水上交通事故统计办法(中华人民共和国交通部2002年第5号令发布)

第一条为有效地组织水上交通事故统计工作,保障水上交通事故统计资料准确、及时,提高水上交通安全管理水平,依据<中华人民共和国统计法>、<中华人民共和国海上交通安全法>和<中华人民共和国内河交通安全管理条例>,制定本办法.     

基于突变理论的水上交通安全状态评价体系

水上交通事故发生率高、危害性大,建立有效水上交通安全状态评价体系尤为重要.基于突变理论,从多角度分析人、船、环境、管理等风险因素间的耦合关系.采用CRITIC法根据重要性程度对指标进行排序,对各个指标进行规范化运算,即将各个指标的子指标进行归一化计算,根据计算所得各指标的隶属度函数,构建的水上交通安全状态评价体系.突变...     

舟山岛礁区船舶事故分析及应对策略

为减少宁波舟山岛礁区的水上交通事故,以2014—2021年舟山岛礁区发生的一般等级及以上的水上交通事故为研究对象,根据不同类型事故发生的频次,按等比例抽样的原则抽取20起典型水上交通事故案例,采用层次分析法(analytic hierarchy process, AHP),从船员素质、船舶状况、航行环境及管理因素4个方面进行定性与定量分析。结果表明：船舶驾驶与值班人员因素是导致舟山岛礁区发生水上交通事故的主要原因,影响权重为0.586,优先级最高。强化值班人员的安全意识,健全规章制度,提升船员的综合素质,是降低船舶发生水上交通事故概率的主要措施。     

模糊广义学习向量量化算法在交通事故预测方面的应用

模糊逻辑系统易于理解,而神经网络则有极强的自适应能力.本文将模糊数学方法和神经网络结合起来建立组合模型,用广义模糊神经网络(FGNN)预测道路交通事故.运用MATLAB语言编程,利用模糊广义学习向量量化算法(FGLVQ)建立模糊神经网络模型,并应用于交通事故预测中,改进了交通事故预测的计算方法.理论分析和实例表明,设计的模糊神经网络模型具有良好的非线性映射功能和泛化功能,对预测交通事故有较好的适应性.     

分析案例 强化本质 提高海运安全管理水平

文章利用数据统计图、表等方法,分析我国及国际上船舶水上交通事故特点及要因,掌握水上交通事故重点防范的对象,提出遏制水上交通事故在人、机、环、管理等方面的有效对策。     

交通冲突技术在水上交通领域的运用

目前,我国通过对水上交通事故的统计来分析评价水上交通安全状况.基于事故统计的分析方法普遍存在"小样本、长周期、大区域、低信度"的缺陷,据此制定改善交通的措施表现出一定的不适应性.在交通安全评价方面,交通冲突技术以"大样本、快速、定量、非事故"等特点而明显优于传统的事故统计评价方法.但目前我国学者对交通冲突技术的研究极少涉及水上交通领域.把交通冲突技术引入到水上交通安全领域是一种进行水域交通安全定量分析与评价的新思路,能够大大缩短水上交通安全评价的周期并提高评价的可信度.     

油轮航行风险研究发展趋势

水上交通事故的研究将涉及多领域、多数据来源和先进的研究方法,并将综合全面考虑自然环境、海上技术发展、人因因素、船舶市场条件之间复杂的相互作用。研究水上交通事故变化规律以提高未来水上交通安全水平,降低船舶、人命、货物的运行风险。本文对油轮航行风险的研究方法、主要事件及成因、数据源的演变模式进行整理分析,发现油轮航行风险研究发展趋势从海事工程到人因失误的转变过程,并将继续扩展到社会经济方面。     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

我省水上交通事故连续8年下降

据广东海事局透露,去年我省辖区共发生水上交通事故53起、死亡（失踪）55人、沉船33艘,分别比上年下降13．1％、11．3％和2．9％。广东海事局自2000年组建以来,辖区年水上交通事故由234起下降到53起,连续8年保持下降态势。     

通州市道路交通事故预测

利用江苏省通州市交警大队提供的交通事故数据资料,运用灰色系统预测模型法和多元线性回归预测法对其进行分析研究和预测,预测结果对加强苏省通州市的安全管理、改善其道路交通安全状况有一定的理论意义和实用价值.     

