北京市道路交通安全现状分析及控制策略研究

在分析北京市道路交通安全形势以及事故特点的基础上,运用交通冲突理论分析道路交通事故发生的机理,论述道路交通事故发生的过程。并从安全系统工程学角度,使用交通事故显性/隐性致因模型对道路交通事故的致因因素进行分析,强调管理因素的重要性。最后,结合北京市道路交通现状,综合运用3E对策,讨论了改善道路交通安全的控制策略。通过加大违章行为惩罚力度、培养安全文化、建立道路交通事故应急救援体系以及应用智能交通技术等措施,消除道路交通系统中人的不安全行为和物的不安全状态,提高北京市道路交通安全水平。     

基于贝叶斯网络的城市地下燃气管网动态风险分析

为研究城市燃气管网风险的动态性,针对传统风险分析方法的局限性,提出基于贝叶斯网络的燃气管网动态风险分析方法。构建燃气管网失效蝴蝶结模型并将其转化为贝叶斯网络模型;在事故发生状态下更新事件失效概率,识别出关键因素;根据异常事件数据和贝叶斯理论,对基本事件失效概率进行实时动态改变;随之更新管网失效及各后果发生的概率,从而实现管网的动态风险分析。研究结果表明:该方法克服了传统风险分析方法的不足,可动态反映燃气管网失效和事故后果发生概率随时间变化的特征,能够为城市地下燃气管网的风险分析与事故预防提供参考。     

道路交通事故发生机理研究现状与趋势分析

为了揭示道路交通事故发生的本质规律,完善预防与治理道路交通事故发生的理论体系,针对全世界交通事故频发、交通安全问题日益突出的现状,以道路交通事故发生机理为研究对象,综述了5种目前国内外典型的道路交通事故发生机理,包括"感知—判断—操作"机理、"流量分布、超速与速度差"机理、"驾驶能力与行车需求"机理、"差错性与突变性"耦合机理、"事件树"机理,并对其进行了评价。基于现状分析,提出了未来道路交通事故发生机理研究的趋势,即探寻道路交通事故影响因素的新颖分类方法,透析道路交通事故影响因素间的耦合关联,寻求导致道路交通事故发生的决定性因素(可量化指标),建立关键决定性因素耦合作用对道路交通安全性影响的系统理论关系模型及定量化研究模型,开展基于人因工程理论的道路交通事故发生机理研究,探索基于事故数据的道路交通事故发生机理研究等。     

基于逻辑树和贝叶斯网络的海洋平台火灾概率分析

火灾概率分析是海洋平台火灾定量风险评估的重要组成部分,考虑到传统事故树和事件树方法存在一定的局限性,提出了基于逻辑树和贝叶斯网络的火灾概率分析模型。首先采用数理统计方法对墨西哥湾地区2 837起火灾事故进行统计分析,依据事故情况构建逻辑树,然后将逻辑树转化为贝叶斯网络,根据历史数据确定贝叶斯网络各节点的先验概率和条件概率。结果表明:海洋平台火灾事故是设备、人因和组织管理多因素耦合作用的结果;基于贝叶斯网络模型得到海洋平台火灾概率约为1.0×10~(-5),为海洋平台火灾定量风险评估提供了基础数据;由贝叶斯网络模型分析得出,人因操作失误与缺乏作业安全分析的后验概率分别达到0.471和0.119,表明人因组织因素对海洋平台火灾事故具有重要影响。     

CREAM追溯法在交通事故人因分析中的应用研究

人因失效是道路交通事故发生的主要原因.认知可靠性和失误分析方法(CREAM)可以追溯事故发生的根原因,并对事故隐患进行预测.它强调情景环境对人的行为的重要影响,较符合驾驶员可靠性分析的需求.研究了CREAM中的追溯分析方法在道路交通人因失效事件根原因分析中的应用,建立了道路交通事故的人因失效模式,对人因失效基本原因的分类和后果-前因关系进行归纳、整理和补充,提出了适用于道路交通人因失效事件的“后果-前因”追溯表和具体的追溯分析步骤.进而对其定量计算进行了探索,并通过实例探讨了其应用,得到事故发生的根原因.     

福州市道路交通安全评析

随着全球化经济的迅猛发展,及改革开放不断深入,我国道路交通基础设施建设也进入了高速发展的时期.道路交通产生了巨大的社会效益和经济效益,但道路交通安全形势也相当严峻,因此国内外展开了广泛的道路事故研究.道路事故的研究旨在通过对道路交通事故发生、发展的研究,找出道路交通事故发生的原因、特点及规律并制订相应的对策.     

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.     

基于GIS的道路交通安全应用研究

CIS是有效提高城市道路交通安全管理水平,减少事故发生,使事故对道路通行的影响最小化,有效合理分配交通流的重要手段.结合我国道路交通安全实际,建立了安全管理体系构架,分析CIS技术应用于道路交通安全体系的必要性及优点,并且对道路交通安全信息的采集、更新,交通事故信息的分析与预测等功能进行分析.GIS的建立为交管部门制定安全对策提供了依据,它提高了我国道路交通安全管理的水平,对有效预防交通事故的发生具有积极意义.     

