考虑建成环境的电动自行车事故严重程度致因分析

为探究考虑建成环境影响下,电动自行车交通事故严重程度的影响因素,本文从事故属性、骑行者属性、对象车辆及驾驶员属性、道路属性及建成环境属性这5个方面,选取18个影响电动自行车交通事故严重性的潜在变量。在此基础上,构建考虑均值及方差异质性的随机参数Logit模型,利用边际效应量化显著变量对事故严重程度的影响差异。基于北京市近5年电动自行车事故抽样数据进行实证研究,结果表明：事故时段19:00-次日7:00、骑行者年龄大于40岁、重(大)型货车、到最近医院的距离增大及恶劣天气等因素会增加电动自行车事故严重程度。建成环境属性中,到最近医院的距离在死亡事故中的参数为服从正态分布的随机参数,路段及恶劣天气会增大其均值异质性,驾驶员年龄为(40, 60]岁会增大其方差异质性;其他属性中,一般城市道路在受伤事故中的参数为服从正态分布的随机参数,路段会增大其均值异质性。研究结果可以为降低电动自行车事故严重程度提供理论支撑。     

电动自行车与机动车事故严重性影响因素分析

为减少电动自行车与机动车事故造成的损失，定量剖析不同因素对事故严重程度的差异性影响至关重要。基于上虞区2018年10304起电动自行车与机动车事故，分析该类事故的严重性分布情况和时间与空间分布特性。以事故严重性为因变量，将其有序分为未受伤、轻伤及重伤事故3类，从时间、空间、道路、环境、骑行者及车型6个方面，选取17个事故严重性潜在影响因素， 采用多项Logit模型、有序Logit模型、广义有序Logit模型及偏比例优势模型进行拟合度对比分析，并以最佳模型(偏比例优势模型)和边际效应，量化分析各因素对事故严重性影响的显著性与差异性。结果表明，除节日类型、车道限速、车流相交角及温度对事故严重性影响不显著外，其余 13个因素都有显著影响，事故时间、光线亮度、骑者性别、骑者年龄、车辆类型及电动自行车类型违反平行线假设；对该类事故严重性影响最大的前4个因素为电动自行车类型、机动车类型、骑行者年龄与性别，其边际效应绝对值的最大值均超过61%，事故区位、道路类型及光线亮度的影响较大(20%~30%)，事故时间和风力等级影响较小(10%~20%)，而季节、事故位置、慢行干扰度和天 气状况的影响最小(≤8%)。基于各因素的差异性影响，为交通管理部门提出了有效改善建议。     

建成环境对老年人交通事故严重程度异质性影响

为量化建成环境因素对事故伤害严重程度的影响,本文构建基于均值和方差异质性的随机参数Logit模型对老年人交通事故伤害严重程度进行异质性分析。采用2019年美国某州老年人交通事故数据,从老年人特性、车辆特性、道路特性、道路环境特性、建成环境特性这5个方面选取17个影响因素,利用平均弹性系数捕捉各因素对事故伤害严重程度的影响。结果表明：基于均值和方差异质性随机参数Logit模型的拟合优度更高;建成环境因素中事故发生地300 m缓冲区 内存在购物中心为随机变量,其均值与男性老年人、车道数为3显著相关,方差与道路控制方式为未控制显著相关;摩托车、直线、湿润等因素显著增加了老年人交通事故伤害严重程度。研究结果有助于交通管理者采取适当的策略降低老年人交通事故伤害严重程度。     

7种因素对电动自行车忍耐时间的实证研究

忍耐时间是分析电动自行车骑行者不安全过街行为的重要参数,是信号交叉口交通管控的重要约束条件.以红灯期间到达信号交叉口处违章过街的电动自行车为研究对象,应用多元线性回归分析和生存分析法中的Cox回归方法,统计分析骑行者在信号交叉口处的过街忍耐时间.该方法运用中国电信的"全球眼"网络视频监控技术,获取不同影响因素下宁波市电动自行车的实时视频数据,共采集了57 213个电动自行车过街忍耐时间样本.统计发现:电动自行车忍耐时间与5种影响因素存在强相关关系;7种影响因素对电动自行车忍耐时间的影响程度差异性较大,其中天气、人行横道长度和有无交警执法等3种因素的影响程度最大,出行时间和时段的影响最小;电动自行车过街忍耐时间的均值为48.600 s,标准偏差为300.341.     

