利用联网车辆数据进行城市环境中的近碰撞检测与分析

城市交通安全是现代交通系统中的一个紧迫问题，尤其是在交通拥堵加剧、道路网络复杂、驾驶行为多样化的快速发展的大都市地区，这些因素加剧了交通事故的风险。传统的交通事故数据分析提供了有价值的见解，但往往忽略了更广泛的道路安全风险。近碰撞事件发生频率更高，并能预示潜在碰撞，为交通安全提供了更全面的视角。然而，由于大规模真实世界数据的收集、处理和分析面临重大挑战，城市尺度的近碰撞事件分析仍然有限。本研究利用一个月的联网车辆数据（包含数十亿条记录），对德克萨斯州圣安东尼奥市道路网络上的近碰撞事件进行检测和分析。我们提出了一种集成时空缓冲和航向算法的有效框架，以准确识别和映射近碰撞事件。采用二元逻辑回归模型评估道路几何形状、交通流量和车辆类型对近碰撞风险的影响。此外，我们检查了时空模式，包括一天中的时间、一周中的天和道路类别的变化。研究结果表明，超过一半道路路段上的车辆至少会涉及一次近碰撞事件。此外，超过50%的近碰撞事件涉及车速超过57.98英里/小时的车辆，且许多事件发生在车辆间距较短的情况下。分析还发现，更宽的路基和多车道降低了近碰撞风险，而单单元卡车则略微增加了近碰撞事件的可能性。最后，时空分析显示，近碰撞风险在工作日高峰时段最为突出，尤其是在市中心区域。