基于机器学习的危险货物道路运输事故影响因素分析

为研究危险货物道路运输事故严重程度的影响因素,以2015—2019年发生在我国的1267起危险货物道路运输事故案例为基础,比较决策树C5.0、支持向量机和多层感知器对危险货物道路运输事故数据的分析性能,并选用表现最佳的模型探索影响3种不同严重程度的事故发生的主要因素.结果表明,决策树C5.0整体表现最佳.影响仅财产损失事故发生的主要因素依次为直接事故形态(刮擦、泄漏、火灾和其他),间接事故形态(泄漏)和路段类型(站区);影响受伤事故的发生的主要因素依次为直接事故形态(侧翻、撞固定物、2车追尾、2车相撞、冲出路面和坠车),间接事故形态(泄漏和侧翻),路段类型(普通路段、桥梁、隧道和出入口),道路类型(省道和国道)和时间(07:00—12:00);影响死亡事故发生的主要因素依次为直接事故形态(多车相撞、多车追尾和爆炸),危化品类别(氧化性物质、气体和易燃固体),间接事故形态(火灾和爆炸)和道路线形(长下坡和急弯).      

城市道路交通事故影响范围研究

我国交通问题日趋严重,尤其是城市路网。文章对城市道路交通事故影响范围进行分析,采用虚拟路网进行算例分析,根据结果研究分析得出:平均行程时间、单车平均总延误和最大排队长度在交通事故中能够用于表示对车辆行驶时间与空间影响。     

汽车仪表性能测试系统设计

文章以T-ZB172A型组合仪表为研究对象,利用LabVIEW软件设计汽车仪表性能测试的系统。该系统能够对汽车仪表中的车速表、转速表、燃油表、水温表以及各种信号灯进行数据采集同时将采集到的数据与数据库中存储的标准数据进行比对从而实现对仪表性能的测试。基于LabVIEW软件设计的仪表测试系统结构简单,界面简洁,易于操作且成本低廉。     

基于XGBoost模型的不同地区危化品道路运输事故分析

为降低危化品道路运输事故对人员、财产和环境造成的破坏,保障危化品道路运输的安全性,提出具体有针对性的事故预防措施,探索多种数据挖掘方法去识别不同地区危化品道路运输事故发生的原因.首先,考虑到危化品道路运输事故的稀缺性,将逻辑回归(LR)、支持向量机(SVM)、多层感知机(MLP)和XGBoost模型基于相同的训练和测试...