基于SMI的电动自行车骑行者视觉行为分析

为研究电动自行车骑行者的视觉行为特征,明确其对电动自行车行驶安全的影响,采用德国SMI IVIEW X帽子式眼动仪对电动自行车骑行者在包含机非混行、行人非机动车混行、机非隔离3种类型的固定路段开展了眼动实验,获取了骑行者在不同的道路环境中的眼动参数,包括眼动时间、视角分布、注视持续时间和注视点分布等。根据数据结果,结合现状电动自行车路段行驶状况提出了相应的管理对策建议：在有条件的地方应当尽量将非机动车和机动车分离,设置合理的非机动车道和路边停车带,减少机动车对非机动车骑行的影响;同时应将人行道和非机动车道分离,减少电动自行车和行人之间的冲突隐患。     

基于二元Logit模型的直角事故受伤严重程度分析

直角事故是一种常见的交通事故类型,为探寻直角事故受伤严重程度的显著影响因素,本文运用二元Logit模型,从人、车、路和环境四个方面对美国密歇根州Wayne县的直角事故受伤严重程度进行全面分析,且采用向前似然比检验和向后似然比检验两种方法对比得到模型最优拟合优度。研究结果表明:驾驶员因素(未采取紧急措施、不遵守信号灯指示、饮酒)、道路限速、事故中包含摩托车和路面情况是直角事故的显著影响因素,并得到了计算直角事故发生人员伤亡概率的回归方程。本文得到的结论可为交通管理提供参考,以减少该类事故的受伤严重程度。     

新时期电动自行车骑行特征研究

材料技术和电池技术的革新使电动自行车具有轻便、续航里程长的优势。共享电动自行车的出现进一步增加了电动自行车的使用量。针对电动自行车的发展,不同的城市给出了不同的鼓励或者限制政策。这些都急需对新时期的电动自行车骑行特征有比较定性、定量的了解和掌握。以西安市为例,对样本范围进行界定,选择分层抽样和简单随机抽样相结合的抽样方法获取样本,通过对样本数据进行分析,从骑行者个人属性、骑行行为特征、骑行路径道路环境三方面进行研究,最后得出国内类似西安这种城市电动自行车的主要骑行特征。     

基于Multinomial Logit模型的美国北卡罗莱纳州慢行交通事故严重程度分析

为分析慢行(自行车与行人)交通事故严重程度的显著性影响因素,将交通事故分为仅财产损失事故、潜在伤害事故、非伤残事故、伤残事故、死亡事故5类,从人、车、路、环境4个层次选出11个自变量,以交通事故严重程度为因变量,基于Multinomial Logit模型计算每个变量对慢行交通事故严重程度的边际效应。结果表明,驾驶员性别、驾驶员饮酒状态、行人年龄、道路特征、路面状态、一天内发生时间、光线条件、年平均日交通量、地形等9个变量均与道路交通事故严重程度显著相关。     

考虑乘客的交通事故受伤严重程度模型

为分析比较交通事故中驾驶员和乘客的受伤严重程度,根据某城市的道路交通事故数据,分别以交通事故驾驶员和乘客受伤严重程度为因变量,从事故基本信息、事故人员数据、现场环境数据等方面选取自变量,运用二项Logit模型分别建立驾驶员和乘客受伤严重程度模型。研究结果表明:驾驶员和乘客的受伤严重程度影响因素存在差异,仅有人员的年龄变量、事故形态变量在驾驶员模型和乘客模型中都表现为显著,其余变量的显著性在两模型中不同。因此,不仅要关注驾驶员的受伤严重程度,还要重视乘客的受伤情况,给予乘客更多保护。     

道路路段自行车骑行服务水平评价方法研究

全面梳理城市道路路段自行车服务水平影响因素,采集不同类型城市道路路段的道路条件、交通条件等自行车骑行服务水平影响因素数据及骑行者心理感受,通过心理感受与影响因素相关性分析,确定路段自行车服务水平模型的显著性影响因素,在此基础上运用支持向量机建立了不同道路隔离形式下的路段自行车骑行服务水平评价模型。     

