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1 370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;采用二元Logistic回归模型分别对全体数据和不同道路类型下的数据建立疲劳驾驶交通事故严重程度预测模型,并对模型进行参数估计和检验。研究结果表明：模型拟合度良好,准确性高;对疲劳驾驶交通事故严重程度具有显著影响的因素有年龄、人员类型、车辆类型、道路类型、道路线形和能见度;车辆类型和道路线形是影响城市道路交通事故严重程度的重要因素,能见度是影响1,2级及其他更低级道路交通事故严重程度的重要因素。     

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...     

超大城市昼夜交通事故严重程度致因对比分析——以深圳市为例

为研究夜间交通事故严重程度致因,基于深圳市3年3 244起交通事故数据,获取昼夜交通事故分布的时空特征;进一步选取交通事故集聚的南山区、福田区、罗湖区的1 798起交通事故,以交通事故严重程度为因变量,以事故原因、日期、事故形态等10个因素为候选自变量,构建广义有序Logit回归模型,对比分析昼夜不同严重程度交通事故的影响因素。结果表明:路口路段类型、疲劳驾驶、事故日期在夜间模型参数估计值分别为0.493,-0.363,-0.309,而在日间模型表现为不显著,道路路面材料在日间模型参数估计值为-0.232,而在夜间表现为不显著;事故原因、道路横断面渠化方式等因素在日间和夜间所引起交通事故的严重等级均存在较大差异。     

基于Logistic的不同车型碰撞行人事故严重程度致因分析

为定量分析不同车型碰撞行人事故严重程度影响因素,以美国北卡罗来纳州2007-2016年人车碰撞事故数据为样本,将其分为小轿车、SUV、货车碰撞行人事故3类,以事故严重程度为因变量,交通参与者属性、道路、环境条件和事故特征为候选自变量,分别建立累计logistic模型进行对比分析,探究人、车、路和环境因素对人车碰撞事故严...     

全球海事事故的时空与类别特征研究

以2006—2016年的全球海事事故数据为样本,运用数据挖掘技术和相关性分析方法对全球海事事故的时空与类别特征进行了识别。结果表明:南中国海、英国周边、地中海与黑海、东北亚等区域是全球海事事故的高发区,不同区域的事故类别特征存在较大差异;海事事故的数量、类别、严重程度与运输规模、船舶状况、气象海况、船型、船旗国等因素密切相关;除常规认知外,船旗国对海事事故的影响一定程度上存在"悖论"情况。研究结论可为海事管理部门和航运企业针对重点区域、重点船舶和重点致因采取有效事故防控措施提供决策依据。     

基于决策树模型的煤矿安全事故严重程度分析与预测

为将数据挖掘技术应用于煤矿安全管理,通过对我国1999—2015年29 000多条煤矿安全事故数据的研究,系统分析了事故发生的区域、时间、类型和企业信息等因素对事故严重程度的影响及彼此之间的相关性。通过构建决策树分类模型,在给定事故相关信息的基础上,对事故严重程度进行分类预测;基于数据类别不平衡的特点,采用欠采样的抽样方法,同时利用梯度提升的组合分类器来提高分类精度。结果表明,采用的数据挖掘模型在预测不同严重程度的事故上均达到了较高精度。     

动态监控数据驱动的危险货物运输驾驶员风险评估

为合理评估危险货物运输驾驶员驾驶过程中的风险驾驶行为,辨别影响危险货物运输事故风险的显著因素,运用探索性因子分析与Logistic回归相结合的方法,可以避免数据多重共线性对分析结果的影响。首先基于车辆联网联控系统中记录的动态违规预警数据,利用探索性因子分析方法提取危险货物运输驾驶员高风险驾驶行为隐性因子;其次结合驾驶员事故数据,筛选与危险货物运输事故显著相关的高风险驾驶行为;最后通过建立Logistic回归模型预测驾驶员卷入危险货物运输事故的风险。结果表明,驾驶员的风险驾驶行为可归类为碰撞倾向驾驶行为、鲁莽驾驶行为、驾驶分神和驾驶疲劳4种,驾驶员具有不同的驾驶风险倾向,同时碰撞倾向驾驶行为、驾驶分神行为和驾驶疲劳状态指标是影响危险货物运输事故的显著因素,可以建立事故预测模型。研究结果为评估危险货物运输驾驶员风险提供了理论依据。     

