高铁车站牵引电流损伤机械绝缘节原因探讨

高速铁路车站出现多次电气化牵引电流回流造成机械绝缘节和钢轨损伤的现象。根据现场的几次典型案例,对比分析电压损伤和电流灼伤2种情况的不同,为后续针对性的研究防护措施提供参考。     

汽车正面碰撞法规中乘员保护指标探讨

比较美国、欧洲等国和我国汽车正面碰撞法规中对乘员保护指标的规定,结合人体冲击损伤机理和耐受极限的相关研究,分析我国法规中头部伤害指标HPC的不合理之处。在分析实车碰撞试验数据和模拟计算的基础上,指出我国正面碰撞法规中乘员保护指标的不完备性,并探讨影响伤害指标结果的一些因素。     

5-羟色胺转运体基因多态性和抑郁症的发病、性别、严重程度及自杀行为的相关性

目的探讨中国汉族人群5-羟色胺转运体启动区(5-HTTLPR)基因多态性和抑郁症的发病、性别、严重程度及自杀是否相关。方法应用聚合酶链式反应(PCR)扩增技术测定150例抑郁症患者和150例正常对照者的5-HT-TLPR基因型和等位基因,分别验证各种基因型与中、重度抑郁症发病、性别及自杀行为的相关性。结果病例组SS、LS基因型及S等位基因频率均高于对照组(26.0% vs.20.0%;52.7% vs.46.0%;52.3% vs.43.0%;P均<0.05);两组性别分层比较,女性S等位基因频率高于对照组(55.3% vs.43.6%,P<0.05);病例组严重程度分层比较差异无统计学意义(P>0.05);病例组有无自杀行为分层比较,有自杀行为患者SS基因型频率(37.3% vs.20.2%)及S等位基因频率(61.8% vs.47.5%)均高于无自杀行为患者(P<0.05);抑郁自杀组性别分层比较未显示显著性差异(P>0.05);抑郁自杀组病情程度分层比较,重度抑郁自杀者SS基因型频率(42.5% vs.18.2%)及S等位基因频率(68.7% vs.36.4%)均高于中度抑郁自杀者(P<0.05)。结论在中国汉族人群中,5-HTTLPR多态性和抑郁症相关。S等位基因可能是抑郁症的易感基因,特别是女性,SS型可能是抑郁症易感基因型;S等位基因可能是抑郁症患者自杀的危险基因,SS基因型人群可能是抑郁症患者自杀的危险人群,特别是携带S等位基因的重度抑郁症患者更易自杀。     

山区双车道公路机动车碰撞事故严重度致因比较分析与预测

以云南山区双车道公路1740起碰撞事故数据为基础,将事故数据分为机动车与机动车、机动车与摩托车、机动车与非机动车3种类型,事故严重度划分为仅财产损失、轻伤、重伤或死亡事故3个等级,分别用部分优势比模型和有序Logit模型建立3类机动车碰撞事故严重度分析模型,对比分析不同等级事故的显著影响因素和模型的预测准确率,分析部分...     

基于人体损伤的低速气囊标定研究

文章应用整车碰撞有限元模型与THUMS人体模型,对该车低速碰进行了气囊匹配分析,分析了该车在25kmph、28kmph、30kmph、32kmph的低速碰撞情况的人体伤害情况,得出了该车在30kmph时,且气囊在35ms起爆时,人体伤害最小的结论。     

山区高速公路事故多发点的组合鉴别方法

基于国内外交通事故鉴别方法,结合山区高速公路特点及其事故特点,提出改进的鉴别指数与非定长分段法相结合的适合山区高速公路的混合鉴别方法,最后在包茂高速(西安—榆林)铜川段进行实例验证,证明了该方法的有效性。     

