大客车对行人碰撞事故再现研究

利用数值模型仿真试验,研究再现大客车与行人碰撞事故的方法。并将该方法应用到一次真实交通事故中去,初步验证了该模型和方法的可行性。将行人抛距分析方法引入事故再现分析,并结合仿真结果,建立新的适合该类事故的行人抛距与车速关系模型。     

基于EDR数据的无轮胎印迹交通事故重建方法研究

交通事故重建是交通事故分析、交通事故司法鉴定、交通事故深度调查的重要手段。传统的交通事故重建方法对现场轮胎印迹及车体痕迹依赖程度较高,随着汽车主动安全技术的发展,交通事故中的轮胎印迹越来越少,交通事故重建的技术难度逐渐增大。与此同时汽车ECU数据处理能力不断提高,以EDR为代表的数据记录装置为交通事故重建提供了新途径。     

道路交通事故分析发展研究

近些年,我国交通事故量一直居高不下,而事故发生时车辆运行速度是分析事故原因、认定事故责任的重要内容,涉及保险理赔、法院审判等各个环节。目前分析事故原因,进行事故再现的主要途径是委托具有相关资质的事故鉴定机构进行速度重建,使用的方法主要有基于经验公式的事故重建、基于视频图像技术的事故重建、基于车载记录数据的事故重建和基于模拟软件的事故重建。文章主要介绍了交通事故分析的基本方法和发展方向。     

用于智能驾驶系统评价的乘员损伤模型

只有较少的交通事故数据资源被用于建立基于碰撞速度信息的乘员损伤模型，致使所得到的模型精度差。为此，提出了基于车辆变形深度的乘员损伤模型。对美国不同制造年代和车辆级别的事故数据进行聚类分析，论证出车辆变形深度与乘员损伤风险具有相关性。以车辆变形深度为自变量，通过回归分析得到乘员损伤模型。不同种类车辆的乘员损伤模型拟合精度R²约为0.9，证明了该模型的正确性。为进一步验证，以此模型为基础，评价智能驾驶系统的有效性。以自动紧急制动系统为例，对比基于变形深度和速度变化量信息2种方法的有效性计算结果。结果表明：2组结果的平均误差不超过1%，验证了基于变形深度的乘员损伤模型的准确性。该模型仅需要事故数据库中准确的变形深度信息，能够获得更多的事故数据支持，从而可以更好地适应于不同类别智能驾驶系统的评价需求。     

公路强制控速安全措施研究

对于在长下坡路段形成的道路事故多发点,如果不进行道路改线改造,则最有效的主动安全措施应该是对大、中型车辆实施强制控速。在大量调研和实车道路试验分析的基础上,提出了具有较强警示力度的高等级公路强制控速方案,开发了具有较高可靠性和控制效力的专用驼峰式强制减速带及其配套设施体系和实施工艺,并实际应用于G312咸永一级公路K1 562~1 568段的交通安全改善工程,经改造后1年运行期观察,交通事故次数年均下降率为58.2%,交通事故死亡人数年均下降率为91.3%,交通事故受伤人数年均下降率为82.9%,强制控速措施达到了预期目标,取得很好的改造效果。     

汽车交通事故现场勘查与再现技术探讨

随着汽车工业和交通运输业的高速发展,交通安全形势异常严峻,汽车交通事故现场勘查与再现技术成为交通安全研究领域的重要课题。本文对已运用到汽车交通事故现场勘测与再现中的摄影测量技术和计算机图像技术进行了分析研究,并提出了事故现场勘查与再现的新技术方案。     

城市快速路交通事故特性分析及安全评价

以哈尔滨市3条快速路为研究对象,通过分析其道路交通事故统计数据,从时间分布、事故形态、事故成因等角度,探讨了城市快速路交通事故的特性。选取行车道宽度、交通饱和度、标志设施等9个指标,建立了城市快速路交通安全水平评价指标体系,进而提出了基于主成分分析法的快速路交通安全评价模型。应用案例表明,哈尔滨市和兴路的交通安全水平相对最好,公滨路交通安全水平较低,该结果与运用相对事故率法所得到的结论基本一致,从而验证了该模型的有效性。     

