新能源汽车与行人交通事故严重程度分析

为探究影响新能源汽车与行人交通事故严重程度的诱因,基于英国近4 a发生的1 819条新能源汽车与行人交通事故数据,从驾驶员、行人、新能源车辆、道路、时空和环境5个方面选择了19个影响因素作为协变量,并根据数据特征将因变量分为轻伤和严重伤害两类。考虑到数据异质性,首先通过因子分析法与k-means聚类进行聚类分析,然后采用Logistic模型对聚类分析得到的两类集群进一步分析,从预测准确率和协变量共线性指标两个方面确认了模型的适用度。结果表明：基于聚类分析构建的Logistic模型预测准确率均达到80%以上;变道或超车、车龄、支路及环形交叉口、双幅路(有中央分隔带)对事故伤害严重程度有异质性影响;行人年龄大于46岁和夜间行车会明显增加事故严重程度;其中,变道或超车和行人年龄对新能源汽车事故严重程度的影响比传统人-车事故更加显著。     

基于有序Logit与Probit模型的交通事故严重性影响因素分析

为准确分析影响交通事故严重性的各项因素,引入有序选择模型中的Ordinal Logit模型和Ordinal Probit模型,研究驾驶员、车辆、环境、管理因素与事故严重程度之间的耦合关系,利用计量经济学理论和统计学方法对模型进行显著性检验。并选择美国北卡罗来纳州2010年至2014年385个翻车事故样本进行严重性影响因素分析,所得回归模型参数估计均符合Wald检验(p≤0.0001)和似然比检验(p≤0.0001),模型的拟合度也都符合Pearson检验(p=0.7976)、偏差检验(p=0.6006)和信息准则检验,模型预测精度指标值均大于0.7。所得两个模型中变量"安全带"(p≤0.001)、"路面状况"(p=0.0071)、"道路线形"(p=0.0077)、"路面类型"(p=0.0251)都对翻车事故的严重性具有显著影响,表明有序Logit模型和有序Probit模型均适用于分析和揭示影响交通事故严重性的各个因素。     

铲车作业中司机视觉分析

在工业生产中,铲车的使用很广泛,常常发生严重的事故。事故类型有两种:一是与行人相撞;二是碰到障碍物导致翻车。究其原因,主要是铲车驾驶员工作时所处的位置不当,视野不良所致。铲车司机的工作主要有装卸作业和驾驶车辆行驶两种,不同特性的作业,司机所需     

基于Adaptive Lasso及RF算法的冰雪天气交通事故分析

为分析冰雪天气下高速公路交通事故频发致因,量化分析驾驶环境、驾驶员及车辆情况对事故的影响,根据Adaptive Lasso和随机森林(RF)混合算法建立预测模型。以10年约30万组冰雪环境下高速公路交通事故数据为例,训练改进预测模型验证其准确性。结果表明,混合算法的准确度和拟合程度都优于支持向量机(SVM)、分类回归树(CART)及RF等单独算法。交通事故与环境因素相关性最显著,坡路、弯道及交叉口处事故受冰雪环境影响较大;事故与驾驶员因素中部分因素显著相关,如驾驶员性别及安全带使用情况;本地驾驶员对驾驶能力及冰雪环境的估计错误更易导致交通事故。     

高速公路交通事故影响因素分析及伤害估计

为了定量分析高速公路交通事故的主要影响因素,以国内3条高速公路227起交通事故为基础,根据人、车、路和环境交通4要素,提出运用有序Logit和多项Logit模型分别建立事故伤害程度预测模型。通过显著性水平为5%的假设检验,从15个备选变量中分别确定2类Logit模型的输入自变量。显著性分析表明:道路线形、路面通行条件、事故发生时间和能见度4个自变量与交通事故严重程度均显著相关。事故伤害程度预测模型对比结果显示:有序Logit模型仅对有财产损失的事故估计准确率为72.3%,多项Logit模型对死亡事故估计的准确率高达95%,总体上多项式模型的准确率比有序模型高20%。     