基于改进灰色预测法的乌鲁木齐市道路交通事故预测

交通事故预测是交通安全研究的重要内容,是提高道路交通安全水平的基础。为研究乌鲁木齐市道路交通事故发展趋势,在分析交通事故灰色特性的基础上,以乌鲁木齐市道路交通事故统计资料为基础,运用改进的灰色预测模型进行交通事故伤亡人数预测。结果表明,改进的灰色预测模型比传统灰色预测模型精度提高了74.98%。     

灰色马尔可夫模型在交通事故预测中的应用

采用传统灰色GM(1,1)模型预测道路交通事故这类随机性、波动性较大的数据,存在拟合较差、精度不足等问题。运用马尔可夫模型对预测结果进行优化,并建立灰色马尔可夫预测模型。将该模型应用于1998~2007年全国道路交通事故数据来预测2008年事故次数,结果表明采用该模型预测精度达到96.9%,明显优于单独使用GM(1,1)模型的预测结果。     

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。     

����ģ���߼��Ľ�ͨ�¹�Ԥ�⼰Ӱ�����ط���

交通事故预测对于提高交通安全管理水平具有重要意义,通过对传统交通事故预测方法的对比分析,提出了基于模糊逻辑的城市道路交通事故预测模型,并结合哈尔滨市133条主次干道的交通及交通事故数据对模型进行了训练及检验,最终确定了含有41条有效模糊控制规则的模糊逻辑预测模型。模型检验结果表明,应用模糊逻辑预测模型预测得到的事故数与实际事故数之间有很好的对应关系。因此,采用模糊逻辑理论进行道路交通事故预测具有一定的可行性。此外,依据模糊逻辑事故预测模型提出了安全改进因子的概念,可据此查明高风险道路上的突出事故影响因素,从而为改善交通安全提供合理建议。     

道路交通事故次数组合预测模型

道路交通事故次数预测对于掌握未来交通安全状况,合理评价交通安全措施的可行性和实施效果具有十分重要的意义。利用我国道路交通事故次数的统计数据,分别采用灰色预测模型和历史序列拟合分析的方法建立事故次数的预测模型,针对两种模型的优缺点,采用相对误差倒数分配权重的方法建立组合预测模型,计算结果表明,组合预测模型在预测事故次数方面具有较高的稳定性和较好的预测精度,完全能够满足事故次数预测的要求。     

公路交通安全评价方法与体系

交通事故是人、车、路和环境动态系统失调的结果.根据我国的交通特点、地形特征和交通动态系统中人、车、路及环境的交通特性,着重从“路”方面,研究提出与我国交通特色相适应的公路交通安全评价方法,事故相对多发路段判别方法、双车道公路交通安全性预测模型、双车道公路交叉口交通安全性预测模型和高速公路交通安全性预测模型,以及建立公路交通安全评价指标体系的三个层次.     

基于速度变化的偶发性交通拥堵时空分布特性研究

交通事故的发生会引起其上游路段通行速度的下降和交通流量的堆积,从而引发交通拥堵.本文主要研究了城市道路中交通事故引起的交通拥堵的时空分布特征.首先,基于北京市事故数据和路段速度数据分析交通事故影响下的车辆速度变化特性;接着,根据交通事故信息和事故路段流量与速度数据,建立了一种基于速度差异的拥堵判定模型,并对其时空维度的约束条件加以限定.在此基础上对事故引发的拥堵时空范围进行量化描述;最后,依托仿真数据与北京市真实事故数据进行效果验证.结果表明,该方法可以有效地描述交通事故引起的拥堵时空分布特性.     

基于MATLAB的灰色拓扑在交通事故预测中的应用

针对道路交通安全的严峻形势,利用灰色拓扑预测的理论方法,对福建省交通事故死亡人数进行了分析预测,并利用MATLAB程序实现。在对福建省108个月（2005年1月-2013年12月）交通事故死亡人数分布特征分析的基础上,选定一组阈值,根据阈值建立相对应的GM（1,1）模型组,利用模型组对未来可能出现的阈值范围内的年月份进行预测。经检验,模型组精度等级良好,该方法具有一定的实用性和可靠性,可供交通部门参考。     

基于交通流量的城市交叉口事故预测研究——以广州市为例

通过对广州市天寿路交叉口高峰时段的流量调查及广州市的交通事故数据分析,发现北京市与广州市交通流量与事故数据存在相近性关系。应用线性回归分析法、事故率法建立北京市交通流量与交通事故数之间的一元线性关系模型,对广州市某交叉口的交通事故数进行预测分析。结果表明,在交通流量高峰时段,影响交通事故的最主要因素为交通流量,交通流量对于快速处理的事故影响作用大于一般事故;在交通流量相当小时段,交通事故存在着很大的偶然性,两者的关联度不高。     

Road Traffic Accidents Model and Its Application Based on Driver's Self-Mistakes

To improve the traditional analysis method of driver accident, the paper analyzes the cases of road accidents and survey data from the microscopic aspect. An accident causes model is formulated to describe the driver' own mistake characteristics and its relation with the road traffic accidents. The weights of key influencing factors are determined by the improved AHP method and its influencing level is quantitatively analyzed. The improved AHP method reduces the impact of subjective factors on the analysis accuracy. Results show that drivers' error rate of perception is approaching 50.2%, the error rate of judgment is 38.9%, and the operational error rate accounts for only 10.9%. The main factors cause traffic accidents are drivers' low abilities to perceive and judge risk and accident. The results provide the scientific basis for the drivers' self-mistakes and accident prevention.