区域道路交通事故驾驶员原因的灰色关联分析

本文应用灰色系统理论中的灰色关联分析研究驾驶员行为对道路交通事故的影响.就驾驶员行为对道路交通事故的影响来说,灰色关联序的汁算结果表明,导致某省道路交通事故最主要的原因是驾驶员操作不当,此外依次为不按规定让行,未保持安全距离、违章转弯等.通过规范驾驶员培训、考试制度和加强道路交通安伞宣传、教育,可以减少道路事故的发生.     

基于前导事件和贝叶斯网络的储罐溢油动态风险评价

部分高风险危化品企业搬迁改造困难重重,为控制风险、保护周围人民生命和财产安全,有必要建立动态风险评价系统,对事故发生概率进行监控和预测。采用贝叶斯网络对事故发生概率进行定量分析。先在利用蝴蝶结模型辨识事故原因和后果的基础上,将其转化为贝叶斯网络模型;再导入"前导事件"信息和先验概率推导后验事故发生概率,量化分析事故发生随时间的变化概率;最后,以储罐溢流场景为例进行动态风险计算,结果表明,随化工装置生产时间和"前导事件"增长,元件失效概率和事故风险呈显著增长趋势。因此建议企业应重视"前导事件"并采取措施减少"前导事件",如优化检维修方案、及时更换关键部件、进行全面的事故调查等。     

Research on the prediction model of hazardous chemical road transportation accidents

In recent years, hazardous chemicals road transport accidents have occurred frequently, causing huge casualties and property losses, and accident risk assessment has become the focus of researchers' research. To predict the risk probability value of hazardous chemical road transport accidents, first, we compiled data on road transportation accidents of hazardous chemicals in China in the past five years. And the nine nodes in the Bayesian network (BN) structure were defined in combination with relevant classification standards. The optimal Bayesian network structure for hazardous chemical road transport accidents was determined based on the K2 algorithm and the causalities between the nodes. Second, the node conditional probabilities were derived by parameter learning of the model using Netica, and the validity of the model was verified using the 5-fold cross-validation method. Last, the Bayesian network model of hazardous chemical road transport accidents is used to analyze accident examples, and the accident chain of “rear-end-leakage” is predicted, and the accident is most likely to be disposed of within 3–9 h. The study shows that the derived accident prediction model for hazardous chemical road transportation can reason reasonably about the evolution of accident scenarios and determine the probability values of accident risks under different parameter conditions.     

Incorporating real-time traffic and weather data to explore road accident likelihood and severity in urban arterials

IntroductionThe effective treatment of road accidents and thus the enhancement of road safety is a major concern to societies due to the losses in human lives and the economic and social costs. The investigation of road accident likelihood and severity by utilizing real-time traffic and weather data has recently received significant attention by researchers. However, collected data mainly stem from freeways and expressways. Consequently, the aim of the present paper is to add to the current knowledge by investigating accident likelihood and severity by exploiting real-time traffic and weather data collected from urban arterials in Athens, Greece.MethodRandom Forests (RF) are firstly applied for preliminary analysis purposes. More specifically, it is aimed to rank candidate variables according to their relevant importance and provide a first insight on the potential significant variables. Then, Bayesian logistic regression as well finite mixture and mixed effects logit models are applied to further explore factors associated with accident likelihood and severity respectively.ResultsRegarding accident likelihood, the Bayesian logistic regression showed that variations in traffic significantly influence accident occurrence. On the other hand, accident severity analysis revealed a generally mixed influence of traffic variations on accident severity, although international literature states that traffic variations increase severity. Lastly, weather parameters did not find to have a direct influence on accident likelihood or severity.ConclusionsThe study added to the current knowledge by incorporating real-time traffic and weather data from urban arterials to investigate accident occurrence and accident severity mechanisms.Practical applicationThe identification of risk factors can lead to the development of effective traffic management strategies to reduce accident occurrence and severity of injuries in urban arterials.     

基于APRIORI-TAN的交通事故伤害分析与预测*

为探究道路交通事故因素和事故伤害的相关性,以2 467起涉及人员伤亡的交通事故为数据集,运用Apriori算法分别挖掘事故伤害关联规则,并结合社会网络分析的可视化和核心-边缘分析构建受伤事故和死亡事故的关联规则网络。结果表明:事故伤害程度与事故时间、道路条件和交通环境等因素关系紧密,尤其死亡事故与碰撞固定物、人行横道事故、高速公路、高速道路、非市区、酒驾和超速存在高相关性。基于树型贝叶斯网络（TAN）构建事故伤害程度的预测模型,预测结果准确率可达87.56%。     

大货车驾驶员交通心理与交通安全的研究

笔者从交通心理学的角度,对大货车驾驶员在行驶过程中的心理状况、因攻击性驾驶行为、强烈的冒险动机的驱使、对道路期望心理的失衡及交通安全感偏差等不良心理因素而导致恶性交通事故进行分析。通过研究得出以下结论大货车驾驶员是一特殊的群体,应重视对该群体的教育、培训与管理,从而提高驾驶员的职业道德水平、性格品质、交通安全感及驾驶技能,以改善道路安全环境和交通安全状况、降低道路交通事故发生率。     

