基于分形理论的交通事故分析

以某市交通事故统计资料为例,首先采用功率谱分析方法论证了分形理论用于交通事故分析的可行性,计算结果表明在统计意义上,该市交通事故时间序列具有自仿射性。接着利用分形的自相似性与标度不变性将内区间的分形特性进行延拓,并由此构造了具有外推功能的分形插值算法,实现交通事故预测。该算法利用内区间的迭代函数系和吸引子由特定初始点进行搜索,通过迭代使得到的点集与吸引子的均方偏差最小,从而获得需要外推点的函数值作为预测值。最后对交通事故时间序列进行R/S分析,进一步验证了预测结果的合理性,结果表明该市未来几年交通事故仍有增长趋势,应继续加强交通管理。     

基于时间序列挖掘的隧道交通事件分析

为了及时发现隧道内交通安全隐患,尽量减少交通事故的发生,针对现有隧道交通事件预测方法在实际应用中的不足,引入时间序列法,建立了隧道交通事件时间序列预测模型,该模型可以快捷地得出事故影响因素的预测值,预测出道路交通事件总体发展趋势。实验证明,模型能很好地适应于道路交通事故预测,同时具备了资料较少,建模简单,计算快捷等优点。     

符号时间序列方法在汽油机燃烧循环变动特征分析中的应用

应用一种新的分析方法———符号时间序列方法对汽油机燃烧循环变动进行了研究。测量得到了某汽油机16种不同工况下的示功图,从提高精度与有利于数据的符号化观点出发,确定以缸内峰值压力作为汽油机燃烧循环变动的表征参数,把符号时间序列分析的具体技术和实施途径应用于试验数据,获得了汽油机燃烧循环变动随转速与负荷的变化规律,提出了利用改进的SHAN NON熵作为汽油机燃烧循环变动的评价指标的新观点。研究结果表明:该方法能较好地应用于汽油机燃烧循环变动特征分析。     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...     

高速公路交通事故短时预测及节假日交通安全特征分析

随着我国高速公路里程的逐渐增加,高速公路交通事故等相关安全问题也越来越受到关注。交通事故频发对于高速公路的安全以及高效运营带来了不良影响,因此根据高速公路交通事故特点进行分析以采取有针对性的管理措施和预防办法尤为重要。通过对江西某高速公路和南方某一条高速公路交通事故数据进行统计分析,发现交通事故和交通安全与节假日和交通量之间具有较强的相关性,并应用时间序列模型和交通量-事故模型进行预测,提出具有事件性和方向性的针对性措施建议,基于已有数据实现交通安全的预防性主动改善。     

汽油机燃烧循环变动的分岔特征

对16种不同工况下的汽油机示功图进行了测量,以缸内峰值压力的试验数据为基础,应用符号时间序列分析方法,得到了汽油机燃烧循环变动的分岔特性,同时获得了汽油机燃烧循环变动随转速与负荷的变化规律。     

基于ARIMA-FNN的道路交通事故最优加权组合预测模型

1个适应性良好的道路交通事故预测模型对于交通管理、控制和有关规划设计起着重要作用,文中根据交通事故发生的时空性和多因素性,利用ARIMA模型良好的时间序列线性拟合能力和FNN强大的非线性映射能力,通过最优加权方法确定模型权重,建立ARIMA和FNN的组合模型,并对我国道路交通事故进行预测。结果表明：这一模型可以提高事故预测精度,是1种有效的事故预测模型。     

泉厦高速公路交通事故统计成因分析预防及救援对策

通过对泉厦高速公路交通事故的统计，从人、车、路三方面阐述交通事故的成因，提出预言交通事故一些措施，达到减少交通事故、缩短救援时间、降低直接和音接经济损失及人员伤亡的目的。     

基于GIS的道路交通事故信息管理与分析

章在分析道路交通事故信息的基础上，利用GIS空间数据库技术实现对交通事故的空间、时间信息以及造成交通事故的人、车、路和环境等因素的一体化管理。通过GIS技术进行道路交通事故的时空分布分析，发现其在空间和时间上的分布规律及其主要影响因素。提出了GIS在道路交通事故管理与分析应用中需要进一步解决的几个问题。     

我国公路交通安全趋向及事故高发区城（条件）分析

以我国道路交通安全多年的相关数据（道路 交通事故次数，受伤人数及死亡人数）为基础，讨论了我国道路交通安全的基本趋向，提出了未来5年乃至更长时间仙我国道路交通事故 搞发区域，从而为有关部门预防和减少道路交通事故提供了依据。     

汽车驾驶要警惕三个时间段

交通管理部门对交通事故的发生时间进行了研究，发现每天凌晨、中午和黄昏是交通事故的高发时段。因此，在这3个危险时段驾驶员要提高警惕。     

处理交通事故有时限

在发生交通事故后有些人认为通过交管部门解决会花费大量的时间和精力，因此，对办案人员百般刁难，催促办案人员尽快结案，还有的当事人为获取利益故意拖延时间，无理取闹，反而失去了自己正当的权益，其实在处理交通事故过程中，相关法规对处理过程规定了许多时限，只要当事人了解法规，配合办案人员，就能在最短时间内解决问题，维护自己的权益，在此，笔者对道路交通事故处理办法和道路交通事故处理程序规定中涉及的时限问题作一些介绍。     

