轿车与行人事故重建的参数敏感性研究

为确定轿车与行人事故再现系统中各参数的敏感性,从PC-Crash软件中提取9个参数,设计正交试验,运用灰色关联度分析方法,分别获得影响轿车、行人停止位置的参数敏感性排序,按是否使用敏感性排序结果,对一起真实人车碰撞事故进行2次重建,验证试验结果的可信性与可靠性。结果表明:对再现结果有显著影响的参数为轿车碰撞时车速、行人速度、碰撞时轿车方向盘转向角、碰撞时轿车行驶方向和人体与地面摩擦因数;针对性地调整这些参数,能够明显降低各参与方的最终位置误差,并提升人车事故重建速度和与实际事故的拟合度。     

一种分析事故车辆超速概率的方法

为分析区间痕迹下事故车辆超速的概率,基于子区间技术建立一种求解方法。首先将输入痕迹区间分成若干子区间,将不同痕迹的子区间组合成若干子空间域;然后将事故再现模型在子空间域上做一阶泰勒展开,并结合区间四则运算法则计算事故再现模型在每一子空间域上的上下界,得到事故再现车速子区间;最后对所得子区间进行分析,取下界大于路段限速值的子区间数除以该数与上界小于路段限速值的子区间数的和的值作为事故车辆超速的概率值。2个数值算例表明:所建方法与蒙特卡罗方法所得概率一致,且所建方法无需对输入痕迹的分布进行假设;一例真实的碰撞事故案例表明:用该方法可解决实际问题,案例中事故车辆超速的概率为53.7%。     

基于ACE法和模拟退火算法的土层等效参数反演

提出了一种基于ACE法和模拟退火算法的土层参数反演方法:一方面先用均匀试验构造出输入数据与输出数据,再利用ACE非参数回归方法构造两者之间的高效响应面,然后通过响应面关系进行插值运算来得出对应参数的响应值;另一方面根据响应面的关系构造出反演目标函数,利用模拟退火法对目标函数进行寻优计算,从而能避免寻优过程中的目标函数值陷入局部极值状态,最终提高反演精度。应用该方法对一工程算例的土层等效参数进行反演,反演结果表明该方法是可行的。     

一种改进的事故再现蒙特卡罗优化算法

为使事故再现结果更符合实际情况,对事故再现中的计算过程进行优化。基于蒙特卡罗方法和随机加权方法,提出一种改进的事故再现蒙特卡罗优化算法。该算法以二维碰撞模型和车辆轨迹模型为计算模型,选择碰撞点位置、碰撞前速度、法向恢复系数为优化参数,以实际车辆碰撞后运动轨迹离差最小为优化目标。分别用所提出的改进算法和Pc-Crash中的优化方法对一算例进行优化。结果表明,改进算法在准确度和稳定性等方面优于Pc-Crash中的方法。利用改进的事故再现蒙特卡罗优化算法,不仅能获得最优的事故再现结果,还能获得再现结果落在任意区间的概率。     

基于正交试验响应面法的烟气层概率分布计算

为计算随机参数下火灾烟气层温度和厚度的概率分布，该文提出了基于正交试验响应面的可靠度计算方法。通过正交试验表确定分析计算参数组，并借助火灾动力学分析软件计算不同参数组下烟气层的温度和厚度响应，进一步拟合出输入参数和输出参数的响应面函数，在此基础上结合验算点法计算烟气层温度和厚度的概率分布，算例分析表明该方法具有计算精度高、计算量小的特点。     

基于Pc-Crash的车辆侧滑事故再现方法

为准确再现车辆侧滑事故,基于Pc-Crash软件,提出一种分步再现事故的方法。该方法首先仿真事故车辆侧滑运动,获得侧滑车辆碰撞前瞬间运动状态参数;然后定义新仿真以再现侧滑车辆与事故其他参与者的碰撞;重复此2步骤,以确保仿真中痕迹与事故中痕迹最相符合。最后就一例车辆侧滑后与过往车辆发生碰撞的事故,演示该分步再现方法各步骤的实现途径。结果显示,利用Pc-Crash软件分步再现车辆侧滑事故,能较为容易地控制再现过程,保证仿真中痕迹与现实情况的一致性。     

轿车-电动两轮车事故再现的参数敏感性研究

为确定轿车-电动两轮车事故再现系统对各参数的敏感性,根据一起实例,确定影响参数,设计并开展正交试验,通过方差分析,分别获得影响轿车、电动两轮车和骑车人停止位置的参数敏感性排序;按是否使用敏感性排序结论,利用PC-Crash对另一起实例进行2次过程重建,以验证试验结果的可信性和可靠性。结果表明:影响轿车最终位置的敏感性参数仅为轿车的减速度;影响电动两轮车、骑车人最终位置的敏感参数排序分别为:2车碰撞时的纵向夹角碰撞点驾驶员反应时间轿车车速碰撞时电动两轮车的质心高度轿车方向盘转角、轿车车速电动两轮车的速度2车碰撞时的纵向夹角碰撞点;根据敏感性排序指导此类事故仿真重建,能明显减小车速误差及各参与方的最终位置误差。     

