基于粗糙集和遗传算法的道路交通事故分析

通过对道路交通事故的原因分析,确定了造成道路交通事故的影响因素.研究了利用粗糙集理论从交通事故历史数据中提取有效信息的方法,并给出了基于遗传算法的道路交通事故决策表属性约简算法,得出了道路交通事故决策规则表.计算结果表明:文中所建数学模型科学合理,算法高效可行.为建立道路交通事故智能分析系统提供了一个有效的方法.     

基于道路因素的交通事故特征分析

鉴于道路因素在交通事故诱因中的重要作用,针对真实交通事故进行统计分析对改善道路交通安全具有重要意义。与以往单一事故率评价指标所不同,分析交通事故的多个特征,得出道路因素中的道路等级、路面结构、照明爷件、道路限速、道路饱和度等因素与交通事故之间的内在联系,以期为改善道路建设和预防交通事故提供有价值的参考。     

鉴别道路交通事故黑点的聚类分析方法研究

对道路交通事故黑点的鉴别方法进行综述,提出鉴别道路交通事故黑点的聚类分析法,利用该法对菏泽市牡丹区境内国道220交通事故黑点进行鉴别,可为进一步研究鉴别道路交通事故黑点的方法提供不同的思路。     

基于事故空间分布交通事故多发地点鉴定新方法

引言道路交通事故多发点又称黑点(Black Spot),是指道路上交通事故显著突出的路段或交叉口。如果道路交通事故的发生是完全随机的,那么道路交通事故在不同路段上的分布应该是均匀的,而一些事故异常集中的     

基于事故空间分布交通事故多发地点鉴定新方法

引言 道路交通事故多发点又称黑点(Black Spot),是指道路上交通事故显著突出的路段或交叉口.如果道路交通事故的发生是完全随机的,那么道路交通事故在不同路段上的分布应该是均匀的,而一些事故异常集中的路段则反映了该处可能存在着影响交通安全的不利因素.     

基于Logistics回归的道路交通事故影响因素辨识方法

探索特大城市道路交通事故影响因素,分析交通事故严重程度的时空分布特征,以交通事故严重程度为依据,基于二元logistic回归模型,提出交通事故影响因素辨识方法,讨论时间、天气、能见度、照明条件、道路线性、道路物理隔离等14个道路环境因素对交通事故严重程度的影响。结果表明,模型拟合度良好,对交通事故严重程度影响程度最大的因素为能见度、照明条件和交通信号方式;其次为道路物理隔离、道路横断面位置、天气和时间,同时根据模型拟合结果提出减轻交通事故的相应措施。     

道路因素对道路交通安全的影响分析

道路交通事故威胁着每个交通参与者，而相关部门对交通事故成因的分析统计中，很少提及道路因素。为此，通过对道路因素引发交通事故的影响分析，以引起有关部门在分析交通事故成因、研究治理措施时给予高度重视。     

道路环境滞后是交通安全的症结

根据云南省道路交通事故发生的固有规律，结合云南省道路现状和分布特征，分析和对比道路环境对交通事故的影响，阐明了提高道路等级、完善交通设施是全国降低交通事故的有效途径。     

浅析道路运输企业预防和减少交通事故的对策

介绍了道路运输行业交通事故的现状。对道路运输行业交通事故原因进行了分析。     

道路交通事故预测模型的构建与应用

介绍了基于多元线性回归分析和灰色理论的道路交通事故预测模型的构建,分析了道路交通事故预测模型在交通事故的预防和交通安全管理决策中的应用.     

道路因素与交通事故分析

通过对辽宁省重大交通事故的调查和原因分析，主要从道路线形因素、道路路面和改建方面分析其与道路交通事故的关系。正确的设计、施工和养护对预防交通事故有很重要的意义。     

基于大数据的道路交通事故黑点防治新策

大数据为发展智能道路交通提供了新的机会,同时也有助于制定创新的道路安全管理概念和办法.基于大数据分析方法对道路交通事故黑点进行排查分析并提出有效的治理措施,这将大大减少道路交通事故的可能性,并防止生命和财产的重大损失.当前,对道路交通事故黑点的装置、查明道路交通事故的方法和安全隐患进行探索,进而提出加强大数据基础平台的...     

浅谈澳大利亚道路交通事故数据采集与事故分析

按照交通事故发生的道路特征和事故形态、道路用户、环境等因素,可以对道路交通事故进行分类,并依照这个分类对发生的交通事故进行数据收集,通过事故特性分析,找出发生较大机率的道路交通事故类型,根据不同事故类型的预防对策,提出包括对道路设施本身和道路用户方面的预防对策,从而降低该路段上的交通事故。运用这一手法,不仅对现有道路事故的预防,而且还可以对一条新建道路交通进行安全评估,找到一个切实可行的解决问题的方法。     

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。     

基于GM(1,1)模型的道路交通事故预测

道路交通事故的发生虽具有偶然性,但也可利用预测理论的方法加以预测。在分析道路交通安全系统灰色属性的基础上,提出将道路交通事故作为道路交通安全系统行为特征量处理,运用灰色理论和方法来进行道路交通事故预测,在此基础上,建立了道路交通事故的GM(1,1)灰色预测模型,并通过实例验证了预测模型的适用性。     

支持向量机在道路交通事故预测中的应用

通过对道路交通事故相关指标的分析,选取万车死亡率、十万人口死亡率作为指标集合,建立的基于支持向量机的道路交通事故预测模型,经10年的道路交通事故相关数据的训练和测试,其准确性得到了验证。     

道路交通事故中行人的法律责任判定分析

针对目前道路交通事故处理过程中采取无过错责任方式,认为驾驶员是道路交通事故的主要承担者,对行人法律责任的认识不足等问题,文中给出道路交通事故中行人法律责任的科学判定流程,对目前存在的行人任意横穿马路、闯红灯等违章造成的交通事故中行人法律责任判定的难题予以解决。     

交通事故易发路段的识别及速度控制

我国道路交通事故频发,造成极大的经济损失和不良的社会影响。在对国内外交通事故多发路段识别方法分析的基础上,总结分析交通事故易发路段的识别方法以及速度控制措施。该研究可为道路交通事故预测预防提供依据。     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

论道路交通事故损害赔偿法的完善

文章主要从建立统一的道路交通事故损害赔偿法,确定合理的道路交通事故损害赔偿程序,采纳合理的归责原则,正确界定有关部门的责任认定在诉讼中的地位,确定合理的赔偿责任范围等方面,对完善我国道路交通事故损害赔偿立法提出建议,以期推动法学界对道路交通事故损害赔偿问题的研究进一步深入。