交通事故人员伤亡的影响因素分析

为探究交通事故各影响因素对人员伤亡的影响,并根据影响情况给出减少事故伤亡的合理建议,通过收集、统计某市2013年4—9月的交通事故数据,采用Poisson、负二项(NB)、HurdlePoisson(HP)、Hurdle-NB(HNB)、零膨胀Poisson(ZIP)和零膨胀负二项(ZINB)回归模型,对交通事故计数资料进行回归拟合,通过似然比(LR)检验、Vuong检验和拟合优度检验准则比较与选择模型。结果显示,ZINB回归模型拟合效果最佳,肇事车辆有无牌照、车损情况、驾驶人驾驶资历和天气状况等因素对事故中伤亡人数的影响显著,采取限制无牌照车辆出行,保障车辆性能和尽量让驾驶资历高的人驾驶并控制车速等措施能够减少事故伤亡。     

山区高速公路桥隧道段事故预测

为准确预测山区高速公路桥隧道段的交通事故数,首先通过探讨桥隧道段组合结构安全长度,考虑驾驶员识别视距与通风照明需求后对桥隧道段的定义重新进行诠释。然后,选取我国西南山区某高速公路符合桥隧道段定义的2条路段作为研究对象,以该路段2013—2017年的事故数据为样本,采用路段长度一致法将路段划分为1 km的路段单元。最后,考虑桥隧道段风险特性,从构造物设计、道路线形、交通流参数及路面状况4个方面选取13个解释变量,以事故率与事故数作为被解释变量,通过K-S检验与Q-Q图检验分析选用事故数作为最终的被解释变量,并选用负二项模型进行解释变量显著性分析,进一步确定显著性解释变量并对所选路段进行事故预测。结果表明：隧道长度占比、相邻路段纵坡差、抗滑性能指数及年平均日交通量是影响桥隧道段事故发生的显著影响因素,采用负二项回归模型进行事故预测拟合程度较高,预测结果与实际平均单元事故起数误差仅为1.5%,模型具有较好的准确性。     

高速道路追尾感知PC-Crash仿真与统计建模

为防范和减少高速道路追尾事故,提出一种基于PC-Crash仿真与统计分析的高速道路追尾事故感知模型。以事故比例较大的小型车之间的基础碰撞模型为研究对象,首先,基于PCCrash第一类参数分析单因素和正交试验的参数敏感性,确定以冲入速度为指标的追尾避撞主要参数,前3名影响参数反应时间、初速度和减速度;其次,运用统计分析软件SPSS和Stata分别建立基于仿真得出的270组冲入速度的回归模型;然后通过典型高速公路事故实证,确定最佳感知测度模型。经检验分析,二分类Logistics回归模型能较为准确地判断出当前跟车距离是否安全。     

基于CPMs及LOSS的高速公路安全性评价

为评价高速公路基本路段的交通安全状况,首先应用统计分布拟合及假设检验方法,分析京珠高速公路及粤赣高速公路基本路段上事故起数的统计分布特征,验证事故起数符合负二项(NB)分布;然后给出基于NB分布的路段划分方法,建立基于NB分布的事故预测模型(CPMs),并提出基于CPMs的路段安全性评价方法。其次引入交通安全服务水平(LOSS)概念,提出一种基于LOSS的路段安全性评价方法。最后分别用基于CPMs及LOSS的路段安全性评价方法,对京珠高速公路及粤赣高速公路基本路段进行安全性评价。结果表明,基于CPMs的安全性评价方法更适用于山岭重丘区的高速公路,而基于LOSS的路段安全性评价方法更适用于平原区的高速公路。     

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。     

山区高速公路交通死亡事故显著影响因素鉴别

为深入探讨影响山区高速公路交通死亡事故发生的显著性因素,基于昌金和泰赣2条典型的南方山区高速公路共613起一般事故数据,运用二元Logistic回归模型,采用虚拟变量形式,对28个可能的影响因素进行检验,并根据发生比的概念,对模型的参数估计进行解释。结果表明:不良天气、下坡路段、弯坡组合路段、多车碰撞、超速、未保持安全车距、车辆安全状况差等7项因素对死亡事故的发生有显著促进作用,而撞固定物、刮擦事故和正确使用安全带能显著减小死亡事故的发生概率。     

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.     

基于零膨胀负二项回归模型的内河水上交通人命安全分析

运用零膨胀负二项回归模型,分析水上交通事故中人员死亡失踪数量的各影响因素的影响程度。通过Pearson相关分析得到与水上交通事故中人员死亡失踪人数密切相关的因素,建立ZINB回归模型得到各因素的参数估计值。运用弹性分析方法对不同影响因素的影响程度进行评估,根据影响程度对各影响因素进行排序。将该方法应用于长江海事局辖区范围内的水上交通事故人员死亡失踪分析,取得了理想效果。     

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。     

基于新维灰色理论的建筑安全事故与死亡人数预测

为提高建筑安全事故发生起数以及死亡人数的预测精度,探究两者间关系,本文在灰色GM(1,1)预测模型的基础上,构建建筑安全事故起数与死亡人数新维灰色预测模型,通过相对误差对预测结果进行检验,并运用该模型对2011-2022年全国建筑安全事故发生起数和死亡人数进行预测,证明两者之间具有正相关关系.结果表明:该模型对于建筑安全事故起数与死亡人数的预测精度较高,能够为建筑行业事故防控提供良好的指导意义.     

