急刹事件作为道路风险评估新指标研究

我们通过分析Android Auto收集的急刹事件（HBEs）与实际道路事故率之间的关系，确立了两者之间的正相关性。研究证实，急刹事件频率较高的道路段确实具有显著更高的事故风险，这表明此类事件可以作为道路安全评估的前瞻性指标。

传统交通安全评估的局限性

传统的交通安全评估主要依赖警方报告的事故统计数据，这些数据通常被认为是"黄金标准"，因为它们与死亡、伤害和财产损失直接相关。然而，依赖历史事故数据进行预测建模面临重大挑战，因为这些数据本质上是"滞后"指标。此外，在主干道和地方道路上，事故在统计学上是罕见事件，可能需要数年时间才能积累足够的数据来建立特定路段的有效安全档案。这种数据稀疏性加上各地区不一致的报告标准，使得开发强大的风险预测模型变得复杂。主动安全评估需要"前瞻性"指标：与安全结果相关但比事故发生更频繁的风险代理指标。

急刹事件作为事故风险指标的验证

我们评估了急刹事件作为事故风险可扩展替代指标的有效性。急刹事件是指车辆前向减速度超过特定阈值（-3m/s?）的情况，我们将其解释为规避行为。急刹事件便于网络范围分析，因为它们来源于联网车辆数据，不像基于接近度的替代指标（如碰撞时间）那样经常需要使用固定传感器。通过结合来自弗吉尼亚州和加利福尼亚州的公共事故数据以及Android Auto平台的匿名聚合急刹事件信息，我们建立了事故率（任何严重程度）与急刹事件频率之间统计显著的正相关关系。

数据密度优势分析

为了验证这一指标的实用性，我们分析了10年的公共事故数据以及聚合的急刹事件测量数据。急刹事件的直接优势是信号密度。我们对加利福尼亚州和弗吉尼亚州道路段的分析显示，观察到急刹事件的路段数量是报告事故路段数量的18倍。虽然事故数据众所周知地稀疏——在某些地方道路上可能需要数年才能观察到单一事件——急刹事件提供了连续的数据流，有效填补了安全地图中的空白。

统计建模和回归分析

核心目标是确定急刹事件的高频率是否与高事故率存在因果关系。我们采用负二项回归模型，这是《公路安全手册》中的标准方法，以考虑比事故数据中通常发现的更高程度的方差。

我们的模型结构控制了各种混杂因素，包括道路类型、交通量、坡道存在、速度限制和道路几何特征等。结果表明，两个州的急刹事件率与事故率之间存在统计显著关联。急刹频率较高的道路段始终表现出较高的事故率，这种关系在从地方主干道到受控通行高速公路的不同道路类型中都成立。

回归分析还量化了特定基础设施要素的影响。例如，在两个州中，道路段上坡道的存在都与事故风险呈正相关，这可能是由于合并所需的编织机动造成的。

实际案例验证

为了直观展示这一指标的实际应用，我们检查了加利福尼亚州连接101号和880号高速公路的高速公路合并路段。历史数据表明，该路段的急刹事件率约为加利福尼亚州高速公路平均水平的70倍，十年来平均每六周发生一次事故。

当分析该位置的联网车辆数据时，我们发现它在所有道路段的急刹事件频率中排名前1%。急刹事件信号成功标记了这个异常值，而无需依赖十年的事故报告才能统计确认风险。这种一致性验证了急刹事件作为可靠代理指标的能力，即使在缺乏长期碰撞历史的情况下也能识别高风险位置。

实际应用和未来发展

验证急刹事件作为事故风险的可靠代理指标，将原始传感器指标转化为可信赖的道路管理安全工具。这一验证支持使用联网车辆数据进行网络范围的交通安全评估，提供增强的空间和时间粒度。虽然这些结果表明对道路段风险确定具有实用性，但它们并不对与位置无关的驾驶行为风险得出结论。

谷歌研究院的移动智能体团队正在与谷歌地图平台合作，将这些急刹事件数据集作为道路管理洞察产品的一部分对外提供。通过整合这些高密度信号，交通部门可以获得聚合的匿名数据，与传统事故统计相比，这些数据更加新鲜，覆盖道路网络的范围更广。这使得能够使用前瞻性指标识别高风险位置，而不是仅仅依赖滞后和稀疏的碰撞记录。

研究局限和改进方向

虽然这项研究证实了急刹事件是事故风险的强大前瞻性指标，但仍有机会进一步完善这一信号。我们目前正在研究空间聚类同质道路段的机制，以进一步减少数据稀疏性。解决这些限制将使从风险识别向有针对性的工程转变成为可能，高密度数据将为特定基础设施干预提供信息，从信号时序调整和改进标识到高风险合并车道的几何重新设计。

Q&A

Q1：什么是急刹事件，它是如何定义的？

A：急刹事件是指车辆前向减速度超过特定阈值（-3m/s?）的情况，被解释为驾驶员的规避行为。这些数据通过Android Auto等联网车辆平台收集，能够提供比传统事故数据更密集的安全信息。

Q2：急刹事件相比传统事故数据有什么优势？

A：急刹事件的主要优势是数据密度高。研究显示，观察到急刹事件的路段数量是报告事故路段的18倍。传统事故数据稀疏，某些地方道路可能需要数年才能观察到单一事件，而急刹事件提供连续数据流。

Q3：急刹事件数据将如何应用于道路安全管理？

A：谷歌正通过地图平台将急刹事件数据集作为道路管理洞察产品提供给交通部门。这些高密度、匿名的数据能帮助识别高风险位置，支持从信号时序调整到道路几何重新设计等各种基础设施干预措施。