道路环境对双责事故受伤严重程度影响分析

目前,国内外有关双责事故的研究方兴未艾,特别是对道路环境因素对于双责事故受伤严重程度影响的研究更加缺乏。虽然道路环境是事故的外在因素,但通常对事故的发生以及受伤严重程度有着不可忽略的影响作用。本文正是基于上述背景,采用二项有序probit展开道路环境因素对双责事故受伤严重程度的影响研究分析,旨在探寻事故中道路环境因素对双方驾驶员受伤严重程度的显著影响因素,并针对这些影响因素提出相应的建议或措施来降低双责事故后果的严重性,为改善交通安全状况提供一定的参考。     

基于数据挖掘的危险货物运输风险驾驶行为聚类分析

不良驾驶行为(车速过高，车速变化过快等)影响危险货物及车辆的稳定性，是导致危险货物运输事故频发且后果严重的重要原因. 基于对营运车辆联网联控系统海量数据的分析处理，根据其属性提取8 个驾驶行为量化指标，采用因子分析和模糊C均值聚类相结合的方法，实现对危险货物运输车辆驾驶员风险驾驶行为的科学聚类. 结果表明，危险货物运输车辆驾驶行为特征可有效聚为急加减速、超速驾驶和变速驾驶3 种行为，且在每种驾驶行为下实现对驾驶员安全等级的分类. 由此可以识别风险较高的驾驶员，这对危险货物运输企业和行业管理部门有重要参考意义.     

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。     

不同情绪作用下的汽车驾驶行为预测

为探究驾驶员情绪对驾驶行为的影响,本文采集驾驶员心电信号和行车数据,对不同情绪作用下的驾驶员行为进行预测。首先,根据问题的数学描述,建立融合驾驶员情绪变化的驾驶员模型,依据模型设计神经网络体系结构。然后,采用竞争学习算法进行驾驶行为预测,其损失减小到传统方法的1/2,结果表明,竞争学习算法是一个有效的算法,可以很好地应用在驾驶行为预测的研究中。最后,对驾驶员高兴、悲伤、愤怒和平静4种情绪作用下的驾驶行为进行预测,车速预测值非常接近观测值。在高兴和愤怒情绪状态下,平均车速相比于平静状态时都有显著增加,伴随着明显的超速行为;愤怒情绪下,出现事故的可能性增加,驾驶员趋向更危险的驾驶行为;在悲伤情绪下,平均车速相比于平静状态时显著下降,驾驶员驾驶较谨慎。     

基于贝叶斯判别的驾驶行为危险状态辨识

为有效辨识危险性驾驶行为,以事故发生概率为依据,对驾驶行为的危险状态分级.采用单因子方差分析提取危险状态辨识主因子.基于贝叶斯判别构建了驾驶行为危险状态辨识模型.将在连续驾驶条件下5名驾驶员驾驶行为状态指标测试数据分为两组,分别用于标定与测试模型.测试结果表明错判率为4.3%.     

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%。     

基于结构方程模型的超速行为分析

为了识别和量化驾驶员在不同交通条件下遵从限速标志或限速警告信息的影响因素,及其相互之间的因果关系,应用探索性因子分析方法与结构方程模型,对534份驾驶员调查问卷进行了数据分析.分析结果表明:结构方程模型和观测数据拟合程度良好(拟合度指标值大于0.9),完全符合判别标准;在低危险感知与高危险感知两种情况下,驾驶员对限速的满意度是影响驾驶员遵从限速规定的主要影响因素;其次是年龄、驾龄、超速受罚次数、驾车频率等驾驶员自身及背景因素.改善驾驶员对于限速规定的整体认可与满意程度,适当提高驾驶员的超速行为风险,是逐步提升驾驶员遵从限速规定行为的有效方法.      

路段人行横道处机动车让行行为及其影响因素研究

为研究机动车在路段人行横道处的让行行为及其影响因素,采用实地调查与问卷调查相结合的方法,对过街行人及机动车让行决策进行现场观测。通过对驾驶员进行充分的问卷调查,利用SPSS统计软件对所收集的样本数据进行分类分析,找出对让行决策存在显著影响的因素,并分别建立二元logistic回归模型。研究结果表明:学历越高、驾龄越长且认识人行横道预告标识的驾驶员,在日常驾驶中更容易让行;行人的年龄、数量、等待位置和过街手势均会对机动车让行行为产生影响;通过在人行横道前设置"车让人"的地面文字、减速丘等措施可增加机动车让行的可能性。     