基于关联规则的危险品公路运输事故风险因素研究

为明确危险品道路运输事故的特点及其成因,收集1 721起危险品公路运输事故的详细资料,对数据进行清洗,在剔除无效、丢失的事故记录后,提取出6个直接风险因素及其包含的18个子因素,并将每个风险因素变量的属性值编码。利用基于Apriori算法的关联规则挖掘技术,量化风险因素之间的相关程度。经过归纳分析,找出35条有价值的关联规则,从中探究不同风险因素组合对危险品运输事故的影响特征。结果表明：24%的危险品运输事故发生在运载有24～39 t易燃液体的危险品货车上,13%的危险品运输事故涉及腐蚀性物质且事故后果为泄漏。对于事故类型,34%的危险品运输事故的事故类型为单辆危险品货车的翻车事故,且道路等级越低,翻车事故发生的可能性越大。在低等级公路的危险品运输事故中,有38%发生在夜晚,原因主要是低等级道路平纵线形复杂,交通安全设施不完善,驾驶员的反应能力和视线等条件均受到制约。     

高原山区公路环境下交通事故形态致因分析

为揭示高原山区公路环境下不同交通事故形态的致因,明确不同事故形态的关键影响因素及影响程度,利用采集的典型高原山区公路交通事故统计数据,基于事故形态视角构建Logistic模型,选取追尾、正面及刮擦3类事故形态为因变量,从道路交通环境、道路交通设施与车辆类型等方面选取7类影响因素为自变量,分析事故致因。结果表明:不同事故形态的致因存在明显差异性,标志标线设置是3类事故发生的保护因素,信号灯设置是正面碰撞事故发生的保护因素,追尾事故发生的危险因素是机非分隔带;对追尾事故影响最大的是大型客车,是其他车辆的5. 282倍;中型货车对正面碰撞的影响最大,是其他车辆的5倍,但对刮擦事故的影响最小;不利天气对追尾事故发生的影响是正常天气的3～4倍;夜间行车无路灯照明,发生追尾事故的概率为白天的1. 312倍。     

基于元胞自动机的人因追尾事故仿真研究

人为因素已经成为导致交通事故发生的关键因素之一,而车辆追尾碰撞是公路上最常见、危害最大的一类事故.本文将驾驶员的心理细分为放松、谨慎和紧张三种状态,设计了状态切换规则以及不同状态下驾驶员的行为规则,建立了一种公路人因追尾事故的元胞自动机仿真模型.随后通过仿真实验研究了交通流参数以及驾驶员驾驶特性对追尾事故发生率的影响,仿真结果表明随着车辆最大允许速度和车辆密度的增加,追尾事故发生率显著上升;跟驰状态下驾驶员的反应延迟与差错率对事故率影响最大,而紧急情况下驾驶员的人为因素对事故率没有显著影响.研究结果对交通中人因事故发生机理研究及人因事故的预防有一定参考价值.     

我国较大及以上生产安全事故特征及严重程度分析

为实现我国较大及以上生产安全事故(MWSA)数据的有效管理,减少事故发生及降低事故严重程度,基于2010—2022年国务院安委会挂牌督办的278起MWSA,建立通用的MWSA数据库,从事故发生时间、空间、行业、类型维度探究事故特征分布,并依据事故严重程度的综合量化指标,构建分位数回归模型全面识别事故严重程度的影响因素。结果表明：在时空分布上,6—9月的事故起数和死亡人数处于高峰,日照充足的白天(7:00—18:00)事故起数和死亡人数占比多达2/3,经济发达省/直辖市(京津江浙沪闽)事故较少;爆炸和车辆伤害为主要事故类型。在0.05的显著性水平下,事故类型、发生日期、季节、日照条件、天气、平均温度、企业员工规模、企业成立时长等8个因素分别在不同分位点处与事故严重程度显著相关。其中,天气、平均温度是低严重度事故中影响事故后果的重要因素,100人以下的企业员工规模因素增大了极端严重事故发生的可能性。     

交通事故原因分析及对策研究

道路交通事故是我国导致死亡人数最多的事故类型,它的发生与驾驶员、车辆、道路和行驶环境等因素有着密切的关系,本文选取了2006年发生的典型事故,运用系统安全工程的方法,分析了其发生原因,提出了对策措施.     

