货车加油起纠纷 高速交警巧化解

11月26日晚，莆田高速交警大队值班民警接到东进停车区加油站工作人员的求助，称：“加油站被一群货车司机围堵……”。     

车祸之外的“车祸”

中国人本来素伊一方有难，八方支援”的美德，也有“路见不平，拨刀相助”风尚。但曾几何时，社会上拜金主义盛行，物质至上，以致让某些人把很多传统的美德都抛到九霄云外，这在道路交通发生货车翻车时可见一斑。     

小货车挂拖拉机牌,经销商不理我咋办?

问我于去年3月买了一辆小货车,当时经销商表示可以提供一条龙服务,包括办证、挂牌,一共只要45300元。我觉得这样省了不少事,就听从了经销商的安排没多久,车辆牌照办好了,却是邻省某市的拖拉机牌,见我有些不乐意,经销商说这样办帮我省了不少税费,上路行驶是没问题的。可一个月后,我的车就被交警拦下来了,在接受处罚并保证改正后领回了车辆,可前不久又被扣去了。我找到经销商,说是无能为力。我实     

一心二用藏隐患

2020年12月7日上午11时许,重庆市渝北区空港东路,一辆大型货车突然加速,追尾前方正常行驶的一辆小轿车,导致两车受损。据了解,大货车司机涂某是一名直播视频爱好者,经常边开车、边戴着耳机观看直播视频。事发当天,涂某觉得路途漫漫,十分无聊.     

基于机器学习的高速公路大型货车追尾风险预测

针对高速公路大型货车追尾事故频发的问题，评估高速公路大型货车追尾风险，并分析交通流特性对大型货车追尾风险的影响，以降低追尾事故的发生率。根据德国HighD开源数据集，以不同冲突风险等级的碰撞时间(TTC)阈值作为大型货车冲突风险的划分标准，提取大型货车的车辆轨迹与交通特征参数等数据，基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)等3种机器学习模型分别建立高速公路大型货车追尾风险实时预测模型；以混淆矩阵、受试者工作特征曲线的曲线下面积(AUC)和洛伦兹(KS)检验等评价指标，对比分析各模型的整体预测能力，并选取预测精度最好的模型分析各个特征参数对追尾风险的影响程度。研究结果表明：RF模型的预测准确率达75%,相对SVM模型高出8%,相对ANN模型高出10%,且RF模型的预测精确度、召回率、AUC值和KS值均优于SVM模型和ANN模型；最小车头间距、车速标准差和加速度标准差3个参数对大型货车追尾风险影响程度最高。     

考虑货车-无人机协同的灾后应急响应策略及调度优化

为了弥补现有货车-无人机应用策略在灾后应急响应调度过程中的不足，进一步提高城市应急响应效率，提出了面向灾后救援的货车-无人机协同策略，并对其调度算法进行研究。在对两种货车-无人机协同响应策略进行分析的基础上，考虑城市应急场景道路密度高、中断点多、需求规模大的特点，提出了货车-无人机飞行伙伴响应策略，并以响应时间最小化为目标建立了其调度优化的混合整数规划模型。同时，设计了基于禁忌搜索的三阶段求解算法，并通过试验对该调度策略及算法的应用效果进行了仿真验证。     

严重冲突场景下山区双车道公路货车跟驰风险预测

为预测严重冲突场景下山区双车道公路货车跟驰事故风险，基于视频轨迹数据、实测交通流数据、道路线形数据及交通事故数据，采用双变量冲突极值模型、轻量型梯度提升机，构建严重冲突场景下山区双车道公路货车跟驰事故风险实时预测(Truck Following Accident Risk Real-Time Prediction, TFARRP)模型，并利用耦合度模型分析变量耦合程度。研究显示：碰撞时间(Time to Collision)为5.418 s,后侵入时间(Post Encroachment Time)为0.512 s,这是严重冲突场景阈值；TFARRP模型准确率高达95.000%;平均车头时距(A_HD)、两车间距(T_CD)、货车平均速度(T_AS)、及货车横向偏移(T_LO)对TFARRP模型的重要度都超过了10%;当监测到A_HD<21.11 s、T_CD<35.00 m、T_AS<29.00 km/h或T_LO