联网车辆生成的数据能否提升安全性？一种交叉口安全管理的主动方法
应用统计
2017-09-15 v1 物理与社会
摘要
传统上，交叉口安全评估主要是被动的，基于历史事故频率数据。然而，来自联网和自动驾驶车辆 (CAV) 的新兴数据可以补充历史数据，有助于主动识别在事故发生前瞬时驾驶行为具有高度可变性的交叉口。基于密歇根州安娜堡安全试点模型部署的数据，本研究开发了一个独特的数据库，将交叉口事故和清单数据与 3,000 辆联网车辆记录的超过 6500 万条真实世界基本安全消息相结合，提供了更完整的交叉口运行和安全性能图景。作为一种主动安全措施和安全领先指标，本研究引入了基于位置的波动性 (LBV)，用于量化交叉口瞬时驾驶决策的可变性。LBV 代表了联网车辆驾驶员通过特定交叉口的驾驶表现。因此，通过使用变异系数作为相对离散度的标准化度量，计算了安娜堡 116 个交叉口的 LBV。为了量化特定交叉口波动性与事故频率之间的关系，估计了严格的固定参数和随机参数泊松回归模型。在控制暴露相关因素的同时，结果提供了证据表明信号控制交叉口的特定交叉口波动性与事故频率之间存在统计显著（5% 水平）的正相关关系。文中讨论了研究结果对主动交叉口安全管理的启示。
引用
@article{arxiv.1709.00743,
title = {Can Data Generated by Connected Vehicles Enhance Safety? A proactive approach to intersection safety management},
author = {Mohsen Kamrani and Behram Wali and Asad J. Khattak},
journal= {arXiv preprint arXiv:1709.00743},
year = {2017}
}