急剎事件作為道路風險評估新指標研究

我們通過分析Android Auto收集的急剎事件（HBEs）與實際道路事故率之間的關系，確立了兩者之間的正相關性。研究證實，急剎事件頻率較高的道路段確實具有顯著更高的事故風險，這表明此類事件可以作為道路安全評估的前瞻性指標。

傳統交通安全評估的局限性

傳統的交通安全評估主要依賴警方報告的事故統計數據，這些數據通常被認為是"黃金標準"，因為它們與死亡、傷害和財產損失直接相關。然而，依賴歷史事故數據進行預測建模面臨重大挑戰，因為這些數據本質上是"滯后"指標。此外，在主干道和地方道路上，事故在統計學上是罕見事件，可能需要數年時間才能積累足夠的數據來建立特定路段的有效安全檔案。這種數據稀疏性加上各地區不一致的報告標準，使得開發強大的風險預測模型變得復雜。主動安全評估需要"前瞻性"指標：與安全結果相關但比事故發生更頻繁的風險代理指標。

急剎事件作為事故風險指標的驗證

我們評估了急剎事件作為事故風險可擴展替代指標的有效性。急剎事件是指車輛前向減速度超過特定閾值（-3m/s?）的情況，我們將其解釋為規避行為。急剎事件便于網絡范圍分析，因為它們來源于聯網車輛數據，不像基于接近度的替代指標（如碰撞時間）那樣經常需要使用固定傳感器。通過結合來自弗吉尼亞州和加利福尼亞州的公共事故數據以及Android Auto平臺的匿名聚合急剎事件信息，我們建立了事故率（任何嚴重程度）與急剎事件頻率之間統計顯著的正相關關系。

數據密度優勢分析

為了驗證這一指標的實用性，我們分析了10年的公共事故數據以及聚合的急剎事件測量數據。急剎事件的直接優勢是信號密度。我們對加利福尼亞州和弗吉尼亞州道路段的分析顯示，觀察到急剎事件的路段數量是報告事故路段數量的18倍。雖然事故數據眾所周知地稀疏——在某些地方道路上可能需要數年才能觀察到單一事件——急剎事件提供了連續的數據流，有效填補了安全地圖中的空白。

統計建模和回歸分析

核心目標是確定急剎事件的高頻率是否與高事故率存在因果關系。我們采用負二項回歸模型，這是《公路安全手冊》中的標準方法，以考慮比事故數據中通常發現的更高程度的方差。

我們的模型結構控制了各種混雜因素，包括道路類型、交通量、坡道存在、速度限制和道路幾何特征等。結果表明，兩個州的急剎事件率與事故率之間存在統計顯著關聯。急剎頻率較高的道路段始終表現出較高的事故率，這種關系在從地方主干道到受控通行高速公路的不同道路類型中都成立。

回歸分析還量化了特定基礎設施要素的影響。例如，在兩個州中，道路段上坡道的存在都與事故風險呈正相關，這可能是由于合并所需的編織機動造成的。

實際案例驗證

為了直觀展示這一指標的實際應用，我們檢查了加利福尼亞州連接101號和880號高速公路的高速公路合并路段。歷史數據表明，該路段的急剎事件率約為加利福尼亞州高速公路平均水平的70倍，十年來平均每六周發生一次事故。

當分析該位置的聯網車輛數據時，我們發現它在所有道路段的急剎事件頻率中排名前1%。急剎事件信號成功標記了這個異常值，而無需依賴十年的事故報告才能統計確認風險。這種一致性驗證了急剎事件作為可靠代理指標的能力，即使在缺乏長期碰撞歷史的情況下也能識別高風險位置。

實際應用和未來發展

驗證急剎事件作為事故風險的可靠代理指標，將原始傳感器指標轉化為可信賴的道路管理安全工具。這一驗證支持使用聯網車輛數據進行網絡范圍的交通安全評估，提供增強的空間和時間粒度。雖然這些結果表明對道路段風險確定具有實用性，但它們并不對與位置無關的駕駛行為風險得出結論。

谷歌研究院的移動智能體團隊正在與谷歌地圖平臺合作，將這些急剎事件數據集作為道路管理洞察產品的一部分對外提供。通過整合這些高密度信號，交通部門可以獲得聚合的匿名數據，與傳統事故統計相比，這些數據更加新鮮，覆蓋道路網絡的范圍更廣。這使得能夠使用前瞻性指標識別高風險位置，而不是僅僅依賴滯后和稀疏的碰撞記錄。

研究局限和改進方向

雖然這項研究證實了急剎事件是事故風險的強大前瞻性指標，但仍有機會進一步完善這一信號。我們目前正在研究空間聚類同質道路段的機制，以進一步減少數據稀疏性。解決這些限制將使從風險識別向有針對性的工程轉變成為可能，高密度數據將為特定基礎設施干預提供信息，從信號時序調整和改進標識到高風險合并車道的幾何重新設計。

Q&A

Q1：什么是急剎事件，它是如何定義的？

A：急剎事件是指車輛前向減速度超過特定閾值（-3m/s?）的情況，被解釋為駕駛員的規避行為。這些數據通過Android Auto等聯網車輛平臺收集，能夠提供比傳統事故數據更密集的安全信息。

Q2：急剎事件相比傳統事故數據有什么優勢？

A：急剎事件的主要優勢是數據密度高。研究顯示，觀察到急剎事件的路段數量是報告事故路段的18倍。傳統事故數據稀疏，某些地方道路可能需要數年才能觀察到單一事件，而急剎事件提供連續數據流。

Q3：急剎事件數據將如何應用于道路安全管理？

A：谷歌正通過地圖平臺將急剎事件數據集作為道路管理洞察產品提供給交通部門。這些高密度、匿名的數據能幫助識別高風險位置，支持從信號時序調整到道路幾何重新設計等各種基礎設施干預措施。