商空间理论在道路交通事故分析中的应用

从粒度计算角度对以往道路交通事故进行分析.首先在商空间粒度计算理论框架下,通过对历年事故影响要素的分析,得出商空间模型下的特征属性;再通过对以往事故的分析,运用统计学方法获取相应的决策属性,将特征属性和决策属性相结合采用构造性机器学习方法对交通事故进行预测,建立事故预测模型以实现较为准确的事故量预测和分析.实验证明这种...     

基于状态向量的危化品事故分析方法及应用

危险化学品行业属于高危险性行业,各类爆炸、火灾、泄漏和中毒事故时有发生.传统的基于因果关系的事故链分析方法受限于传统安全工程所依赖的技术基础和假定无法适应于今天所建造的复杂系统.本文以事故致因理论为基础,分析危化品事故形成的主要影响因素,构建了危化品事故状态向量,全面描述导致危化品事故发生的因素,并基于构建的状态向量进行危化品事故分析预测应用.利用高维向量对事故状态进行了定义,尽最大可能考虑了造成事故发生的众多因素,并利用支持向量机学习算法,建立事故预测模型.对已掌握的危化品事故进行的样本实验表明,本文提出的危化品事故预测方法,可有效快速的甄别事故状态,对危化品行业事故的预测预防具有积极意义.     

非线性时间序列混沌特性分析及短期预测

为提高非线性时间序列预测的准确性和可靠性,采用基于混沌理论的方法对时间序列进行分析和预测.在研究关联维数和最大Lyapunov指数算法基础上,利用关联维数和最大Lyapunov指数判定时间序列的混沌特性,根据混沌特性参数建立预测模型,并对非线性时间序列进行预测.以上海证券交易所股票价格指数时间序列为实例验证预测模型,研究结果表明,基于混沌特性参数建立的预测模型具有较好的预测能力和预测精度,证明用该方法预测非线性时间序列具有可行性.     

遗传算法优化BP 神经网络的短时交通流混沌预测

为了提高BP神经网络预测模型对混沌时间序列的预测准确性,提出了一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法.利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,并将该预测方法应用到几个典型混沌时间序列和实测短时交通流时间序列进行有效性验证.仿真结果表明,该方法对典型混沌时间序列和短时交通流具有较好的非线性拟合能力和更高的预测准确性.     

基于新维无偏灰色马尔可夫的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。在传统灰色预测模型和马尔可夫链理论的基础上,利用新信息优先的思想,建立了等维新息无偏灰色马尔可夫预测模型。该模型通过结合灰色预测与马尔可夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行马尔可夫预测,在每一步预测中不断推陈出新,更新原始数据。以2001年—2010年全国道路交通事故死亡人数实测值作为原始数据,构建预测模型,预测其2011年—2015年事故死亡人数。结果表明：等维新息无偏灰色马尔可夫预测模型的误差更小,精度更高,尤其适合中长期预测。     

基于回声状态网络的多变量预测模型的研究

考虑单变量在混沌时间序列预测中的不足,文章利用多变量模型进行混沌时间序列的预测。针对多变量预测过程中的维数过高问题,文章结合主元分析理论(PCA)和回声状态网络(ESN),构建了基于PCA和ESN的多变量混沌时间序列预测模型,将PCA降维后的时间序列数据输入ESN网络进行预测分析。论文对由Lorenz动态方程生成的三变量混沌时间序列进行了仿真实验,结果表明该模型有效地提高了预测的精度和预测的效率,是一种有效的混沌时间序列预测方法。     

一种基于贝叶斯网络模型的交通事故预测方法

大部分的交通事故都可以预测.有效的交通事故预测能从很大程度上减少人员伤亡和交通阻塞.贝叶斯网络是目前不确定知识和推理领域最有效的理论模型之一.该文提出了一种基于贝叶斯网络模型理论的交通事故预测方法.在综合考虑交通事故成因的基础上利用领域专家知识构建网络模型,在已有的事故数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算事故发生的可能性,达到事故预测的目的.文章的最后,通过历史数据进行仿真实验,对仿真结果和该模型的适用范围进行了分析.     

