[論文レビュー] Extracting useful information from Basic Safety Message Data: An empirical study of driving volatility measures and crash frequency at intersections

Mohsen Kamrani, Ramin Arvin+1 more|arXiv (Cornell University)|Mar 6, 2018

Traffic and Road Safety被引用数 5

ひとこと要約

本研究では、高周波のBasic Safety Message（BSM）データを用いて、走行速度や加速度の正常値からの逸脱といった、交差点の衝突リスクの代理指標としての走行のばらつき指標を導出することを提案する。ミシガン州のSafety Pilotデータを検証済みとしてポisson回帰モデルを適用した結果、特に±2σの閾値を超えたばらつきや、増加する確率的ばらつきが、衝突頻度の上昇を顕著に予測することが判明し、危険度の高い場所における事前の安全対策の実施が可能になる。

ABSTRACT

With the emergence of high-frequency connected and automated vehicle data, analysts have become able to extract useful information from them. To this end, the concept of is defined and explored as deviation from the norm. Several measures of dispersion and variation can be computed in different ways using vehicles' instantaneous speed, acceleration, and jerk observed at intersections. This study explores different measures of volatility, representing newly available surrogate measures of safety, by combining data from the Michigan Safety Pilot Deployment of connected vehicles with crash and inventory data at several intersections. The intersection data was error-checked and verified for accuracy. Then, for each intersection, 37 different measures of volatility were calculated. These volatilities were then used to explain crash frequencies at intersection by estimating fixed and random parameter Poisson regression models. Results show that an increase in three measures of driving volatility are positively associated with higher intersection crash frequency, controlling for exposure variables and geometric features. More intersection crashes were associated with higher percentages of vehicle data points (speed & acceleration) lying beyond threshold-bands. These bands were created using mean plus two standard deviations. Furthermore, a higher magnitude of time-varying stochastic volatility of vehicle speeds when they pass through the intersection is associated with higher crash frequencies. These measures can be used to locate intersections with high driving volatilities, i.e., hot-spots where crashes are waiting to happen. Therefore, a deeper analysis of these intersections can be undertaken and proactive safety countermeasures considered at high volatility locations to enhance safety.

研究の動機と目的

• 交差点からの高周波のコネクテッドビークルデータを用いて、新たな代替的安全指標を開発・検証すること。
• 速度、加速度、ジャージャン（加速度の変化率）に基づく走行のばらつき指標を特定し、衝突頻度の増加と相関するかを同定すること。
• これらのばらつき指標を走行量および幾何的特徴と統合し、衝突予測モデルを改善すること。
• 危険な運転行動に起因する衝突の発生が予測される場所を特定することで、事前の安全計画を可能にすること。

提案手法

• ミシガン州のSafety Pilot展開から、高周波のBasic Safety Message（BSM）データを収集・検証した。
• 交差点における瞬時の速度、加速度、ジャージャンデータを用いて、37種類のばらつき指標を算出した。
• 平均値±2標準偏差を用いて閾値帯を定義し、通常の走行パターンから著しく逸脱するデータポイントを特定した。
• 固定効果およびランダム係数を有するポアソン回帰モデルを適用し、ばらつき、走行量、交差点の幾何的特徴を関数として衝突頻度を推定した。
• モデルの正確性を確保するため、検証済みの交差点インventryおよび衝突データを用いた。
• 交差点通過中の車両速度の時間変動的確率的ばらつきを定量化し、動的な走行行動を評価した。

実験結果

リサーチクエスチョン

• RQ1 BSMデータから導出された走行のばらつき指標のうち、交差点の衝突頻度と最も強く関連するのはどれか？
• RQ2 正常な走行行動からの逸脱（速度および加速度が±2σを超える）は、衝突発生とどのように相関するか？
• RQ3 車両速度の時間変動的確率的ばらつきの大きさは、衝突頻度をどの程度まで予測できるか？
• RQ4 走行量および幾何的特徴と組み合わせた場合、ばらつき指標は交差点の安全リスクの信頼できる代替指標として機能するか？
• RQ5 これらのばらつき指標は、衝突が発生する前に対象となる危険度の高い交差点を特定するのに役立つだろうか？

主な発見

• 走行のばらつきを示す3つの特定指標の上昇は、走行量および幾何的要因を制御した後でも、交差点の衝突頻度の上昇と正の相関を示している。
• 速度および加速度が±2標準偏差帯を逸脱する車両データの割合が高くなるほど、衝突頻度が顕著に上昇する。
• 交差点通過中に車両速度に時間変動的確率的ばらつきが大きいほど、衝突率が高くなる傾向がある。
• これらのばらつき指標は、衝突が発生しやすい「ホットスポット」を効果的に同定でき、事前の安全対策を講じることが可能である。
• 高周波のBSMデータは、交通当局が意思決定に役立つデータドリブンな安全インサイトを提供できることを示している。
• 本研究では、特に速度および加速度における走行のばらつきが、交差点における衝突リスクの強固な代理指標であることが確認された。