基于均值异质性随机参数Logit模型的城市道路事故驾驶员受伤严重程度研究

驾驶员事故严重程度诱因分析对减少伤亡事故具有重要意义,以往研究假定影响变量为固定参数容易导致参数估计及研究推论出现偏差,据此本文基于均值异质性的随机参数Logit模型深入研究城市道路事故驾驶员受伤严重程度。使用2015-2019年发生在贵阳市的道路交通事故数据,综合考虑驾驶员、车辆、道路、环境特征等潜在影响因素,同时利用平均边际效应量化各显著变量对事故严重程度的影响。结果表明,均值异质性随机参数Logit模型具有更好的拟合优度;女性、老年人、酒后驾驶、车辆无安全气囊、能见度低于50 m、夜间无路灯照明等因素显著增加了驾驶员受伤害严重程度;随机参数Logit模型的效用函数中,夜间有路灯照明和事故发生在夜间为随机变量,且夜间有路灯照明与柔性护栏和车辆无安全气囊相关;事故发生在夜间与路侧行道树相关。     

道路交通事故多因素分析

利用皮尔逊相关系数对影响道路交通事故的机动车驾驶员各违法行为与道路交通事故等4项指标相关性进行了分析。结果表明:机动车驾驶员各违法行为与道路交通事故总数、死亡人数及受伤人数具有显著的相关性。为进一步了解机动车驾驶员各违法行为与道路交通事故4项指标的相关程度的大小,找到与4项指标相关度最高的机动车驾驶员违法行为,并提出了一种改进灰色综合关联度模型对其关联度进行了分析。结果表明:驾驶员无证驾驶违法行为与道路交通事故总数、受伤人数及直接经济损失的灰色综合关联度最高;未按规定让行违法行为与交通事故死亡人数的灰色综合关联度最高;逆向行驶、违法超车及超速行驶的与道路交通事故4项指标的灰色综合关联度也都很高。因此,在进行道路交通事故防治时,应重点减少驾驶员无证驾驶、未按规定让行、逆向行驶、违法超车及超速行驶违法行为的发生,从而有效地减少道路交通事故的发生及其带来的损失。     

重载货车驾驶人驾驶风格识别与量化研究

重载货车驾驶人的激进驾驶风格具有强烈的习惯性特征和风险性特征，一旦养成很难矫正，且极易诱发交通事故。针对现有研究极少关注重载货车驾驶人驾驶风格的不足，本文基于某全国货运监管平台提供的云南省重载货车低频轨迹数据，从风格聚类、风格识别和风格评估这3个方面，提出综合考虑疲劳驾驶特征和超速驾驶特征的重载货车驾驶人驾驶风格分析方法。首先，基于轨迹数据蕴含驾驶人驾驶行为模式的特点，构建表征重载货车驾驶人驾驶风格的疲劳驾驶和超速驾驶特征集；其次，利用因子分析进行特征约简，并采用K-均值聚类方法划分重载货车驾驶人的驾驶风格；然后，构建基于支持向量机的驾驶风格识别模型，并与梯度提升决策树的识 别结果进行对比；最后，基于疲劳驾驶特征和超速驾驶特征的累积分布，建立基于 CRITIC (Criteria Importance Though Intercriteria Correlation)赋权法的重载货车驾驶人驾驶风格量化评估 模型。研究结果表明：经过特征约简，提取的疲劳因子和超速因子能综合反映上述两类特征集 80.838%的信息；根据疲劳因子和超速因子可将驾驶风格划分为4种类别，即稳健型、超速型、疲劳型和危险型，相应重载货车驾驶人比例依次为62.60%、25.02%、7.40%和4.98%；基于支持向量机的重载货车驾驶人驾驶风格识别模型对不同风格的识别准确率均大于97%，整体表现优于梯度提升决策树；基于CRITIC赋权法的驾驶风格评估模型能有效量化重载货车驾驶人的驾驶风格， 其中稳健型驾驶人表现最好，75%以上的驾驶人风格评估总分高于60分；危险型驾驶人表现最差，75%以上的驾驶人风格评估总分低于20分。研究结果可为重载货车驾驶人不良驾驶行为的监测、干预和管理提供理论依据和技术支撑。     

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。     

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联，提出一种基于驾驶状态的危险路段识别方法，辨识和分析不同风格驾驶人具有潜在风险的路段，并提出优化方案。首先，通过实车实验采集驾驶人行为及生理指标数据，使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型，并依据行为特征对驾驶风格进行差异性 分析；其次，采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型，通过GPS(Global Positioning System)点位对应实现危险路段辨识，并基于驾驶风格差异，从驾驶人感知、操纵与生理角度对危险路段进行致因分析；最后，将生理与道路线形作为优化参考，以车速建议为着力点进行多元回归分析，并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型，3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段；海拔提升可加速危险驾驶状态的出现，各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长，激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张；下行时，谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态，激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求，为线形设计与交通管理措施制定提供理论依据。     

