考虑严重程度的城市道路交叉口事故密度空间分布

为探究城市道路交叉口交通事故的空间分布特征,找出影响事故严重程度的关键因素,基于哈尔滨市城市道路交通事故数据库,获得有效交叉口事故样本1 758起,并提取9类事故特征.采用密度分析方法,分别获得考虑路网密度、交叉口密度、严重程度的事故密度空间分布特征,并将其可视化显示.将事故严重程度分为死亡事故和非死亡事故2类,选择事故严重程度预测效果最好的随机森林算法分别对整个城市区域、低密度区域和中高密度区域影响交叉口事故严重程度的因素排序.结果表明：考虑路网密度、交叉口密度和事故严重程度时,交叉口事故空间分布呈现一定的差异性;对于整个城市区域、低密度区域和中高密度区域,季节和天气情况均为事故严重程度的主要影响因素,交叉口类型、事故形态和时段分别为3类区域的主要影响因素.     

广东省机-非交通事故时空特征与严重程度分析

为探究广东省机-非交通事故的时空特征和事故严重程度影响因素,对2011～2017年广东省发生的机-非交通事故进行统计分析;并选取2017年发生的3 337起事故,以事故严重程度为因变量,道路线形、照明条件和路面状况等12个道路环境因素为候选自变量构建Logistic模型。结果表明:广东省机-非交通事故数量和死伤人数整体呈上升态势。冬季事故伤亡情况最严重,且高峰期容易出现事故,但夜间事故致死率高。珠三角地区的事故数量和死伤人数比例最高,而东翼地区的事故致死率最高;非城市道路事故情况比城市道路严重。事故严重程度与道路线形、路口路段类型、横断面位置、地形、时段、能见度和照明条件等7个因素显著相关。研究结论可为降低机-非交通事故的危害性提供参考依据。     

山区高速公路路段危险度计算模型

通过对山区高速公路交通安全特征进行分析以及对山区高速公路交通事故发生数量和伤亡情况的统计分析,运用综合事故率法建立了危险度模型,提出了交通事故数、事故严重程度和事故原因等因素的量化方法,并用层次分析法确定了各影响因素的权重.最后,运用该模型对成渝高速公路重庆段存在的危险路段进行了科学识别.应用结果表明,该模型所需要的参数比较容易获取,可操作性强.计算结果可为山区高速公路交通安全的改善提供科学依据.     

基于随机森林优化的自组织神经网络算法

针对基于降维的神经网络分类器预测模型在分析过程中存在特征丢失, 并导致精度下降的问题， 提出一种基于随机森林算法优化的多层感知器(MLP)回归预测模型. 该优化模型通过在MLP回归模型网络的全连接层和逻辑回归层之间增加一个优化机制, 利用随机森林算法对隐藏层状态的优化实现改进, 从而解决了降维过程中神经网络丢失数据特征的问题. 在借贷客户信息数据集上的实验结果表明, 该模型在保证主要特征的同时大幅度提升了预测准确率, 证实该模型在特征工程中具有较高的实用性.     

基于多维缩放和随机森林的轴承故障诊断方法

为快速准确识别轴承的运行状态,提出了一种基于多维缩放和随机森林的轴承故障诊断方法。该方法采用函数型数据分析,得到轴承振动信号自相关函数的拟合系数,构造故障特征集;使用网格搜索法优化随机森林参数,得到特征重要性排序;然后使用多维缩放方法对特征选择后的故障特征集进行降维;最后采用随机森林对降维后的故障特征进行诊断识别。为验证所提方法的有效性,开展了正常、内圈故障、外圈故障、滚子故障状态下的轴承振动实验,结果表明,函数型数据分析的特征提取方式能有效表征不同状态轴承振动信号的不同特征,与t分布随机邻域嵌入和主分量分析方法相比,多维缩放方法具有更高的类间距和类内距的比值,且优势明显,各类状态的诊断准确率均高达100%,较使用原始特征集的随机森林平均准确率提高了5%。     