地质勘探高发事故模式及影响因素分析

对华北某地质勘探系统28年间生产性工亡事故进行统计分析,结果表明,车辆伤害、触电和物体打击属于地质勘探系统的高发事故.结合安全系统工程中的事故树理论,对车辆伤害和触电两类高发事故进行系统分析,找出两类事故的影响因素,事故模式和因素的影响程度.根据因素的影响程度有针对性地提出了对策措施,以降低影响因素发生概率,预防和减少地质勘探系统事故的发生.     

基于累积Logistic模型的交通事故严重程度时空分析

交通事故的发生具有随机性和偶然性,为尽可能地降低交通事故的伤害程度,根据某高速公路典型事故多发段的交通事故统计资料,以交通事故严重程度为因变量,从时间、道路空间结构和交通运行环境等因素中初步选择12个候选自变量,采用混合逐步选择法分析候选自变量与因变量是否显著相关。采用累积Logistic模型建立交通事故严重程度时空分析模型,并从成比例检验、拟合优度检验和预测准确度检验3个方面对模型进行检验。研究结果表明:事故发生时段、季节因素、发生地点、道路线形、坡度、事故涉及车辆数和日标准交通量与年平均日交通量之比与交通事故严重程度显著相关。     

基于累积Logistic模型的行人交通事故严重程度分析及对策研究

为了准确分析影响行人交通事故严重程度的各项因素,引入累积Logistic模型研究人、车、路、环境及事故特征与行人事故严重程度之间的关系.以美国北卡罗来纳州夏洛特市2016年的行人交通事故数据为样本,通过聚类压缩、共线性检验和预测力分析,从人、车、路、环境及事故特征5个方面选取16个因素作为自变量,事故严重程度作为因变量,构建行人交通事故严重程度预测模型来分析仅财产损失事故、受伤事故和死亡事故的影响因素,并引入弹性分析量化各显著因素的影响程度,检验结果显示模型拟合良好.结果表明,在0.05的显著性水平下,事故形式、事故发生时段、车辆类型、照明条件、行人年龄段、行人饮酒情况6个因素与事故严重程度显著相关.最后针对性地提出了行人事故预防对策.研究结果有助于交通管理者采取合理的策略来降低行人交通事故严重程度.     

考虑均值异质性的高原山区公路责任事故严重度风险因素辨识

为明晰高原山区高速公路事故严重度的影响因素及差异，量化事故数据异质性对事故严重度的交互影响效应，基于云南省某高原山区高速公路550起有责交通事故数据，从责任驾驶员、责任车辆、道路特征和责任事故特性4个方面选取潜在特征变量，采用固定参数有序Probit模型和随机参数有序Probit模型，构建考虑均值异质性的高原山区高速公路责任事故的严重度分析模型，并采用边际弹性系数量化分析不同影响因素对事故严重度的影响程度。结果表明，缓和曲线、有其他妨碍安全驾驶的行为、轻型货车、重型货车、多车、下坡以及曲线路段7个因素显著影响责任事故严重度。“驾驶员存在其他妨碍安全驾驶的行为”和“重型货车”的估计系数分别是服从(0.375, 0.201)和(0.531, 0.988)正态分布的随机变量，总体导致死亡及重伤事故的概率分别增大6.15%和9.61%;当驾驶员在曲线路段存在其他妨碍安全驾驶的违法行为时，重伤或死亡事故概率增大6.54%。当重型货车在缓和曲线路段发生碰撞时，重伤或死亡事故概率会降低8.37%,重型货车因未与前车保持安全距离发生重伤或死亡事故概率会降低9.95%,而当重型货车与小客车碰撞时，重伤或...     