电动自行车骑行者事故伤害程度影响因素分析

为探索电动自行车事故中影响电动自行车骑行者伤害程度的因素,选取发生在某市电动自行车与机动车碰撞的事故数据作为研究对象,以电动自行车骑行者伤害程度作为因变量,路段信息、事故信息、电动自行车骑行者信息、机动车辆信息等类别信息作为自变量,运用logistic回归模型,鉴别出12个对电动自行车骑行者伤害程度有显著影响的因素。结果表明:夜间无照明、机动车道、大中型货车、大中型客车、小微型货车、违反信号控制、未按规定让行、年龄大于60、男性等因素能显著增加电动自行车事故中骑行者死亡或重伤的风险。     

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。     

农村公路交叉口交通事故特征关联性与风险因素分析

为降低农村公路交叉口事故风险,提取环境、道路、设施、车型和违法行为特征作为自变量,以事故形态和事故严重程度为因变量,构建考虑因变量内在关联的双变量Probit模型,分析二者的相关性,并识别显著影响因素。结果表明:农村公路交叉口交通事故形态和严重程度呈负相关关系,单车事故的死亡率更高;线形越好,隔离、控制设施越完备,事故严重性越低;车型越大,事故后果越严重;违法行为增加了发生致死性单车事故的概率。在交叉口处增设安全保障设施,对相交公路等级差异较大的路口实行限速管理,加强对大型车辆和摩托车的安全管理,加强对无证驾驶行为的处罚,可以改善农村公路交叉口安全水平。     

事故车辆折旧损失谁承担?

吴某驾驶小轿车途经一弯道,猛见林某驾驶的小货车超车后迎面驶来,吴某紧急制动避让;不料邓某驾驶的大货车尾随其后,发生追尾事故后,小轿车于是与小货车相碰刮。交警部门认定,林某、邓某负本次事故的同等责     

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。     

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。     

事故车辆折旧损失谁承担?

吴某驾驶小轿车途经一弯道，猛见林某驾驶的小货车超车后迎面驶来，吴某紧急制动避让；不料邓某驾驶的大货车尾随其后，发生追尾事故后，小轿车于是与小货车相碰刮。交警部门认定，林某、邓某负本次事故的同等责任，吴某不负事故责任。吴某的小轿车损坏严重，价格认证中心认定，该车修复需材料费和修理费计28070元；经机动车鉴定评估，小轿车折价损失（不含修复费）为22000元。     

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。     

不同等级农村公路交通事故严重程度预测研究

为准确分析各因素及其组合对农村公路发生严重交通事故的影响,将道路类型、路侧防护设施、时间段、天气状况、事故位置等11个因素作为自变量,事故严重程度作为因变量,采用改进的Apriori关联算法,找出各影响因素间的内在联系,并求解得到关键因素的组合。然后,分别构建随机森林、梯度提升决策树(Gradient Boosting Decision Tree, GBDT)、极端梯度提升(eXtreme Gradient Boosting, XGBoost)预测模型对农村公路事故严重程度进行预测。结果显示：与改进前相比,改进后的Apriori算法的运行效率和挖掘准确度都有较大提升;相对于随机森林和GBDT模型,XGBoost模型在准确率、召回率、精确率和F1得分等方面表现最优;照明条件、路侧防护设施、道路类型,天气状况是影响农村公路事故严重程度的重要因素,且各影响因素间存在显著的交互效应。     

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     

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.     

涉事车辆分类的高速公路重特大交通事故成因与严重程度研究

为研究不同涉事车辆数分类下的事故特征,以事故涉及车辆数为分类依据,将高速公路重特大交通事故分为单车和多车事故两类。首先,以事故车型分布为研究对象,在分析单多车事故车型分布规律的基础上,利用Pearson相关系数研究了多车事故中车辆类型的相关性特征;其次,利用社会网络分析(SNA)计算单多车事故影响因素的节点中心性,提出以决策试验和评价实验室(DEMATEL)方法求解的可达矩阵作为SNA的输入矩阵,然后从整体属性(凝聚子群)的角度分析单多车事故影响因素的凝聚性;最后,从事故的伤亡人数和持续时间分析单多车事故严重程度的变化规律。以陕西省2018—2019年168起高速公路重特大交通事故为例进行分析,结果表明：多车事故中同类型车型之间存在较强的正相关性,而不同类型车辆之间多为负相关;单多车事故的节点中心性存在明显不同,在事故致因方面存在较大差异;单车事故和多车事故分别得到5个凝聚子群,各凝聚子群均代表事故影响因素的凝聚特征;多车事故的受伤人数较高,单车事故的死亡人数较高;单车事故的持续时间集中在3 h内,多车事故的持续时间集中在4 h内和6 h以上;单多车事故在车型、影响因素和严重程度等方面...