基于t-SNE的随机森林可视化

随机森林是一种优秀的组合分类器,但缺少较好的解释性。为了使随机森林模型更具理解性和解释性,本文提出一种基于t-SNE的可视化随机森林相似性矩阵的方法:首先运用随机森林学习出样本间的相似性度量矩阵,然后采用t-SNE方法降维,最后可视化。实验证明,该方法比MDS更有效。     

基于空间广义有序Probit模型的高速公路事故严重程度分析

为深入了解影响高速公路交通事故严重程度的显著因素,以广深沿江高速东莞段2014—2019年事故数据为研究对象,将事故严重程度分为3类（即无伤亡事故、轻伤事故、重伤亡事故）,并以事故严重程度为因变量、13个潜在影响因素为自变量,通过条件自回归先验解析相邻事故间的空间相关性,建立不同关联距离阈值的空间广义有序Probit模型。结果表明：事故数据间存在显著的空间关联;空间广义有序Probit模型优于广义有序Probit模型和多项Logit模型,基于250 m关联距离阈值的空间广义有序Probit模型表现最优。该模型参数估计显示：车辆类型和归属地、事故发生时间、事故地点曲率、桥梁路段和事故类型对高速公路事故严重程度均有显著影响。边际效应结果表明：相对于小汽车间的交通事故,涉及客车、货车和其他类型车辆的交通事故导致人员重伤亡的概率分别增加3.27%、1.53%和4.11%;外省车使得重伤亡事故的发生概率增加1.02%;相对于周末、春季和桥梁路段,工作日、夏季和非桥梁路段发生的交通事故导致人员重伤亡的概率分别提高0.87%、2.38%和0.08%;单车事故导致重伤亡的概率比多车事故低1.64%;事...     

基于随机森林算法的城区土地覆盖分类研究

随机森林算法是一种高度灵活且易于使用的机器学习算法,目前在遥感影像分类中应用广泛。为了验证其在城市土地覆盖分类中的效果,本文对河南省洛阳市局部城区进行了土地覆盖分类实验,将Landsat 8(OLI)遥感影像的光谱波段、光谱指数和纹理特征相结合,构成多种特征组合进行随机森林算法分类比较,选择分类效果最佳方案,并与支持向量机方法进行比较。后利用随机森林算法对该组合特征变量高维数据进行降维处理,得到优化特征方案。实验结果表明:采用多源特征组合的随机森林算法的土地利用分类效果最佳,总体精度为90.54%,Kappa系数为0.890,比支持向量机方法的分类精度提高了3.1%;降维处理后的特征方案与随机森林结合在保证分类结果拥有高准确度的同时,减少了运算时间,实现了土地覆被类型信息的高效获取。表明随机森林算法在城区土地覆盖分类上有很好的适用性与稳定性。     

基于随机效应模型的交叉口事故碰撞类型建模

考虑交叉口不同进口道之间的差异性,在进口道层面对不同碰撞类型事故分别建立随机效应模型,通过在负二项模型中引入随机效应项来考虑交叉口不同进口道之间的空间相关性.模型参数采用全贝叶斯方法进行估计.结果表明:不同碰撞类型事故的影响因素不同,且同一影响因素对不同碰撞类型事故的影响程度也存在显著差异,验证了区分碰撞类型进行事故建模的必要性.随机效应项在各模型中均显著,表明交叉口不同进口道之间事故频率存在显著的空间相关性.     

随机森林与自编码器相结合的自适应特征选择算法

特征选择在信用评估中是一种常用的数据降维技术。然而,传统的特征选择方法主要基于特征之间的线性相关性,无法有效处理非线性数据关系,导致无法准确估计变量之间的相关性程度。为了克服这个问题,该文提出了一种改进的特征选择算法,结合了随机森林和自编码器的优点。首先,利用随机森林去除与目标变量不相关的特征。然后,计算剩余特征的综合重要度,并使用这些保留的特征来训练自编码器神经网络。最后,使用自编码器的学习参数初始化一个三层神经网络,用于重构特征。在公开的信用评估数据集上进行了实验,结果表明,所提出的算法相对于其他方法表现更出色。     