��ͯ��·��ͨ��ȫ������ϵ�о�

道路交通意外损伤一直是儿童意外损伤的主要原因之一，如何在最大的程度上给予儿童交通安全保障是世界各国所关注的课题，许多专家和学者从儿童交通安全教育角度进行了研究和探讨，但这并不能从根本上解决问题。如何建立包括管理、教育、科研等软、硬件结合的儿童道路交通安全保障体系是本文探讨的问题。并希望该体系能够从国家规制上实现根本的、长远的建设，使儿童在成长过程中，逐渐形成良好的交通安全意识和行为习惯，为彻底地改变全民交通安全意识储备力量，最终达到消除交通安全隐患中人为因素的总目标。     

电动自行车交通事故特征与安全改善对策

近10年,电动自行车在中国迅速普及且安全形势非常严峻。通过分析电动自行车与其他交通方式的事故数据,从交通安全总体形势、事故时空特征分布、原因以及肇事者与受害者等方面总结电动自行车的事故特点。从事故分析特征来看,近年来电动自行车事故死亡人数上升较快,大量事故是因为违反交通法规引发,并且主动肇事比例和致死率偏高,而早晚高峰时段和交叉口是事故高发的时空重点;从骑行者特征来看,中老年群体和工人农民群体是主要受害群体,颅脑损伤是首要致死原因。最后,对照事故影响因素和管理实际,提出下一发展阶段中国电动自行车的安全改善对策。     

我国交通安全预测与分析

针对目前我国严峻的交通安全问题,根据1983年以来交通系统人一车一路中相关数据按照多元统计方法建立了我国交通安全模型,揭示出交通安全中交通事故发生量、死亡人数同驾驶员人数、汽车保有量、公路里程、GDP之间的定量关系,分析了影响交通安全的其他因素,预测出未来我国交通事故先增加后减少以及交通事故死亡人数下降的趋势,并对预测结果进行了相应分析．     

道路交通事故数据深度挖掘技术与应用——以深圳市为例

现有道路交通事故统计分析技术存在数据项缺失、方法单一、实战应用性弱等问题,很难为公安交管部门提供针对性的辅助指导。基于深圳市2014—2016年交通事故数据,采用Apriori关联分析算法、贝叶斯理论以及模糊聚类等大数据挖掘方法,探索性地提出道路交通数据缺失数据项填补、事故伤亡特征因子甄别以及事故危险性分类评价方法。结果表明,该方法可有效提高道路交通事故数据完整性和事故伤亡特征因子甄别准确性,以及量化交通事故危险度评价。研究方法和结果可辅助公安交管部门开展道路交通事故预防和交通安全管理工作。     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

中国城市道路交通安全特点解析

由于中国正处于机动化、城镇化快速交织发展时期,城市道路与公路交通安全的发展特点不同。针对城市道路交通安全特点,基于2007—2016年城市道路交通事故和交通违法数据,兼顾时序规律和空间规律,梳理归纳城市道路交通安全发展的阶段性特征。进而解析城市道路交通安全特点的形成原因,探讨道路安全与道路设施、出行方式、出行行为之间的内在联系。最后,针对城市道路交通事故发生时间、交叉口和非机动车道交通事故回升、电动自行车交通事故骤增、货车夜间交通事故多发、行人交通事故伤亡数居高、老年群体交通安全风险升高等特征,分别提出推进交通安全管理的对策建议。     

高速公路隧道交通事故严重程度的影响因素分析

根据京珠高速公路韶关段4个隧道的交通事故资料,从时间因素、隧道环境因素和交通动态因素3个方面选取9个输入变量,以交通事故严重程度为输出变量,建立高速公路隧道交通事故严重程度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析．研究结果表明,日交通量与年平均日交通量之比和大型车混入率对交通事故严重程度的影响最大,天气、线形、坡度和事故发生地点在隧道中的位置对交通事故严重程度的影响基本相等,事故发生时段对交通事故严重程度的影响可以忽略不计．     

交通安全宣传教育传播途径与载体形式研究

在交通安全涉及的诸多因素中,人的因素最为关键。对交通参与者开展交通安全宣传教育,重点是研究拓展宣传教育渠道和途径,创新宣教载体形式。鉴于此,分析了不同群体传播途径与载体的特点,提出了适合交通安全宣教途径的载体形式。然后,根据车辆使用性质、驾驶人年龄、伤亡人员年龄及行业类型等因素的交通事故统计数据,筛选出13类事故比例较高、具有代表性的重点群体。最后,根据不同受众群体的教育需求和接受程度,确定其交通安全宣传教育途径与载体形式,建立了交通安全宣传教育途径与作品构成体系,为规划和设计交通安全科普教育系列作品提供依据。