基于Pc-Crash的多车碰撞事故再现仿真分步方法

为降低多车碰撞事故仿真再现的难度并确保再现结果的可靠性,建立基于Pc-Crash的事故再现仿真分步方法。该方法将多车碰撞过程划分为多个独立的2车碰撞过程,对最开始的2车碰撞过程进行仿真后分别获得2车碰撞后的运动参数,进而定义新的2车碰撞仿真过程,重复此步骤,直至仿真中所有相关痕迹与事故现场痕迹相吻合为止。仿真再现一例3车碰撞事故。结果显示,基于Pc-Crash的事故再现仿真分步方法可用于仿真再现多车碰撞事故,且仿真车辆运动轨迹和损坏程度等痕迹均与实际情况相吻合。     

基于神经网络的矮塔斜拉桥近断层地震响应参数敏感性分析*

为研究近断层地震动对矮塔斜拉桥地震响应参数敏感性的影响,提出基于BP神经网络配合有限元分析的参数敏感性分析方法（FBSA法）,以某铁路矮塔斜拉桥为研究对象,进行参数化有限元建模,运用BP神经网络计算近断层地震动作用下矮塔斜拉桥响应以及自振频率对各参数的敏感性系数,分析近断层脉冲地震动对地震响应敏感性的影响规律。研究结果表明:FBSA法可快速、精确地完成敏感性分析,为抗震设计与优化提供更全面的参考;矮塔斜拉桥几何布置和截面尺寸对振型刚度影响较大;近断层脉冲地震动作用下,桥梁位移和内力响应明显增大,各设计参数对桥塔位移、桥墩位移和内力以及主梁横向位移和弯矩的参数敏感性具有显著影响,对主塔内力和主梁竖向位移参数敏感性的影响不明显。     

基于逆算法与试算法的车辆碰撞车速对比研究

为提高道路交通事故车速计算仿真再现的准确性与实用性,基于车对车碰撞事故案例,采用道路交通事故分析与再现系统(Crash View)逆算法与Pc-Crash试算法,对比分析其计算机制、模型算法、输入参数、输出误差等核心解算部分,优化车速计算算法,完成事故实际场景车速计算;Crash View系统计算相对误差约为4%,输入车辆位置、车身结构、车体姿态参数量较少且易于获取;Pc-Crash系统计算相对误差约为9%,计算时需要人工手动反复试算,调整车速、位置、姿态等预估参数。研究结果表明:采用Crash View逆算法的仿真再现系统更适用于实际交通事故车速计算; PcCrash试算法受经验公式影响较大,适用范围较小。     

航空装备事故的灰色时序组合预测模型

为提高航空装备事故预测水平,提出一种基于灰色和时间序列分析模型的航空装备事故组合预测模型。先构建灰色模型,提取历史数据中承载的趋势信息。然后进行模型选择、阶数识别和参数估计,建立灰色残差的时间序列分析模型,用以刻画历史数据中的随机波动特征。最后,将2个模型的预测值相加,得到所求的组合预测结果。实例中,以美国空军1996—1999年的A级飞行事故10万时率数据为基础,建立灰色时序组合模型,模型中短期预测精度优于单一灰色模型,平均相对误差控制在5%以内,预测结果能够反映航空装备安全的实际状况。     

基于图论的生产安全事故风险预警指标筛选及分析*

为提高事故风险预警准确性,降低事故发生频率,通过对现有生产安全事故案例进行因果连锁理论分析,构建事故成因结构图,采用图论中节点属性分析法,筛选事故风险预警指标,并利用最短路径介数和紧密度改进复杂网络概念,从局部与整体角度探讨事故风险预警指标敏感性。结果表明:人与物类风险预警指标敏感性较高且相近,环境类风险预警指标敏感性次之,管理类风险预警指标敏感性较低。研究结果可为相关企业建立与优化事故风险预警指标体系提供理论依据。     

基于事故逆向再现的车辆追尾事故仿真分析研究

为认定车辆碰撞事故的性质及责任，动态还原事故发生过程。提出1种逆向事故分析再现方法，经过坐标系旋转后构建确定方程组的车辆碰撞瞬间解析计算模型，并经过实车碰撞实验数据验证其计算精度与三维再现的准确性。利用Crashview软件对1起车辆追尾事故进行仿真分析，解析计算得出车辆碰撞瞬间车速和碰撞前行驶车速，实现事故二维过程重构和三维模拟再现。结果表明:计算分析车速与VDR记录车速误差在5%以内，模拟再现轨迹与事故现场实测痕迹基本吻合，所构建的方法可有效用于车辆追尾碰撞事故辅助分析鉴定，为事故过程分析提供理论依据。     