道路交通安全风险辨识与分析方法综述

道路交通安全风险辨识及分析的准确性、全面性, 是实现风险主动防控的基础和关键环节, 直接影响道路交通安全管理的精细化水平。从影响因素和分析方法2个方面对道路交通安全风险相关研究进行综述和评论。针对人的不安全行为、车辆的不安全状态、道路的不安全条件、外界环境刺激等单因素风险, 以及多因素间的关联耦合风险辨识, 梳理了安全风险理论分析法、系统安全分析法、大数据与人工智能分析方法等道路交通安全风险分析方法。研究表明: 安全风险理论分析法、系统安全分析法等以定性分析为主的方法侧重于对道路交通安全风险要素的全面、系统梳理, 具有简单、直观、易操作等优势, 但在多因素交织影响下的道路交通事故定量化剖析和事故成因深度挖掘方面存在较多局限性; 基于多源数据挖掘技术的大数据与人工智能分析方法在海量信息感知、高效计算处理等方面优势明显, 可基于多元数据对交通安全风险进行综合分析、精准挖掘, 刻画多因素耦合下的事故风险特征、探究事故发生规律, 是当前较为主流的研究方向。并提出道路交通安全风险研究领域存在的不足之处及未来研究发展方向, 主要包括多源异构数据的动态采集与融合、智能网联环境下的道路交通安全风险辨识、考虑时空异质性的可移植的道路交通安全风险识别模型研究等。      

A list of accident scenarios for three legs skewed intersections

The term ‘scenario’ is used in the safety field to designate a prototype or a model of an accident process characterised by chains of facts, actions, causal relations and consequences in terms of damage to people and property. The prototypical scenarios, properly realized, provide a basis on which to consider the action to be taken, but also a concrete backup for accident information for use in information campaigns or training. The objective of this study is to define the prototypical accident scenarios for a particular configuration of road intersection: the skewed intersection. Limited sight distance at skewed intersections leads to safety issues. A non-skewed intersection provides the best operating conditions as drivers can easily sense the direction in which they are travelling, estimate the speeds of the opposing traffic and smoothly complete a maneuver in shorter time. In skewed intersections, instead, the ability of drivers to recognize any conflicting vehicles diminishes in comparison to right-angle intersections. The logical-deductive approach used in this paper for the determination of accident scenarios is based on an analysis of a large database of incidents, which occurred on several roads in eastern Sicily on 35 skewed intersections at three-legs. The skew angle of the minor leg of all the intersections studied is between 15° and 20°. This research allowed to develop accident scenarios related to particular configurations of intersections, compatible with the Italian rules. Prototypical scenarios are constructed using samples of accidents occurring on a particular type of study area, especially when they are based on files from in-depth investigations. The method used is an inductive approach, based on an examination of each case, grouping together similar cases and building a prototypical scenario using this case grouping. From the in-depth analysis of database accidents 9 prototypical accident scenarios have been identified for the skewed intersections.     

基于优化思想的事故再现碰撞模型研究

建立碰撞模型求解碰撞速度是交通事故再现的关键步骤，现有的大多数碰接模型不具备对冗余的输入参数信息进行优化的能力。本文基于优化思想，充分利用来自事故现场的信息，建立了对应的事故再现碰撞模型，可以实现冗余信息的优化，提高了事故处理的鲁棒性。该方法可用于分析典型的交通事故碰撞速度。     

城市道路交通安全典型问题分析

城市道路交通安全是一个复杂的社会问题,涉及城市建设、交通运输、公安交通管理、医疗救援、保险等不同行业领域。本文以道路交通事故调查分析的视角,从城市道路交通事故的总体发展趋势、年龄分布特征、肇事者交通方式、职业分布特点等方面,剖析四类城市道路交通安全典型问题,旨在明确城市道路交通安全面临的主要风险及未来的挑战,为城市道路交通安全治理提供参考。     

基于危机管理的道路交通安全管理模式研究

随着汽车工业的发展，道路交通安全问题已经成为一个危及全球公共安全的问题。针对道路交通安全特性分析，将西方的危机管理理论应用于我国新形势下的道路交通安全管理中，探索交通安全危机管理的新模式，提出构建交通安全危机预警系统的新思路。     

安全评价技术在老路改建中的应用研究

结合沪宁高速公路南京连接线改造工程,在已有交通事故统计资料、全线几何设计参数和大量实测数据的基础上,运用事故统计分析、人机工程学理论和运行速度理念等新的安全评价技术对该路段的安全状况进行分析与评价。通过对所得数据的评价分析找出事故隐患路段和事故黑点并提出具体的安全整改措施,为安全评价技术在老路改建中的应用作了有益的尝试。     

基于驾驶员信息处理的道路安全性评价模型

在车辆行驶过程中,道路条件包含了大量的信息,驾驶员需要及时对这些信息进行处理,以保障行车安全。本文基于驾驶员信息处理,建立了一种新的道路安全性评价模型,并结合相邻路段运行速度差,给出评价指标。     