公交车单车事故严重程度影响因素分析

为研究公交车单车正面碰撞事故严重程度的影响因素,选取英国2014-2018年速度不高于30mph/h的公交车在城市交叉口范围内发生正面碰撞的数据,建立离散选择模型—有序logit模型,从公交车驾驶员特征、车辆特征、道路特征、环境特征和事故特征方面分析影响致命事故、严重事故和轻伤事故的因素。分析结果表明：在90%的置信水平下,事故严重程度与驾驶员性别、年龄、车辆意图、车龄、车辆状态、车辆是否离开车行道、事故是否发生在工作日、路面情况、是否信号控制、光线情况、警察是否在事故现场、事故发生位置、碰撞设施这些因素显著相关。研究结果可使交通管理者采取相应的措施降低公交车事故严重程度。     

山区高速公路事故涉及车辆数致因分析

为减少山区高速公路的交通事故发生率以及提升其交通安全性,对山区高速公路交通事故中涉及车辆数的影响因素进行分析。首先对西部某高速近八年来发生的一万多起交通事故进行时空特性分析和起因分析;其次以事故涉及车辆数为因变量,将其分为单车、双车、多车事故三个等级,并从驾驶员、车辆、行驶环境等层面选取8个潜在自变量作为有序Logit模型的分析因子,得到显著性小于0.05的6个自变量;最后利用有序Logit模型对6个显著变量进行分类,通过分析得到各自变量分类优势比(or)大小,并采用负二项回归(NB)模型验证自变量分类风险大小的正确性。分析结果表示各自变量分类中的冬季、涉及大货、间距不足、收费站、晴、白天等分类优势比最大,且优势比在有序Logit模型分析时变化更大,说明有序Logit模型比负二项回归模型更适合用于分析事故涉及车辆数变量的分类优势比。结论表明,在交通安全治理时尽量控制优势比大的因素可减小事故车辆数,从而可间接降低严重事故的发生率,为高速公路管理提供有力的决策依据。     

一种基于视频的交通事故检测方法

针对目前交通事故检测中存在因疲劳等原因造成交通事故漏检的现象,提出一种基于视频的交通事故检测方法。该方法包括3部分:预处理模块,检测车辆和分析车辆状态;交通事故检测模块,判断是否会发生碰撞;报警模块,主要进行事故实时报警且实时存储事发图片。以车流量较小的路口为例进行仿真实验,结果表明,该系统能准确地预测并判断交通事故的发生。     

基于K-means++的驾驶人致因因素倾向性分析

交通事故致因因素导致交通事故的发生,而交通事故致因因素的产生与驾驶人的特征相关。基于K-means++对事故伤亡人数、年龄、驾驶经验、事故责任、驾驶人的不安全行为值、车辆的不安全状态值进行聚类分析,探讨具备不同特征的驾驶人群体产生不同类别的交通事故致因因素的倾向性。结果表明,当聚类簇数为3时,轮廓系数为0.52,模型将驾驶人分为3个群体。其中：驾驶经验及年龄较低,事故责任较高的驾驶人群体存在较高的不安全行为值;驾驶经验及年龄较高,事故责任较高的驾驶人群体存在较高的车辆的不安全状态值及较高的伤亡人数;事故责任较低的驾驶人群体的不安全行为值与车辆的不安全状态值均较低。     

基于部分优势比的高速公路路产损失严重度分析

为了明晰路产损失严重程度的关联因素,以西南山区高速公路814起引起路产损失的事故数据为基础,将事故造成的路产损失按赔偿金额分为4 000元以下、4 000~10 000元、10 000元以上3个等级,从车辆类型、涉事车辆数、事故形态与原因及行车环境等方面选取了影响路产损失严重程度的潜在因素,利用部分优势比模型建立山区高速公路的路产损失严重程度分析模型,并以伪弹性系数分析各因素对路产损失的影响程度。研究结果表明:与路产损失程度相关性显著相关的共有13个因素,其中肇事车辆为中小货车、客车、轿车和季节为冬季不满足比例优势假定,其余变量均满足比例优势假定;肇事车辆为重大货车会增加发生2级和3级路产损失事故的概率,曲线半径较小的路段也呈现相同影响的关系;缓和曲线、多车事故、天气、平直路段也均会引起2级和3级路产损失事故发生概率的增加。     