AFTOX烟团扩散预测模型参数敏感性分析

通过设置不同环境气象条件的风险污染源,选取最大高峰浓度和最大高峰浓度出现的时间为考察指标,采用正交试验法,分析环境风险评价预测模型AFTOX中大气稳定度、事故处地表粗糙度、事故处地表类型和干湿度对其预测结果的影响。分析结果表明,当风速一致时,大气稳定度对最大峰值浓度的影响总是大于事故处地表粗糙度以及事故处地表类型和干湿度,而最大峰值浓度出现的时间对各参数的敏感性无变化。     

基于层次分析法的烟火药制造过程爆炸事故分析

结合烟花爆竹行业安全评价经验,在危险源辨识理论的指导下,运用因果图法对该过程发生的爆炸事故进行定性分析,找出导致事故发生的因素;再运用层次分析法(AHP)进行定量分析,建立层次结构模型,求出各因素的权重,得出各因素的重要程度,从而确定导致事故发生的关键因素,以此作为事故预防的重点。结果表明,人的不安全行为是影响事故的主导因素,此结论符合烟花爆竹行业生产现状,可以为企业制定合理的、有针对性的对策措施提供依据。     

An integrated EDIB model for probabilistic risk analysis of natural gas pipeline leakage accidents

Natural gas pipeline construction is developing rapidly worldwide to meet the needs of international and domestic energy transportation. Meanwhile, leakage accidents occur to natural gas pipelines frequently due to mechanical failure, personal operation errors, etc., and induce huge economic property loss, environmental damages, and even casualties. However, few models have been developed to describe the evolution process of natural gas pipeline leakage accidents (NGPLA) and assess their corresponding consequences and influencing factors quantitatively. Therefore, this study aims to propose a comprehensive risk analysis model, named EDIB (ET-DEMATEL-ISM-BN) model, which can be employed to analyze the accident evolution process of NGPLA and conduct probabilistic risk assessments of NGPLA with the consideration of multiple influencing factors. In the proposed integrated model, event tree analysis (ET) is employed to analyze the evolution process of NGPLA before the influencing factors of accident evolution can be identified with the help of accident reports. Then, the combination of DEMATEL (Decision-making Trial and Evaluation Laboratory) and ISM (Interpretative Structural Modeling) is used to determine the relationship among accident evolution events of NGPLA and obtain a hierarchical network, which can be employed to support the construction of a Bayesian network (BN) model. The prior conditional probabilities of the BN model were determined based on the data analysis of 773 accident reports or expert judgment with the help of the Dempster-Shafer evidence theory. Finally, the developed BN model was used to conduct accident evolution scenario analysis and influencing factor sensitivity analysis with respect to secondary accidents (fire, vapor cloud explosion, and asphyxia or poisoning). The results show that ignition is the most critical influencing factor leading to secondary accidents. The occurrence time and occurrence location of NGPLA mainly affect the efficiency of emergency response and further influence the accident consequence. Meanwhile, the weight ranking of economic loss, environmental influence, and casualties on social influence is determined with respect to NGPLAs.     

基于贝叶斯网的交通事故机理分析

针对道路交通事故的形成机理进行定性、定量研究,根据我国道路交通事故记录数据特征,应用贝叶斯网对事故发生概率进行定量分析.引入"驾驶员紧张度"和"道路线形合理度"两个隐节点,建立了事故分析的贝叶斯网多层隐类模型,采用最大似然估计方法确定了模型的边缘概率和条件概率.将贝叶斯网模型应用于国道104二级公路(K1310+000～K1330+000)的事故分析中,运用贝叶斯网分析软件包Netica对其历史事故记录数据进行分析.结果表明: 贝叶斯网不仅可以定量计算某种道路交通状态下的事故发生概率,而且可以找出影响事故概率的关键原因和最不利状态组合(事故概率最大时的道路交通状态).     

LPG leakage and explosion accident analysis based on a new SAA method

The petrochemical industry has inherently high safety risks. On 5^th June 2017, a liquefied petroleum gas tanker in the storage and transportation department of Linyi Jinyu Petrochemical Co., Ltd. leaked during unloading, causing a major explosion and fire. Ten people were killed and nine were injured. To prevent the recurrence of similar accidents, a retrospective accident analysis was conducted using the system accident analysis method known as ‘24Model’. This analysis proved the coupling relationship between accident causes involving multiple organisations and multiple factors. The analysis results show that the five modules of maintenance and design, that is, loading and unloading valves, emergency training, management of subsidiaries and contractors, multi-level supervision, and task arrangement need to be checked from top to bottom by relevant organisations.In order to verify the reliability of 24Model analysis results, three SAA methods, namely STAMP, FRAM, AcciMap, were used to analyse the accident, and results obtained by the four methods were evaluated qualitatively and quantitatively. The results show that the output of 24Model is reliable and has a more understandable framework, which can be used as reference for the development of other linear accident cause models and application of system accident analysis methods to real applications.