REASON模型在航空维修事故调查中的应用

分析和运用Reason模型,从系统安全角度对一起典型航空维修事故案例,按照事件链因果逻辑展开调查分析,构建出事故致因分析模型。     

基于Logistic模型的双车道公路事故易发路段预测研究

事故易发路段的判别是安全管理的重要内容之一。传统的事故易发路段判别方法多应用于运营阶段的公路,其判别精度很大程度决定于历史事故记录的周期和质量,且受"回归到平均"等现象的影响。对于实际的安全管理工作,预先对某一对象成为事故易发路段的可能性进行预测,进而预先采取安全改进措施,能够使得安全完善工作由被动变主动,还可增加事故易发路段判别工作的应用阶段。通过对大量双车道公路事故易发路段样本的整理和分析,发现接入口密度、道路线形、交通组成等要素对事故易发路段的产生有很大影响。为此,借助Log istic模型在概率预测上的优势对上述要素对事故易发路段形成的影响情况进行了研究,建立了事故易发路段预测模型,并进行了实际检验。     

用于统计与分析的汽车碰撞行人事故深入数据源

结合近年来积累的交通事故调研经验,以北京市汽车碰撞行人事故分析案例为基础,构建了行人事故的深入数据源。该数据源以计算机电子数据表存储和分析与事故相关的人、车、路、环境的数据信息,可用于事故统计、事故再现和深入数据分析等方面的研究。基本数据源中包含事故的基本数据、车辆数据和行人数据3个部分,另外还存储了中国人体相关参数和车辆相关参数供分析时使用。目前,该数据源已收录了近200例行人事故中的深入数据,已用于有关人车碰撞特点分析及辅助事故再现等方面的研究,为汽车被动安全及交通安全研究提供必要的数据基础。     

道路交通事故信息采集技术及应用

随着社会经济的发展,当前我国购买和使用汽车的人数不断上升,而在有限的道路交通资源的情况下,交通拥堵以及交通事故发生的频率大大上升,而一旦发生交通事故,则需要对交通事故车辆及周围环境进行信息采集,对事故现场进行重建,进而还原事故产生的原因,进而对事故车辆的责任进行鉴定。近年来,为了更好地重建事故现场,分析相关事故产生的原因,对事故车辆进行责任鉴定以及采取措施减少事故发生的概率,如今在大部分地区已经使用了信息技术、监控技术以及人工智能技术等对交通事故信息进行采集。本文主要介绍了当前在交通事故信息采集过程中主要应用的三种技术类型,包括:基于摄影测量的技术、基于视频解算及分析的技术以及基于电子智能的技术。并分析了这些技术在交通事故信息数据库、交通事故分析重建、道路交通安全状况改善过程中的应用。     

Predicting duration of traffic accidents based on cost-sensitive Bayesian network and weighted K-nearest neighbor

Abstract

With the development of urbanization, road congestion has become increasingly serious, and an important cause is the traffic accidents. In this article, we aim to predict the duration of traffic accidents given a set of historical records and the feature of the new accident, which can be collected from the vehicle sensors, in order to help guide the congestion and restore the road. Existing work on predicting the duration of accidents seldom consider the imbalance of samples, the interaction of attributes, and the cost-sensitive problem sufficiently. Therefore, in this article, we propose a two-level model, which consists of a cost-sensitive Bayesian network and a weighted K-nearest neighbor model, to predict the duration of accidents. After data preprocessing and variance analysis on the traffic accident data of Xiamen City in 2015, the model uses some important discrete attributes for classification, and then utilizes the remaining attributes for K-nearest neighbor regression prediction. The experiment results show that our proposed approach to predicting the duration of accidents achieves higher accuracy compared with classical models.     

基于事故数据挖掘的乘用车追尾卡车AEB测试规程研究

基于未来出行交通事故场景研究数据库中的乘用车追尾卡车事故,分析并提出了以卡车为目标物的乘用车自动紧急制动系统的典型测试工况。采用K-means聚类算法得出可代表实际卡车的目标物颜色,基于事故数据分析提取卡车目标物尾部特征参数,设计并制作了一种新型的具有与真实车辆反射特性和机器视觉识别特性接近的重型厢式卡车目标物。卡车目标物静止,测试车辆分别以45、50、55、60 km/h的速度进行100%重叠自动紧急制动系统测试,验证了该目标物的可行性和有效性。可为车辆主动安全相关标准法规研究提供数据支撑,推动车辆主动安全测试技术的发展。