以色选车

当中国车主对汽车的颜色还只是凭个人喜好来选择时,国外汽车的颜色已成为一门专业的学问。大陆汽车俱乐部(CAA)与清华大学汽车碰撞试验室(ACL)共同进行的汽车颜色与安全性研究表明,汽车行车安全性不仅受车况、驾驶操作等因素影响,还受到车身颜色的视认性影响。在天气晴好条件下,浅色系汽车视认性佳,颜色安全性高,而黑色车的事故发生率最高。     

基于数据挖掘的船舶引航事故致因分析

为控制和预防船舶引航事故的发生,采用Apriori算法挖掘船舶引航风险因素的关联规则,在挖掘风险因素间强关系的基础上结合定性贝叶斯网络的事故致因网络关联分析,综合确定船舶引航事故致因链。根据事故致因链分析引航事故最可能的形成过程和关键环节,以提出有针对性的防范对策。     

船舶锚泊安全事故分析及启示

本文收集整理了近年来锚泊船事故案例,从事故类型、事故原因、事故安全影响因素等方面进行了分析,归纳总结了锚泊船事故的特点,最后对锚泊船安全管理提出了对策建议。     

道路交通事故车辆技术状况鉴定分析

汽车给人们的出行带来极大方便的同时,也带来了严峻的道路交通事故,造成了人员伤亡和财产的巨大损失,已成为世界性的社会问题。在对道路交通事故处理中,当事人各方对事故车辆技术鉴定结论高度重视,因此第三方鉴定机构出具的交通事故车辆技术鉴定报告书越来越重要。本文就车辆技术鉴定现状进行分析,剖析其存在的问题,并提出针对性的改进策略。为我国交通事故车辆技术鉴定事业提供参考依据,改善鉴定的工作质量,提高鉴定工作的效率。     

一例发动机捣缸事故的责任分析

一辆桑塔纳2000轿车,由于发动机在途中发生故障而被拖到我厂维修。据驾驶人反映,一个月前由于正时带跳齿,第1缸气门杆被活塞顶弯而在某修理店更换了正时带和一组进排气门,行驶了近1个月,出现了气门工作时异响的情况,于是驾驶人就将该车开至该修理店进行检查,该店的维修人员检查认为是有一二只液压挺柱有问题,并且保证不会影响轿车的正常行驶。驾驶人得到这样的答复后就执行了这趟长途任务。     

威伯科公司的商用车电子稳定控制系统

随着人们对车速要求的不断提高,车辆行驶的稳定性变得越来越重要,根据美国的调查显示,翻车是造成商用车事故的重要原因。列车6%的事故是翻车事故,其中50%以上的翻车事故会导致人员伤亡,每次翻车事故造成的平均经济损失达12万美元,每年由翻车事故造     

基于RBF神经网络的地铁隧道施工坍塌事故应急车辆需求预测

现有生产安全事故应急救援体系未能充分利用历史经验辅助应急决策,并多为资源总体上的预测和调度。为高效、准确地应对地铁隧道施工坍塌事故,制定应急救援方案,提高应急救援效率,以确定应急车辆需求量为例,提出一种基于RBF神经网络的应急车辆需求预测模型。在确定预测指标的基础上,整理分析历史事故案例并提取关键指标值,通过训练确定扩展速度及隐含层神经元个数,分别构建以坍塌位置、次(衍)生事故、坍塌面积和被困人数为输入,救护车及消防车需求量为输出的RBF神经网络预测模型。在预测结果的基础上,确定所需应急车辆类型及数量,推算医护人员和消防人员的配备数量,并结合事故实际特征对预测结果进行修正。以某实际地铁隧道施工坍塌事故数据进行案例分析,预测该事故所需的应急车辆、相关人员及设备等应急资源的需求量,并将其与实际数据对比分析,验证了预测模型的可行性和有效性。该预测模型可为地铁隧道施工坍塌事故应急救援方案的制定提供新的思路和方法。     

高等级公路挖方路段边坡治理对策分析

为了提高公路挖方路段边坡治理成效,通过对挖方路段边坡类型及病害问题进行分析,以隰吉高速公路工程为例,从抗滑桩、钢管桩及柔性防护等多个方面,提出高等级公路挖方路段边坡治理对策,从而提高边坡稳定性。     

神兵天降斗沧海——人民海军与交通部携手海上搜救纪实

9月26日上午,代号为"海救一号"的联合搜救演习在青岛附近黄海海面成功举行.由解放军海军北海舰队和交通部山东海事局担纲承办的海上搜救演习,是建国以来规模最大的一次.这是对我国海上联合搜救的应急反应能力、指挥协调能力、救援清污能力等的一次实战考验,是对中国海域内遇险船员和失事船只实施海空营救的新探索;标志着我国军地海上搜救迈出了新的一步,为完善海上军地联合搜救机制提供了依据.     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.