遗传算法优化BP神经网络的混沌时间序列预测

为提高BP神经网络预测模型对混沌时间序列的预测精度,将改进的遗传算法和BP神经网络结合,提出了一种基于改进遗传算法优化BP神经网络的混沌时间序列预测方法。利用改进的遗传算法优化BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。将该模型应用到几个典型的非线性系统进行预测仿真,验证了该算法的有效性,与BP神经网络预测模型的预测结果进行了比较,仿真结果表明该方法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度。     

混沌时间序列预测模型的比较研究

针对目前混沌时间序列预测模型预测结果差异较大的问题,归纳了4种混沌时间序列预测模型：BRF神经网络模型、最大Lyapunov指数模型、局域线性模型和Volterra滤波器自适应预测模型,并对这4种预测模型进行了比较研究。应用4种预测模型对几个典型的非线性系统进行预测仿真。结果表明,这4种预测模型对典型混沌时间序列预测都具有很好的预测效果;在预测精度上BRF模型和Volterra模型明显优于最大Lyapunov指数模型和局域线性模型。     

基于Rough Set的矿区REES系统中的瓦斯事故分析

瓦斯事故是煤矿经常发生的事故,在矿区REES系统中应对其有准确的分析与预测,采用了Rough Set理论对矿区REES系统中事故分析进行了建模,给出了分析步骤与流程,然后利用作业评价法评价矿井中煤与瓦斯突出分类等级,最后利用Rough Set理论建立煤与瓦斯的决策表,求得其约减,提取决策规则,对规则进行了分析,用于指导煤矿开采。     

不确定度理论在事故鉴定中的应用

基于多元函数的不确定度理论,针对道路交通事故的速度计算模型建立了相应的不确定度分析方法。通过计算事故再现分析所需参数的不确定度分量,运用方差合成理论将各不确定参数的标准不确定度分量进行合成,最终得到车速估算结果的合成标准不确定度和扩展不确定度,以此给出较为合理的车速估算结果。该文以汽车碰撞自行车事故为例,验证了该方法的正确性。     

道路交通事故的三维仿真方法研究

在道路交通事故的再现分析当中，三维仿真属于最终的环节。利用碰撞模型和模拟模型分析计算出肇事车辆、人、畜在事故过程中各个时刻的运动形态，使用三维动画的形式再现事故的整个过程是三维再现方法研究的主要内容。该文根据CM碰撞模型和基于龙革库塔法的模拟模型的计算结果，使用OpenGL图形接口，实现了交通事故的三维仿真，并且利用VisualC 6．0开发工具开发了实用软件3D Player。     

基于模糊聚类的不同交通方式的交通事故特征分析

交通事故频发给人们的财产和人身安全带来了极大的危害,掌握交通事故特征对于预防交通事故发生、减少人身伤亡和财产损失至关重要.运用模糊聚类的数量积法对我国2010年交通事故相关数据进行分析,建立模糊相似矩阵,然后用平方法计算传递闭包,得到模糊等价矩阵,根据相似系数不同的值进行动态聚类.结果表明：在五类交通方式中,汽车的事故指标较高,拖拉机、非机动车和行人乘车人的事故指标比较接近,而摩托车的事故指标较低.     

车辆碰撞事故再现技术的发展

事故再现技术是鉴定事故责任和分析事故原因的方法之一。通过对国内外车辆碰撞事故再现技术的回顾,总结了车辆碰撞交通事故再现技术的一般仿真算法计算流程,探讨了事故再现技术中影响仿真速度和精度的主要原因,其中估计车辆的初始碰撞位置参数进行迭代计算将导致较长的计算时间,忽略车辆的塑性变形和驾驶员的操纵行为将导致模型的不精确。展望了事故再现技术的发展趋势,未来的交通事故再现技术将能够推断驾驶员的操纵行为,模拟出驾驶员的生理心理变化,并能进行事故预防分析。     

Slipping,tripping and falling accidents to delivery drivers

North American studies have shown that approximately 25% of injuries to drivers of commercial vehicles are caused by slipping, tripping and falling accidents and a large proportion of these are associated with entry to and exit from the vehicle.

