[論文レビュー] Real-Time Crash Risk Analysis of Urban Arterials Incorporating Bluetooth, Weather, and Adaptive Signal Control Data

Jinghui Yuan, Mohamed Abdel‐Aty+4 more|arXiv (Cornell University)|May 20, 2018

Traffic and Road Safety参考文献 22被引用数 6

ひとこと要約

本研究では、ベイジアン条件付きロジスティック回帰を用いて、Bluetoothで得られる交通データ、適応信号制御情報、天候状態を統合し、都市の幹線道路におけるリアルタイムの衝突リスクモデルを開発した。衝突の5〜10分前のデータが最も高い予測精度を示し、平均速度、上流部の交通量、雨天時が衝突リスクを顕著に増加させることが判明。他のモデリング手法に比べて優れた性能を示した。

ABSTRACT

Real-time safety analysis has become a hot research topic as it can reveal the relationship between real-time traffic characteristics and crash occurrence more accurately, and these results could be applied to improve active traffic management systems and enhance safety performance. Most of the previous studies have been applied to freeways and seldom to arterials. Therefore, this study attempts to examine the relationship between crash occurrence and real-time traffic and weather characteristics based on four urban arterials in Central Florida. Considering the substantial difference between the interrupted traffic flow on urban arterials and the free flow on freeways, the adaptive signal phasing was also introduced in this study. Bayesian conditional logistic models were developed by incorporating the Bluetooth, adaptive signal control, and weather data, which were extracted for a period of 20 minutes (four 5-minute interval) before the time of crash occurrence. Model comparison results indicate that the model based on 5-10 minute interval dataset is the most appropriate model. It reveals that the average speed, upstream volume, and rainy weather indicator were found to have significant effects on crash occurrence. Furthermore, both Bayesian logistic and Bayesian random effects logistic models were developed to compare with the Bayesian conditional logistic model, and the Bayesian conditional logistic model was found to be much better than the other two models. These results are important in real-time safety applications in the context of Integrated Active Traffic Management.

研究の動機と目的

• 都市幹線道路は高速道路に比べてアクティブセーフティ研究において未だに不足しているが、そのリアルタイムの衝突リスク分析モデルを開発すること。
• Bluetooth交通フロー、適応信号制御、天候状態といった異種のリアルタイムデータソースを統合し、統一された安全モデリングフレームワークを構築すること。
• 衝突リスク予測に適した異なるベイジアンモデリング手法（条件付き、ロジスティック、ランダム効果）の性能を評価すること。
• 衝突予測の精度と応答性を最適化するため、最も有益な前兆時間窓を同定すること。

提案手法

• フロリダ州中部の4つの都市幹線道路でBluetooth検知器から収集したリアルタイム交通データを、衝突発生の20分間前までの範囲で分析した。
• 信号制御の適応的特性を反映させるために、信号制御付き交差点の交通状態を組み込み、高速道路とは異なる中断された交通フローを考慮した。
• 衝突リスクをモデル化するにあたり、ベイジアン条件付きロジスティック回帰を用い、ケースコントロールマッチングおよびセグメント内相関を考慮した。
• 天候要因として、雨天の有無を示すバイナリーフラグを含む天候指標を抽出・処理し、気象要因が衝突確率に与える影響を評価した。
• モデル比較指標を用いて性能を評価し、5〜10分の前兆時間窓を最適と判断した。
• 予測精度を比較するため、ベイジアン条件付きロジスティックモデルを標準ベイジアンロジスティックモデルおよびベイジアンランダム効果ロジスティックモデルと比較した。

実験結果

リサーチクエスチョン

• RQ1 都市幹線道路における衝突リスク予測の正確性を最大化するための最適な前兆時間窓は何か？
• RQ2 平均速度や上流部の交通量といったリアルタイム交通変数が、信号制御付き都市道路における衝突発生にどのように影響を与えるか？
• RQ3 特に雨天時が、都市幹線道路におけるリアルタイムの衝突リスクにどの程度影響を与えるか？
• RQ4 交通データのみを用いたモデルと比較して、適応信号制御データを組み込むことで、衝突リスクモデリングにどの程度向上が見られるか？
• RQ5 ベイジアン条件付きロジスティック、標準ベイジアンロジスティック、ベイジアンランダム効果ロジスティックのうち、どの統計モデルがリアルタイムの衝突リスク予測において最も優れた性能を示すか？

主な発見

• 5〜10分の前兆データ期間が最も正確なモデルを生み出し、短いまたは長い期間よりも優れた性能を示した。
• 平均速度の低下と上流部の交通量の増加が、都市幹線道路における衝突リスクの上昇と顕著に関連していた。
• バイナリーフラグで示される雨天の有無が、衝突発生の可能性を顕著に高めた。
• ベイジアン条件付きロジスティックモデルは、標準ベイジアンロジスティックモデルおよびベイジアンランダム効果ロジスティックモデルの両方を上回る優れた性能を示した。
• 適応信号制御データの統合により、都市幹線道路に特有の中断された交通フロー特性を反映させたモデルの現実性が向上した。
• 本研究では、複数のリアルタイムデータソースを統合することで、都市安全用途におけるアクティブ交通管理システムの予測力が向上することを確認した。