基于贝叶斯网络的煤矿事故人因推理

煤矿事故的不可重现性决定了事故原因的调查具有很强的不确定性,如何通过事故发生后的相关信息提高事故深层次原因调查的准确性是非常重要的。将HFACS与贝叶斯网络相结合,以煤矿事故HFACS分析结果为样本,通过卡方检验和让步比分析建立人因的贝叶斯网络因果图,进一步利用最大似然估计算法确定了煤矿事故人因的贝叶斯网络参数。最后,以双柳煤业顶板事故的调查信息为证据推理导致煤矿事故发生的深层次原因,提高事故原因调查的准确性,从而验证模型的有效性。     

我国公路交通事故的现状及特征分析

根据2000—2006年全国公路交通事故统计数据,以2006年为重点,分析当前我国公路交通事故的发展形势、地区差异和事故特征。研究表明:我国的公路交通事故自2003年开始总体由快速上升转为持续下降,但高速公路和西部地区的公路交通事故仍有增长可能;与经济欠发达地区相比,经济发达地区的事故总量较大,但事故死亡率较低;国道、省道和高等级公路的事故死亡率均大幅高于其他公路;约80%的死亡事故是发生在平直、一般弯和一般坡等良好路段上的车辆互碰、碰撞行人和翻车,76%的特大事故属于坠车和正面碰撞;雾、雪等恶劣天气更易在高等级公路上引发交通事故。     

基于故障树的生物质气化中毒事故BN-LOPA分析

为降低生物质气化中毒事故的概率,本文提出基于故障树的贝叶斯—保护层复合分析法(BN-LOPA),对生物质气化中毒事故进行风险分析。以辽宁省某气化站为例,通过贝叶斯网络计算出该气化站中毒事故发生概率为1.11×10^-4,基于贝叶斯网络推导出中毒事故基本事件的后验概率,得到导致事故发生的故障节点,并对其设置独立防护层,经推导计算,该气化站的气化中毒事故发生概率可降低至5.35×10^-6,风险等级从7级降至5级。结果表明:该气化站增加独立防护层后,符合安全生产的要求。     

高速公路交通事故分析及预防对策研究

利用济青高速公路 1998～ 1999年发生的 10 85起交通事故数据 ,在资料收集、处理和统计分析的基础上 ,对影响高速公路交通事故的人、车辆、道路环境、天气和交通量等主要因素进行了分析 ,并与国外的统计结果进行对比研究 ,预测出随着高速公路交通量的增长 ,事故率将会增加。此外 ,笔者针对影响高速公路事故因素提出了主动性、被动性预防对策 ,这些对策的实施将会减少高速公路事故的发生     

The application of reliability models in traffic accident frequency analysis

Analysis of traffic accident frequency represents an important subject of research of many authors. From the aspect of temporal analysis of traffic accident occurrence, two approaches have been singled out in previous practice: the collective (analyzes traffic accidents over a longer period of time) and individual (analyzes traffic accidents in real time). The paper shows that the system reliability theory, with certain adjustments, can be largely used to analyze traffic accident frequency based on the individual approach. A certain similarity has been observed between the system reliability theory and the traffic safety theory, and conceptual adjustment of equivalent terms and states has been performed based on this. A model has been successfully tested on the basis of which, for the road and sections, we have determined the traffic accident frequency, the probability of the occurrence of a certain number of traffic accidents and the mean time between two consecutive traffic accidents.     

Evaluation on consequences prediction of fire accident in emergency processes for oil-gas storage and transportation by scenario deduction

This paper takes the safety in emergency processes as the starting point, from the perspective of scenario deduction, to study the consequences of fire accidents for oil-gas storage and transportation. Through the statistical analysis of actual accident cases, 19 frequently occurring basic scenarios in emergency processes are summarized. The scenario evolution paths of fire accidents for oil-gas storage and transportation are given by analyzing the evolution law of the accident development. Fuzzy numbers are introduced to express experts' qualitative judgment on accident scenarios. The empirical probabilities of scenario nodes are obtained by defuzzification calculation, and the state probability of each scenario node is calculated by using the dynamic Bayesian network joint probability formula. Under the comprehensive consideration about the probability statistics of actual accident cases, the critical scenario nodes on the evolution path and their final scenario probabilities are jointly determined to realize the optimization of the scenario evolution path. By constructing the correlation between the optimized scenario evolution path and the accident consequences, an accident consequence prediction model is established. The occurrence probability of accident consequences is calculated by the defuzzification method and dynamic Bayesian network. The accuracy of the consequence prediction model is verified by the July 16 Dalian's Xingang Harbor oil pipeline explosion accident. The research results provide scientific basis for helping decision makers to make the effective emergency measures that are most conducive to the rapid elimination of accidents and reducing the severity of accident consequences.