基于混合Logit模型的出租车超速者运营因素分析

根据超速频次、平均超速严重度和平均超速持续时间等3类超速特征，判断出租车超速者类型，明确运营因素对超速者类型的影响。本文利用成都市出租车GPS轨迹数据提取此3类超速特征，并筛选出若干运营因素。而后，应用模糊C-均值聚类确定4类出租车超速群体(超速者I、II、 III和IV型)。运用相关随机参数混合Logit模型，估计单个超速者的某运营因素在超过超速群体平均水平时，对该超速者类型的影响。结果显示：超速者I和II型的每小时超速频数、平均超速严重度低，但平均超速持续时间高；超速者III和IV型则相反。当超速者的日均行程距离、日均收入、低限速道路行程比例、夜间行程比例和全时段速度标准差超过群体均值时，其成为超速者III 和IV型的概率提高了15.39%~77.09%和42.98%~302.38%；成为超速者 I 型和 II 型的概率降低了-0.09%~26.57%和38.74%~68.34%。此外，日均行程距离、低限速道路上行程比例和夜间速度标准差等3类因素在估计中表现出异质性。     

重点违法行为导致交通事故的数据分析

超速行驶、酒后驾驶、违法超车等重点交通违法行为是导致交通事故的主要原因,每年都造成大量的人员伤亡和财产损失．本文对近十年来上述重点违法行为所导致的交通事故的数据进行了系统的分析,对各种重点违法行为的特征和趋势进行了研究,并对不同驾龄、不同车型驾驶人的违法肇事规律进行了归纳．分析结果表明：上述重点违法行为每年导致的交通死亡人数占总死亡人数的40％,特别是超速行车导致死亡人数近年来大幅上升;同时,低驾龄驾驶员每年导致的事故死亡人数占总死亡人数的44％,而大客车驾驶人因上述违法行为导致的死亡人数是小客车的5.2倍,大货车是小货车的2．9倍．     

货车驾驶人驾驶行为与行车安全研究进展

驾驶行为是影响交通安全最活跃的因素,在“人-车-路”复杂环境中扮演着关键角色。为了深入理解货车驾驶人驾驶行为规律和行为风险性,本文聚焦货车驾驶人驾驶行为对行车安全的影响,对货车驾驶人的驾驶行为风格、行为风险性及其与行车安全的关系等相关研究成果进行系统地梳理和分析。首先,利用构建的文献检索策略,筛选出38篇相关文献,并结合LDA(Latent Dirichlet Allocation)模型,对生成的4个研究主题,即货车驾驶人驾驶行为辨识,危险驾驶行为与行车安全,货车碰撞事故致因分析及驾驶安全风险评估进行总结;其次,针对数据源、特征工程及建模方法等分析要素,构建了适用于任意研究主题的通用研究路径,并重点归纳了目前研究主题在数据源、变量选择方法、研究地点及建模方法等关键要素的研究进展;最后,分析和探讨了货车驾驶人驾驶行为与行车安全领域面临的主要问题,从描述、解释、关联及应用的角度提炼该领域研究的未来发展趋势。研究认为：有必要将驾驶状态特性、车辆运行状态及道路交通状况等多维特征变量进行多源信息融合,开展基于大数据和人工智能双驱动的驾驶行为研究;需加强研究山区公路环境下货车与其他类型车辆之间的交互作用机制,从“人-车-路”视角分析货车碰撞事故致因;需进一步完善智能网联和自动驾驶等高新智能自动化环境下的货车驾驶人驾驶行为与行车安全关系研究;拓展面向驾驶安全的货车驾驶人驾驶风险评估的理论方法和应用框架。研究 成果将为货车事故治理、公路货运平台监控及道路线形设计等应用场景提供重要依据,并有助于相对全面地理解货车驾驶人驾驶行为与道路行车安全的交互作用机理。     

山区公路路侧安全定量化评价

路侧安全评价对提高路侧安全、减少道路交通事故具有重要意义。为实现路侧安全定量化评价,本文分析了影响路侧安全的三个不同层次影响因素：车辆驶出路外的可能性、暴露路侧危险环境的频率以及危险严重程度,在此基础上建立了路侧危险指数用于评价路侧安全。最后将该方法用于实际工程路侧安全评价,计算结果表明该方法合理有效,同时通过Kappa统计量验证表明不同评价者运用该方法的安全评价结果一致性较好。     

一种基于图像处理的危化车辆识别方法

高速路口车道上对危险化学品车辆进行识别,对实时监测危险化学品车辆、保证事故后的及时救援有重大意义.根据危化车辆车顶必须安装危险标志灯的特征,针对监控设备抓拍的车辆头部图片,采用边缘检测、连通边缘提取、相似三角形检测等一系列算法,检测图像中是否存在标志灯,从而实现对危化车辆的识别.最后采用Matlab实现了识别算法,验证了本方法的准确性和可行性.