No similar data have been obtained for delivery drivers within the U.K. and a study has therefore been carried out to investigate the slipping, tripping and falling accidents sustained during the distribution of products using commercial road vehicles. Accident information from two companies which operate large commercial vehicle fleets has been analysed and data on slipping, tripping and falling accidents to drivers have been examined using a sequential accident model in order to identify contributory factors. Entry and exit systems to and from the vehicles have been evaluated and compared with the minimum requirements which have been proposed by various authorities. A questionnaire survey of drivers has also been carried out to determine the comments of the user population in order to identify additional factors which may contribute to the level of hazard. The need for further research to provide comprehensive guidelines for vehicle system designers has been identified.     

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。     

Accident history,risk perception and traffic safe behaviour

Abstract

This study clarifies the associations between accident history, perception of the riskiness of road travel and traffic safety behaviours by taking into account the number and severity of accidents experienced. A sample of 525 road users in Cameroon answered a questionnaire comprising items on perception of risk, safe behaviour and personal accident history. Participants who reported involvement in more than three accidents or involvement in a severe accident perceived road travel as less risky and also reported behaving less safely compared with those involved in fewer, or less severe accidents. The results have practical implications for the prevention of traffic accidents.

Practitioner Summary: The associations between accident history, perceived risk of road travel and safe behaviour were investigated using self-report questionnaire data. Participants involved in more than three accidents, or in severe accidents, perceived road travel as less risky and also reported more unsafe behaviour compared with those involved in fewer, or less severe accidents. Campaigns targeting people with a less serious, less extensive accident history should aim to increase awareness of hazards and the potential severity of their consequences, as well as emphasising how easy it is to take the recommended preventive actions. Campaigns targeting those involved in more frequent accidents, and survivors of serious accidents, should address feelings of invulnerability and helplessness.     

Pattern recognition for road traffic accident severity in Korea

An increasing number of road traffic accidents (RTA) in Korea has emerged as being harmful both for the economy and for safety. An accurately estimated classification model for several severity types of RTA as a function of related factors provides crucial information for the prevention of potential accidents. Here, three data-mining techniques (neural network, logistic regression, decision tree) are used to select a set of influential factors and to build up classification models for accident severity. The three approaches are then compared in terms of classification accuracy. The finding is that accuracy does not differ significantly for each model and that the protective device is the most important factor in the accident severity variation.     

基于多目标协同演化算法的大规模自动驾驶策略

目前无人驾驶技术领域的研究重点主要集中在单车层面的感知、决策与控制,而缺少对多车 之间交互及博弈的研究,因此无法有效降低交通系统整体事故率并提升通行效率。该文提出一种基于 合作博弈理论的大规模自动驾驶策略涌现方法。通过建立面向网联汽车、多目标优化决策的合作博弈 演化平台,并构造了一种网格道路模型和车辆运动学模型,使得系统中各车辆之间以近邻博弈的方式 进行交互;同时系统采用分布式算法并具有间接交互的特点,最终模型计算复杂度与模拟车辆规模呈 线性关系。实验结果表明,最佳策略涌现后,事故率和平均速度均取得明显改善,其中事故率降低了 90%,模型计算速度提升了 30%。该方法可应用于包含数百万辆自动驾驶汽车的城市级智能交通规划 系统中。     

基于视频检测技术的交通事故仿真再现研究

本文实现了一种基于视频检测技术的交通事故仿真再现解决方案,该系统利用现有视频检测技术检测出交通事故中事故车辆的速度,加速度,运动轨迹等,并结合碰撞模型,得出事故车辆的运动规则,以此作为三维仿真的输入数据。利用3DMax开发事故中的物体模型,并通过Direct3D组件,应用视频检测得出的数据进行三维仿真模拟。