：自由流，同步流，宽运动阻塞流等四个相变状态下七种状态特征，我们看每一种状态下交通事故的前兆特征。

我们对2000起交通事故案例发生前的交通流，以及正常状态下的交通流数据首先进行状态判别，对每一种状态的事故前兆特征分别进行了研究，我们发现在不同的交通流状态下，它的事故前兆特征不一样。比如说宽移动堵塞流状态下，相邻车道间的占有率，车头时距标准差和速度的自相关系数是事故前兆特征的表征指标，它反映在拥堵状态下，车辆之间的频繁加减速以及变道行为所带来的事故风险也会增加。

自由流到同步流的相变状态，其事故前兆特征，它的表征指标就变成相邻车道间的交通流量差，车道间占有率以及平均车头时距和速度的时间变化，到了另外一个状态，同时得到自由流，表征指标自然又发生变化。这里，我就不详细展开其他状态的事故前兆特征了。相比于传统不考虑交通流运行状态的事故风险事故前兆特征变化，我们通过引入交通流状态考虑，可以更加准确地辨识事故前兆特征。通过对比考虑交通流运行状态和不考虑交通流运行状态所得到的事故前兆特征建立了事故风险模型，发现考虑交通流运行状态可以极大的提升事故风险模型的预测精度。

在交通安全状态辨识和预警技术里，第二个关键点是快速路交通事故风险模型时空移植技术。首先，交通事故风险预测模型对国内交通事故、交通流数据的数量和质量有很高的要求。其次，国内部分快速道路数据条件尚不满足高精度事故风险模型构建的需求。那么在有限的数据样本下能不能构建相应的模型？如果直接用有限的数据来进行建模，很难得到有效的模型的。另外，我们能不能用直接用国外的数据，当然也不可以，考虑到驾驶行为以及环境的差异，国外建立的模型也是没有办法直接拿到中国用。为了解决有限数据上模型的构建，我们提出了时空移植增强的方法，基本的核心思想就是基于国外数据构建基础模型，作为先验信息，通过贝叶斯更新方法可以利用非常有限的数据进行修正，实现模型的时空移植。克服了数据条件不足的缺陷。我们看一下结果，首先如果直接用国外的模型所构建出来的事故风险模型在国内进行应用，它的精度很低，只在20%~30%之间，和国际主流的事故风险模型能达到70%的相比是非常有限的。

我们也直接尝试了用国内某条快速路两个月的有限事故数据和交通流数据进行建模，精度也非常有限，只有30%到40%之间。我们用了事故时空移植的方法，利用两个月的有限事故数据对国外模型进行更新，更新之后，不同误报率下的平均灵敏度提升了12.4%，整体预测性能与之前研究的正常模型非常接近。我们继续对模型做了进一步的改进。

首先，我们通过大量的研究，根据研究结果进一步提炼先验信息，结合因变量的异常值自动更正，以及交通流数据丢失的计算的方法，可以把模型精度进一步提高，基本上达到了即使在有限的数据条件基础上，也能够构建有效的事故风险模型。

技术点二，二次事故风险的辨识和时空范围预测。二次事故是由前一次事故所导致，位于前一次事故的时间和空间的范围影响之内，对于事故现场进行交通管理和事故应急处理，能够有效降低交通事故持续时间，从而降低二次交通事故发生的可能性。通常只有2%到6%的事故会引起二次事故，所以一起事故发生之后，如果能够去预测是否会发生二次事故，这对于交通管理和事故的应急处理具有重要意义。抱着这样的想法，我们提取了事故发生后的高精度交通流数据，结合车流冲击波理论去分析事故发生后，交通流的病理状态和二次事故发生之间的规律。我们建立了交通流道路环境组织事故特征跟二次事故发生概率的关系，然后构建了发生概率预测模拟，可以在20%的误报率条件下实现66%的二次事故预测。

当主事故发生之后，仅仅是预测是否发生二次事故还是不够的，很有可能在管理部门的应急策略实施之前，二次事故已经发生了，所以这里要有一个非常重要的时间量，就是二次事故跟主事故的时间跨度，什么意思呢？就是当主事故发生之后，多长的时间范围之内会发生二次事故，有了这样时间以后可以更好地支撑应急策略的制定，我们采用生存分析方法，生存分析是研究生存现象和响应时间数据及其统计规律的一门学科。由于最初研究的关键事件是死亡，故称为生存分析。生存分析是统计科学的重要分支，其研究的两个重要变元为“事件”和“寿命”。生存分析中定义的事件有死亡、损坏、失败、解雇、病发等等。我们把主事故发生类比于人得病，二次事故发生类比于此人得病死亡，根据二次事故生成时间和一系列影响因素之间的关系，去构建相应的模型，对时间跨度做到35%到70%的绿色进度，具有一定参考意义。

技术点三，基于动态交通控制的交通安全主动调控。核心是在准确辨识交通事故基础上，利用动态交通控制系统去主动调节交通流的运行状态，从而预防交通事故的发生。我们主要利用可变限速控制，提出了以主动交通安全预防为目的的可变限速控制策略及其它系统平台。构建了基于启发式寻优以及深度机器学习的可变限速控制核心技术，能够在危险交通流前兆出现时对快速道路进行前置交通调控。可变限速控制策略采用的是强化学习方法，通过大样本的训练和优化，根据交通流的动态变化来实施调节限速值，比起传统的反馈控制策略，反应的速度更快，更好的降低二次交通事故风险。在此基础上，我们提出了多目标协同优化，也就是说在优化安全的同时，也优化效率，采用优化算法，寻找多目标优化的帕累托前沿分布，在保证安全和效率兼顾的基础上，实现安全和效率之间的平衡。再进一步，我们提出了在智能网联环境下，车辆实现自适应平衡与可变限速的协同控制。通过智能网联环境下的车辆之间纵向控制，以及可变限速最优速度和车辆之间信息的实时交互和传递，能够更好的调节交通流运行状态。这种合作式的自适应循环和可变限速协同控制模式，可以更好的平衡交通流运行状态，降低交通事故风险。

因为时间的关系，我暂时讲到这里，谢谢大家。