轮胎拖印分析道路交通事故车速的模型

道路交通事故发生前的车速(简称事故车速)是确定事故责任的依据,是研究事故再现的主要内容之一,也是目前国内外交通安全研究领域的一项重要课题。从事故现场的轮胎拖印出发,分析建立了根据轮胎拖印计算事故车速的模型。考虑到事故现场汽车各轮胎拖印的多样性和交警在事故现场采集数据快速准确的要求,运用能量守恒定律,将轮胎现场印迹分为胎印、擦印和拖印三阶段,将现场轮胎拖印测量起始点确定为轮胎胎印的起始点,并引入前后轴荷比和制动拖印修正系数。建立的事故车速分析计算模型综合考虑了事故车辆装载质量的变化、各车轮轮胎拖印长度的不等、制动过程轮胎与路面附着系数的变化等因素。     

基于聚类分析的重型载货车辆长大下坡路段交通事故分析

 长大下坡路段是重型载货车多发事故区域。当前针对重型载货车发生事故的研究大都集中在车辆超速方面,忽略了车型、天气、驾驶人特性等因素。本文通过分析云南罗富高速公路某长大下坡路段在2012 年内的重型载货车事故数据,研究车型、天气、驾驶人特性等因素对重型载货车事故的影响。统计分析了不同因素影响下重型货车在长大下坡路段发生事故数的分布规律;然后利用K 均值聚类算法,依据不同因素造成的事故严重程度(事故量、受伤人数、死亡人数),将所有的因素分为3 类。研究结果显示,外地车辆、六轴车和在00:00-07:59 时段发生交通事故的严重程度最重,而有雾、有雨和低温对事故的影响很小。     

自动代客泊车接受度及停车选择行为影响因素分析

自动代客泊车是无人驾驶系统的重要组成部分,对于缓解城市交通拥堵具有重要作用。为了探讨自动代客泊车接受度及选择行为影响因素,首先基于技术接受模型,选取感知易用性、感知有用性、行为态度、行为意向、感知风险、信任六个心理潜变量构建自动代客泊车结构方程模型。随后基于线上调查问卷数据,采用随机森林算法构建考虑心理潜变量模型与不考虑心理潜变量模型,研究发现考虑心理潜变量的随机森林模型拟合优度更高,更适合用于分析自动代客泊车选择行为的影响因素。通过袋外估算误差率对考虑心理潜变量的随机森林模型进行变量筛选,结果表明当变量个数为9时,该模型的袋外估算误差率最小,筛选后的变量分别为停车费用、受教育程度、感知风险、出行总成本、行为意向、信任、月收入水平、感知易用性、年龄。最后将筛选后的9个变量纳入逻辑回归中进一步分析各变量对选择行为的影响程度,参数标定结果表明停车费用、受教育程度、感知风险、出行总成本、行为意向、信任、月收入水平、年龄变量均对选择行为具有显著影响。     

车与两轮车事故中驾驶员转向行为影响因素研究

为研究车与两轮车事故中驾驶员转向行为的影响因素,本文对172例车与两轮车真实案例进行统计分析,从中挑选出65例车辆具有驾驶转向行为的事故案例,并利用PC-CRASH对其进行事故再现仿真。运用Logistic回归模型对事故数据进行分析,得到驾驶员转向行为的显著性影响因素,最后利用拟合优度检验法和预测准确度检验法验证了模型的可靠性,置信度为95%时,模型的回判正确率为87.7%,具有良好的预测效果。结果表明：在车与两轮车事故中车流量、两者相对距离以及本车速度对驾驶员转向行为影响显著性较高,发生比依次为0.049、0.036、0.025,在车辆横向辅助驾驶系统开发及转向策略确定时应作为重点考虑因素,本研究可为汽车自动驾驶、紧急转向系统等汽车主动安全技术的研发提供参考价值。     

交通流模拟中的随机输入模型

在交通流模拟过程中,随机输入车辆信息和交通流信息是模拟的开端,本文在模拟过程中,以[0,1]均匀分布随机数为基础,选用车型、车头时距和车速作为表征动态交通流的随机变量,建立了车辆随机产生了一组数学模型,给出了交通流随机输入的程序框图,并对实际交通流数据进行了分布拟合。