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。     

基于出行行为模型的出行感染风险评估 ——以新冠肺炎疫情期间江苏省地区为例

为准确评估新冠肺炎疫情期间的出行感染风险，在对出行行为进行全出行链建模基础上提出出行风险评估模型.基于江苏省确诊病例流行病学调查报告和线上问卷调查数据，分别对病毒携带者和普通出行者出行行为模型进行参数标定，对比分析病毒携带者和普通出行者出行行为的异同.进一步对疫情期间不同出行方式和出行活动进行感染风险评估. 得到结论：交通管制措施可有效降低出行感染风险，就医出行风险明显高于其他出行活动，差旅在疫情传播初期风险较高，非机动车出行风险相对较低.     

公共交通导向的多模式疏散规划理论框架

多模式疏散规划旨在兼顾低行动力人群和其他人群不同的疏散需求特征,对公共交通和个体交通相结合的多种疏散方式进行综合分析与优化.但是,国际上对多模式疏散的研究缺乏对公共交通的支持.针对我国低行动力人群比重高、应急疏散资源紧张等国情,提出应急疏散中的"公共交通导向"构想,建立了公共交通导向的多模式疏散规划理论框架,在疏散需求建模预测基础上,实施疏散小区划分、公交集结点选址、疏散网络设计等规划流程,构造分层集约化网络,探讨公共交通导向的应急交通组织策略和应急疏散网络优化模型等关键方法.结合南京青年奥林匹克运动会交通组织工作进行应用,在未采取强制行政措施的前提下,75.4%的市民认为日常出行基本未受影响.      

浅析接触角对球轴承特征频率的影响

文中阐述了轴承特征频率计算公式中一个重要参数—接触角—物理意义,通过对各类深沟球轴承不同负荷下对接触角影响的分析,提出计算特征频率时接触角的近似处理方法。     

浅析铁谱分析技术在舰艇设备监测诊断中的应用

铁谱分析仪在各个领域得到广泛的应用,本文综述了该仪器在舰艇机电设备监测诊断方面的应用现状,提出一些建议。     

大数据背景下的路径选择行为建模

路径选择建模的主要任务是基于合理假设，定量分析交通参与者的路径选择行为，并估计和预测交通参与者对交通网络的使用情况。基于此，全面总结路径选择建模的研究现状，介绍各种出行数据的特点，阐释常见的选择集生成方法，对文献中提出的众多离散选择模型进行归类和讨论，对比模型估计的2类主要方法，并展望机器学习在路径选择建模中的广阔前景。研究结果表明：随着交通感知技术的全息化发展，在海量车辆轨迹数据的支撑下，路径选择研究取得了全方位的进步；路径选择模型可分为基于路径和基于路段的模型，前者以路径为基本选项，从通过确定性或随机性方法生成的选择集中选择路径，包括多项Logit （MNL）模型以及更先进的MNL修正模型、广义极值（GEV）模型、混合Logit模型和非GEV分布模型，后者以路段为基本选项，动态地求解路径选择问题，无需生成选择集，包括各种递归Logit模型；路径选择模型的参数估计可使用有标签数据或无标签数据，前者通过地图匹配在交通网络中重构出真实路径，后者则依概率考虑一系列可能的路径。近年来，基于机器学习的路径选择模型因具有更优的预测性能而受到广泛关注。在未来的路径选择研究中，应进一步结合离散选择模型和机器学习模型，使两者优势互补。