第40卷第5期2023年5月公路交通科技JournalofHighwayandTransportationＲesearchandDevelopmentVol.40No.5May2023收稿日期:2023－03－24基金项目:四川省科技计划资助项目(2022YFG0048);四川省交通运输科技项目(2019－ZL－12);藏高科技项目(2021－11);河北省“三三三人才工程”项目(A202105007)作者简介:翟艺阳(1983－)，男，四川宜宾人，博士.(zhaiyiyang@chd.edu.cn)*通讯作者:张驰(1981－)，男，四川宜宾人，博士，教授.(zhangchi@chd.edu.cn)doi:10.3969/j.issn.1002－0268.2023.05.028基于收费站数据的交通事故态势感知判别翟艺阳1，罗昱伟2，张驰*1，刘强3，彭恩鹏1(1.长安大学公路学院，陕西西安710064;2.深圳高速公路集团股份有限公司，广东深圳518057;3.河北省交通运输运行监测与信息服务中心，河北石家庄050031)摘要:为了探究交通事故与高速公路交通态势的关联性，以某省14条高速公路的电子不停车收费数据为基础，分析了交通态势的变化特征。选取车辆速度分布、客货分位速度差、交通组成3个研究指标，以K-means聚类分析方法对交通事故进行了分类。结果表明:通过速度分布参数可得到交通事故在不同交通态势下发生的速度特征，其中“拥堵条件下发生交通事故”通常发生于高速公路速度分布为“低峰肥尾”或“高峰瘦尾”的路段，“通畅条件下发生交通事故”通常在速度中值低、速度范围小、速度集中程度高的路段发生，且此类路段通常与该类的聚类中心距离为0.1～0.16;根据50～85分位中高速区间客货分位速度差可将路段划分为两种类别，类别1与类别2相比，其客货速差较小，事故类型以单车事故为主，事故车型不包括客货双车;按照客货比交通组成可将路段划分为3个类别的交通态势，交通拥堵状态差异不大，然而客货比分别为低、中、高，发生的特殊事件也有明显差异;应用该方法进行交通事故划分判别可在一定程度上提高实际事故判别准确率。随着ETC数据挖掘技术的不断发展及数字化平台的广泛建设，依托ETC数据的应用场景将越来越丰富，行业数字化管理水平将得到不断的提高。关键词:交通安全;事故判别;K-means聚类分析法;ETC数据;态势感知中图分类号:U491.3文献标识码:A文章编号:1002－0268(2023)05－0211－10AwarenessDiscriminationofTrafficAccidentSituationBasedonTollStationDataZHAIYi-yang1，LUOYu-wei2，ZHANGChi*1，LIUQiang3，PENGEn-peng1(1．SchoolofHighway，Chang’anUniversity，Xi’anShaanxi710064，China;2．ShenzhenExpresswayGroupCo....