新疆吐-乌-大高等级公路交通事故特征及成因分析

本文在收集和整理新疆吐鲁番-乌鲁木齐-大黄山（简称新疆吐-乌-大）高等级公路近几年来的交通事故统计数据的基础上，利用统计分析的方法，分析了交通事故在时间上的分布特征．对影响高等级公路交通事故的人、车辆、道路环境等主要因素做了着重分析，进而得到新疆吐-乌大高等级公路交通事故成因及相应的分析结论。为营造更加合理和安全的道路交通环境提供了可靠的理论依据。     

驾驶员的错觉及其影响

在驾车过程中，驾驶员的种种错觉是导致交通事故的重要因素，本文试就驾驶活动中的道路线形错觉，时间，距离，速度判断错觉进行分析，说明种种错觉产生的规律及其对行车安全的影响，以便为有效地预防交通事故提供科学依据。     

江苏省交通事故时间分布分析

根据江苏省有关交通事故数据,利用统计方法对交通事故发生的时间特征进行分析。通过分析交通事故年时间分布规律的波峰曲线,得出江苏省交通事故发生数量开始振荡变化,逐年上升的势头有望于近期遏制。通过分析交通事故、月、周、小时时间分布曲线,得出交通事故高峰小时出现在交通量高峰小时之后的9~12h、14~16h,两者不重合。死亡高峰时段(危险时段)多发生在18~21h的3h内。研究结论对不同时间内如何采取不同的安全对策来降低江苏省交通事故具有指导作用。     

黄昏行车事故多

据资料统计，在一天中下4-6点钟之间，驾驶员最容易导致交通事故，而且事故的发生率明显高于白天。通过对黄昏时间发生的多起交通事故进行分析，发现驾驶员黄昏行车事故多的原因主要有以下几个方面：     

交强险有哪些不赔?

<机动车交通事故责任强制保险条款>明确表示,交强险不负责赔偿和垫付的有以下四种情况:一是受害人故意造成的交通事故的损失;二是被保险人所有的财产及被保险机动车上的财产遭受的损失;三是被保险机动车发生交通事故,致使受害人停业、停驶、停电、停水、停气、停产、通信或者网络中断、数据丢失、电压变化等造成的损失以及受害人财产因市场价格变动造成的贬值、修理后因价值降低造成的损失等其它各种间接损失;四是因交通事故产生的仲裁或者诉讼费用以及其他相关费用.     

基于BiLSTM神经网络的交通事故黑点路段日均事故频次预测方法

为交通管理部门和出行大众提供精准的事故高发黑点预警信息具有重要的意义。为此,研究了1种基于双向长短期记忆神经网络（bidirectional long short-term memory neural network,BiLSTM）的黑点路段交通事故频次预测方法。通过对传统K-means聚类算法的k值选取进行改进,实现了道路交通事故黑点的有效识别,并统计黑点每天事故数作为事故时间序列;利用小波分解对该序列进行降噪处理,通过多层网格搜索法对隐藏层层数、神经元个数等模型的参数进行标定,构建了基于BiLSTM网络的事故频次预测模型;采用滑动窗口的方式将事故时间序列作为内部参数输入模型,以交通流量、节假日、事故天气和事故发生环境等特征作为外部参数,对事故黑点路段未来1 d内可能发生的事故数进行预测,并基于预测结果提出了1种事故黑点路段交通事故预警模型;以浙江省宁波市交警部门某辖区2020年4月—2021年9月常态采集的事故数据为测试集,以7 d的事故数据预测未来1 d的黑点路段事故频次,将BiLSTM模型与门控循环神经网络（GRU）模型、长短期记忆神经网络（LSTM）模型、反向传播神经网络（B...     

全国道路交通事故预测

研究表明,充满复杂性和随机性的道路交通事故具有灰色性。文中介绍了灰色预测的理论方法,运用灰色系统理论对交通事故进行分析。通过对交通事故死亡人数原始数据进行处理,得到新的生成数序列,据此建立白化微分方程,给出交通事故中死亡人数的预测模型,用相对残差、级比偏差值和后验差法对模型进行检验。结果表明,模型预测精度高,与实际数据相吻合;并运用该模型预测了之后4年的交通事故总数、死亡人数及受伤人数,以便于交通部门、公安部门和道路设计规划部门有针对性地对交通事故实施治理,减少交通事故发生。     

汽车碰撞预警系统AWS

目前，公路交通事故已成为全球范围内日益严重的公共安全问题。统计资料表明，其中驾驶员的人为因素导致的公路交通事故率最高。无论是事故数量。还是伤亡人数均分别高达各自总数的90％左右。并且，在导致这些公路交通事故的驾驶员的人为因素中，疲劳和精神分散驾驶是重要原因之一。驾驶员在3s时间内的注意力不集中，造成了其中80％的交通事故，主要表现为车道偏离和追尾事故。