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。     

考虑空间相关性和交通环境影响的宏观事故建模

为准确分析宏观尺度下各项因素对发生交通事故的影响，从人口岗位等社会经济特征、交通环境和城市重要设施分布等角度出发，基于深圳市61.4万警情事故和892个交通分析小区建立带空间自回归误差项的空间自回归模型(SARAR),采用广义空间二段最小二乘法进行模型参数估计后，计算出各要素的空间溢出效应。模型结果表明：人口数量、岗位数量、区域面积、学校数量、主次干道长度和主次干道衔接不足均会显著增加本区域和周边区域内的交通事故数量；拥堵路段长度与交通事故的发生不存在显著关系。拟合优度对比结果发现，SARAR模型优于OLS、SAR和SEM模型，是分析宏观尺度下区域安全水平的有效方法。     

道路交通事故的非线性偏最小二乘回归建模

就有效预防交通事故、提高道路交通效率而言,借助高精度的道路交通事故预测模型,准确分析事故原因是重要的基础性工作。首先基于偏相关分析方法,对影响事故起数、死亡人数和受伤人数这3个事故指标的11个因素进行相关性分析,确定最相关的影响因素及其线性相关性;然后利用偏最小二乘回归方法,对事故指标与影响因素之间的线性关系进行建模;进而基于非线性偏最小二乘回归方法,建立两者之间的非线性关系模型。通过对回归模型的精度分析,用偏最小二乘回归方法仅能对事故指标与影响因素之间线性关系准确建模,测定系数最大为0.98,相对误差最大为21.77%。用非线性偏最小二乘回归方法,对事故指标与影响因素之间的线性和非线性关系均能准确建模,测定系数最大为1.相对误差最大为4.23%。     

基于事故修正系数的山区高速公路事故预测模型

为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定理想条件的基础上,借助优势比分析方法,建立10个不同线形组合相对于基本预测模型的CMF模型;通过弹性分析识别出对不同严重程度事故有显著影响的因素,并以此分析山区高速公路线形指标及线形组合的安全效应。研究结果表明：CMF能够定量反映不同线形组合的风险效应,且其值越高,事故率及事故严重程度可能更高;山区高速公路中,平曲线缓坡组合相对安全,平曲线陡坡组合、平曲线竖曲线组合均有较高的事故风险;平曲线与凹型竖曲线组合时的风险会略低于其与凸形竖曲线组合;控制纵坡度、减少平竖曲线的组合均有利于山区高速公路交通安全。     

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。     

山区双车道公路摩托车事故严重度分析模型比较

山区双车道公路摩托车交通事故频发且死亡人数较多,准确认识不同类别事故严重度影响因素的作用规律是遏制事故发生的重要前提.针对这一问题,基于云南典型双车道公路522起摩托车交通事故数据,通过描述性统计分析时空分布特征、事故涉及交通方式分布特征、事故形态特征,并以3分类的事故严重度为因变量,将其分为仅财产损失、受伤、死亡事故3个等级,从人、车、路和行车环境4个方面选择了 14个潜在影响因素,分别采用有序Logit模型和多项Logit模型建立摩托车事故严重度分析模型,从预测准确率和自变量作用强度两个方面比较分析了两个摩托车事故严重度分析模型的适用范围,筛选重要影响因素.结果表明:仅财产损失事故受涉事者和肇事者年龄的影响较大,受伤事故受事故形态和事故发生季节的影响较大,死亡事故受事故发生季节和肇事者交通方式的影响较大;对3类事故严重度的预测能力,有序Logit模型的预测准确率为84.7％,多项Logit模型的准确率为92.4％,基于多项Logit模型摩托车事故严重度分析模型的预测准确率高且误报率较低,更适用于多分类的交通事故严重度的预测.     

一种基于Logistic回归的全损飞行事故分析与预测

运用Logistic回归方法分析全损飞行事故的影响因素,并构建预测模型,然后利用飞行事故案例进行了实证检验。通过对样本数据过离散、空单元、多元共线性和特异值、特殊影响案例的诊断,以及对模型的拟合程度和预测效果的检验,表明所构建的模型比较符合现实情况,而且具有较好的拟合程度和预测效果。模型指出航班类型和机龄因素具有统计学意义,国内航班比国际航班的全损概率要高;机龄越老,全损概率越高。     

中小学校园拥挤踩踏事故风险评估指标研究

为研究诱发中小学校园拥挤踩踏事故风险因素,根据近年来21起典型事故统计结果,设计调查问卷,在问卷信度检验结果满足良好的相关水平和一致性的基础上得出中小学校园拥挤踩踏事故影响因素分为4个方面,9个因素。基于数据处理系统(DPS),引入非参数投影寻踪回归模型的理论方法,对多维拥挤踩踏事故影响因素数据进行投影降维分析,利用交叉核实,进行非参数拟合,得出每一因素的权重值及事故发生预测值。拟合结果表明:人群失控、人群密度、时间限制3个影响因素更为重要,在校园拥挤踩踏事故日常预防中应多予重视,同时初步探讨影响因素权重在中小学拥挤踩踏事故评估中的应用,为进一步有效防止校园拥挤踩踏事故发生提供技术支持。     

基于混合聚类的农村公路单车事故影响因素分析

为探究影响安徽省农村公路单车事故严重度的主要因素,利用因子分析法,将自变量转化为相互独立的公共因子,依据因子得分,利用K均值算法聚类事故数据;采用二元Logistic回归模型对各类别数据建立事故严重度模型。结果表明:相对于潜在类别分析,基于混合聚类结果构建的Logistic回归模型拟合优度、预测精度更优;性别、年龄、是否超速等仅在某一类别中显著;道路线形、地形等在多个类别中显著,但对于事故严重度的影响方向不同。     

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。