基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析

为了深入研究高速公路交通安全,剖析高速公路交通事故的发生机理以及各类因素对高速公路交通事故严重程度的影响,收集曲靖市境内沪昆高速段2017—2019年的1 939起交通事故进行研究。以事故严重程度为因变量,筛选出人、车、路、环境4个大类下的与事故严重程度相关的19个影响因素为自变量,采用数据融合法基于树增广型贝叶斯网络构建事故严重程度预测模型,量化各因素间的影响关系,经特征筛选找出关键致因,并结合案例进行推理分析。结果表明：影响高速公路交通事故严重程度的关键致因依次为天气情况、视距情况、路面情况等。模型对高速公路事故严重程度预测准确率可达84.27%,高于传统贝叶斯方法,模型有效性验证良好。针对事故主要致因提出改进建议,可为交管部门提供准确事故信息辅助决策,加快事故响应速度,提高事故应急指挥能力。     

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...     

建成环境对城市交通事故严重程度影响研究

针对城市交通事故分析中缺少建成环境因素的系统考虑,以密度、多样性、交通设计、可达性及公共交通临近度等5个维度表征建成环境,同时考虑个体行为、道路情况、事故类型及自然环境4个方面,运用机器学习算法建立融入建成环境因素对城市道路交通事故严重程度影响分析模型;并以重庆市某区的事故数据进行实证分析。研究结果表明：建成环境变量对事故严重程度有较大影响;从变量重要度排序来看,土地利用混合度(14.29%)、快速路及主干路密度(12.43%)、次干路及支路密度(11.54%)、人口密度(11.35%)与可达性(10.96%)的影响程度较高,累计重要度达60.57%;同时各变量与事故严重程度呈现出非线性关系。     

微表处技术对公路裂缝的预防及处理作用

当路面出现裂缝或者龟裂现象时,水会渗入到沥青混合料内部,导致路面损坏更加严重,如不及时采取有效措施对公路进行养护工作,不仅对交通安全事故埋下隐患,还大大增加了公路养护的费用。因此采取及时有效的手段对公路裂缝进行预防及处理势在必行。以往进行公路裂缝处理大都是在公路受到严重破坏后再进行填补修复的＂改正性＂的养护措施。     

应警惕船舶装载含水散装矿产品引发的事故

随着我国经济建设的发展,海运各种散装精选矿粉及含水矿产品的品种、数垦日益增多。为了保证船舶运输精选矿粉及含水矿产品的安全,交通运输部早在1988年就制定并实施了《海运精选矿粉及含水矿产品安全管理暂行规定》（交海字[1988]275号,以下简称“275号文”）,要求托运人托运精选矿粉及含水矿产品时,向港务监督（现为海事部门）和承运船舶提供由装船口岸地方产品质量监督检验部门签发的包括含水率在内的证明文件,     

提高中国海员素质刻不容缓

在不到一个月的时间里,与中国海员相关的重大海难事故就有三起。富城号挪威搁浅,造成重大海域污染;立善轮马来西亚海域被撞,造成船舶起火,9名船员失踪;昌盈轮台湾避台风时失踪,22名中国船员失踪。三起事故,造成了重大的人员伤亡及环境污染。这三艘船舶中只有两名中国台湾船员,其余均是大陆船员,并都是大陆船长。从这三宗海难中可以透析出中国海员的素质提高刻不容缓。     

港口水域海事安全风险分析法

海事的发生是由一系列原因导致的,通过对事故各原因与结果之间的关联性进行分析,找出其发生规律,这将直接影响到海事安全管理的效率.将数据挖掘中关联规则技术应用到海事安全风险因素分析中,搜寻事故诱因与结果的频繁项集和规则表达式来发现事故原因的潜在规律,为港口水域海事安全管理工作提供科学依据.经初步分析得出船员因素与事故的发生影响最大,且与碰撞事故的关联性最大.