疲劳驾驶交通事故的严重程度影响因素分析

为探究和定量分析疲劳驾驶交通事故严重程度的影响因素,以广东省1370条疲劳驾驶事故数据为基础,对比分析不同年份、时间段以及年龄段的疲劳驾驶交通事故特征;以交通事故严重程度为因变量,将其分为严重事故和非严重事故,从驾驶员年龄、驾龄、车辆类型等17个初步选择的自变量中筛选对疲劳驾驶交通事故严重程度具有显著影响的因素;采用二...     

北极海冰环境下船舶事故严重程度影响因素分析

为深入分析北极水域船舶事故影响因素,分别从劳氏全球海事事故数据库和加拿大运输安全局海上运输事故数据库抽取、清洗和转换1998—2017年共311条北极水域船舶事故数据,构建双变量Probit模型并分析边际效应,识别并研究北极海冰环境下船舶严重事故和污染事故的影响因素及其影响程度。研究结果表明:双变量Probit模型不仅可以识别船舶严重事故和污染事故之间的影响因素,而且可以分析两者之间的潜在联系;北极海冰环境下船舶严重事故和污染事故之间存在负相关关系;船舶总吨、船舶类型、船龄、事故类型、事故年份、事故地点、风和海冰是影响北极水域船舶严重程度的显著因素。     

无序多分类Logistic回归的地铁扶梯事故特征分析

为探究影响地铁扶梯事故的主要因素,以北京地铁扶梯事故数据为基础,利用无序多分类Logistic回归方法,研究地铁扶梯事故的特征,通过控制相关因素来预防地铁扶梯事故的发生;分析894起地铁扶梯事故的事故形式、解释变量与响应变量的类型及属性,构建无序多分类Logistic回归模型,识别主要影响因素,计算各类影响因素对事故的贡献大小。研究结果表明:针对不同类型事故,制定不同的环境因素、乘客特征、乘客行为因素、线路因素的重点管控策略,可降低地铁扶梯事故的发生;该研究方法能够用于地铁扶梯事故预测研究,解决变量无序且多元的相关性分析和贡献大小的定量分析问题。     

信号交叉口进口道路段车辆换道行为分析

为提高信号交叉口的交通安全管理水平,研究驾驶员换道行为影响因素,确定各因素影响下的换道风险率,选取可能影响变道行为的潜在变量,构建交叉口换道行为的Cox风险分析模型,并以武汉市3个交叉口调查数据为例进行实例分析。结果表明:10个因素对进口道车辆换道有显著影响,其中,车辆与目标车道前方车辆的车头间距、与目标车道后方车辆的车头间距、所在车道与目标车道车辆密度差和可供变道选择的目标车道数是危险因素;车辆与所在车道前方车辆的车头间距、车辆距停车线距离、行驶速度和所在车道相位的绿信比是保护因素。车辆处于信号灯倒计时的变道风险率高于其他时段;出租车的变道风险率高于其他车辆。     

国内道路交通安全现状、原因及防治对策

在分析我国道路交通安全现状的基础上,详细介绍了国内道路交通安全的特点.道路交通事故是我国导致死亡人数最多的事故类型,它的发生与驾驶员、车辆、道路和行驶环境等因素有着密切的关系.运用安全系统工程方法,分析了其发生原因,提出了针对我国交通特点的道路安全对策,期望对预防及减少交通事故的发生起到积极作用.     

营运驾驶员驾驶事故影响因素仿真研究

解决营运驾驶员驾驶事故频发的不安全行为问题,基于复杂适应系统（CAS）理论和多主体建模与仿真（ABMS）方法,构建营运驾驶员驾驶事故模型。通过调节车辆状况、管理者管理监督水平、营运驾驶员情绪状态、安全教育水平、驾驶经验和环境综合条件等因素,运用NetLogo仿真平台分析安全管理水平、营运驾驶员安全责任意识、心理负荷水平对驾驶事故的影响。研究表明:营运驾驶员驾驶事故的发生系统是一种典型的CAS,营运驾驶员驾驶事故是三大主体属性和行为环境交互的结果,且交互作用程度不同。因此,运输企业要考虑多种因素,采取相应的措施来降低营运驾驶员驾驶事故的发生。