山区公路穿村镇路段过境车辆事故严重程度推理分析

为获取道路线形、驾驶员属性、车辆类型、事故形态等因素对山区公路穿村镇路段过境车辆事故严重程度的影响机制。本文基于元双公路(元谋—牟定)2012—2017年事故数据,利用社会网络分析法从人、车、路、环境等方面筛选出15个影响因素;基于机器学习方法构建贝叶斯网络模型;以事故严重程度为决策变量,分析不同证据变量与驾驶员行为共同作用的推理结果。结果表明：不安全驾驶行为与危险事故因素的共同作用,将会增加事故严重程度;当涉及货车时,由于未保持安全距离,伤人事故率增加8.2%;在弯坡组合路段,由于驾驶员判断失误,伤人事故率增加 19.6%;阴雨天行驶时,由于驾驶员判断失误,伤人事故率增加5.4%;由于操作不当,发生侧翻事故时,伤人事故概率增加3.1%。     

Weight threshold estimation of falling UAVs (Unmanned Aerial Vehicles) based on impact energy

Different weight thresholds for drone operations have been specified by regulatory agencies in different countries, without detailed backgrounds of guidelines. Therefore, this paper aims to study weight thresholds by focusing different levels of injuries caused by the impact of the drones on human head of different weights dropped at various heights. The work covers drone free drop modelling, FEM (finite element method) based impact modeling, and comparable drop impact experiments. The analyses and experiments were conducted accordingly to two individual commercially-available groups: small and large drones in weights. Two well-established indicators defining head injuries due to impact, which are known as Head Injury Criterion (HIC) and Abbreviated Injury Scale (AIS), are used in the present weight threshold study. The proposed AIS level for the weight threshold estimation has been set at AIS level 3, which indicates major skull fracture, in the further analysis through the probability of fatality. The main focus of the present work is to perform a parametric study and to present a reliable model to estimate the weight thresholds of the drone operations based on HIC and AIS. In conclusion, the results obtained and presented in this paper have demonstrated and provided a comprehensive analysis of possible direct injuries of a falling drone impacting a human head, with relevant data of impact or injury levels associated with HIC and AIS obtained for a drone with different weights falling from various heights.     

��ͨ��ͻ���ض�ģ�����۷���

交通冲突技术是一项近似事故的安全评价方法,具有许多事故评价不可比拟的优点。冲突严重度判别是交通冲突技术中非常重要的一个环节,一般采取距碰撞时间（tTTC）作为指标。但是由于传统的冲突技术最初是在人工观测的背景下开发出来的,因此冲突严重度的判别相对依赖人工经验,不够精确,因此不利于实现自动冲突检测。本文试图将模糊控制思想引入交通冲突严重度判别来解决这些问题,并相应地提出两种实用的方法及讨论了如何将其用于实时动态自动监测交通安全。     

电动自行车与机动车事故严重性影响因素分析

为减少电动自行车与机动车事故造成的损失，定量剖析不同因素对事故严重程度的差异性影响至关重要。基于上虞区2018年10304起电动自行车与机动车事故，分析该类事故的严重性分布情况和时间与空间分布特性。以事故严重性为因变量，将其有序分为未受伤、轻伤及重伤事故3类，从时间、空间、道路、环境、骑行者及车型6个方面，选取17个事故严重性潜在影响因素， 采用多项Logit模型、有序Logit模型、广义有序Logit模型及偏比例优势模型进行拟合度对比分析，并以最佳模型(偏比例优势模型)和边际效应，量化分析各因素对事故严重性影响的显著性与差异性。结果表明，除节日类型、车道限速、车流相交角及温度对事故严重性影响不显著外，其余 13个因素都有显著影响，事故时间、光线亮度、骑者性别、骑者年龄、车辆类型及电动自行车类型违反平行线假设；对该类事故严重性影响最大的前4个因素为电动自行车类型、机动车类型、骑行者年龄与性别，其边际效应绝对值的最大值均超过61%，事故区位、道路类型及光线亮度的影响较大(20%~30%)，事故时间和风力等级影响较小(10%~20%)，而季节、事故位置、慢行干扰度和天 气状况的影响最小(≤8%)。基于各因素的差异性影响，为交通管理部门提出了有效改善建议。