国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種營運車輛道路交通事故風險識別方法

      文檔序號:9350943閱讀:2381來源:國知局
      一種營運車輛道路交通事故風險識別方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明涉及道路交通安全防范技術(shù)領(lǐng)域,具體涉及一種營運車輛道路交通事故風 險識別方法。
      【背景技術(shù)】
      [0002] 盡管我國的人均汽車保有量僅為〇. 09,但隨著道路里程的不斷增加和運行環(huán)境的 持續(xù)改善,過去20年民用汽車保有量增加了 12. 5倍。急劇增長的道路出行需求與缺乏經(jīng) 驗的交通安全保障體系之間的矛盾,使得中國道路交通安全形勢非常嚴峻,帶來了諸如交 通事故數(shù)量增加及其嚴重程度加劇等負面影響。2013年我國道路交通事故傷亡人數(shù)27萬 余人,僅次于印度。以萬車死亡率衡量,2012年我國萬車死亡率為3. 7,而同期美國為1. 3, 日本為0.6,法國為0.9,英國僅為0.5。由此可見,我國道路交通安全狀況十分嚴峻。交通 事故數(shù)據(jù)統(tǒng)計顯示,營運車輛發(fā)生群死群傷事故的比例遠遠高于其它用途的車輛。而道路 運輸企業(yè)的安全管理是一個系統(tǒng)工程,牽涉的內(nèi)容較多,故在運營、管理過程中易造成管理 疏漏,安全隱患多。因此,對我國營運車輛道路交通事故致因機理進行深入研究就顯得十分 重要,對減少營運車輛道路交通事故的發(fā)生率、提高我國預(yù)防道路交通事故的能力和水平 具有重要的應(yīng)用價值。
      [0003] 目前,交通事故致因機理的研究正朝系統(tǒng)論的方向發(fā)展,即由最初單純尋找事故 的致因因素向闡述事故演變過程的方向延伸,將事故的致因因素集看作一個系統(tǒng),建立具 有一般性的數(shù)學(xué)模型或圖模型描述事故的因果邏輯關(guān)系及風險轉(zhuǎn)化路徑,輸入容易觀測的 因素值即可對事故演變過程中的不穩(wěn)定因素的影響進行評估。已有的研究建立了事故發(fā)生 與人員行為、車輛特性、道路環(huán)境、管理條件等事件間的線性因果關(guān)系,但是,對于事件間的 復(fù)雜交互性、動態(tài)性及實時性的解釋遠遠不夠,許多事故影響因子可能被隱藏。
      [0004] 營運車輛道路交通事故的發(fā)生極少是單一原因誘發(fā)的,而是事故影響因素序列連 鎖反應(yīng)的結(jié)果。如果能及時抽掉事故風險鏈中的一個或多個環(huán)節(jié),許多重大傷亡事故是完 全可以避免的。然而,長期以來,由于事故的復(fù)雜性與不確定性以及過去認知手段的缺乏, 我國在營運車輛道路交通事故連鎖反應(yīng)機理的研究上仍處于起步階段,不能有效解析營運 車輛道路交通事故的因果性和潛伏性,極大地削弱了我國對道路交通事故的防治能力。

      【發(fā)明內(nèi)容】

      [0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的上述不足,提出一種適用于營運車輛道路交通 事故關(guān)鍵風險路徑甄別的方法,分析誘發(fā)營運車輛道路交通事故的事件序列和風險度。本 發(fā)明的主要研究內(nèi)容為:首先,建立典型營運車輛道路交通事故數(shù)據(jù)庫,構(gòu)建事故連鎖反應(yīng) 的有向圖模型,解析事故上下游信息與道路交通事故的關(guān)聯(lián)性;然后,將有向圖模型轉(zhuǎn)換成 隨機Petri網(wǎng)模型,驗證模型結(jié)構(gòu)的合理性和進行系統(tǒng)性能分析,并計算風險事件的發(fā)生 概率;最后,設(shè)計關(guān)鍵事故鏈識別算法,甄別需重點監(jiān)控的事故鏈。
      [0006] 本發(fā)明所采用的技術(shù)方案為: (1)獲取和處理事故數(shù)據(jù),構(gòu)建營運車輛道路交通事故連鎖反應(yīng)的有向圖模型。
      [0007] 以營運車輛道路交通事故案例為樣本,建立營運車輛道路交通事故數(shù)據(jù)庫 吳(? &,…,5;)。以有向圖的相關(guān)知識為基礎(chǔ),構(gòu)建單起事故演變的有向圖模型,表達事故 誘發(fā)因素之間的耦合關(guān)系及其狀態(tài)變化。對比梳理單車事故與多車事故從安全風險到事故 發(fā)生的風險演變軌跡,系統(tǒng)提取事故連鎖反應(yīng)的差異序列Z=(Z7,Z,,…,Z"),并根據(jù)序列間 事故誘發(fā)因素的連接關(guān)系,建立營運車輛道路交通事故連鎖反應(yīng)的綜合有向圖模型。
      [0008] (2)綜合有向圖模型向隨機Petri網(wǎng)模型的轉(zhuǎn)換。
      [0009] 基于有向圖與Petri網(wǎng)的轉(zhuǎn)化原則,構(gòu)建營運車輛道路交通事故連鎖反應(yīng)的隨機Petri網(wǎng)模型。所述Petri網(wǎng)模型中,庫所集片(乙&…,尸")表示事故誘發(fā)因素的集合,如 應(yīng)急反應(yīng)乃、駕駛員休息情況6、車輛運行速度乃、車輛技術(shù)狀況A等。變迀集TKG心… ,7;)表示改變事故風險因素狀態(tài)的事件集合,如應(yīng)急操作不當7;、疲勞駕駛r,、車輛制動系 統(tǒng)故障心超載監(jiān)管不到位7;等。
      [0010] (3)利用關(guān)聯(lián)矩陣法驗證構(gòu)建的隨機Petri網(wǎng)模型的結(jié)構(gòu)性,通過構(gòu)造與隨機 Petri網(wǎng)模型同構(gòu)的馬爾科夫鏈,得到系統(tǒng)狀態(tài)概率表達式,進行系統(tǒng)性能分析。
      [0011] (4)獲取道路運輸企業(yè)的交通事故數(shù)據(jù)和安全管理數(shù)據(jù),計算事故誘發(fā)因素(即隨 機Petri網(wǎng)中庫所和變迀)的發(fā)生概率。
      [0012] a.獲取道路運輸企業(yè)一定時間段的事故數(shù)據(jù)(例如3年的事故資料),利用數(shù)據(jù)挖 掘和統(tǒng)計分析得到與事故直接誘因?qū)?yīng)的變迀發(fā)生概率,如疲勞駕駛、超載、超速等; b.獲取道路運輸企業(yè)的安全管理數(shù)據(jù),利用模糊德爾菲法得到相應(yīng)變迀的發(fā)生概率, 如駕駛員聘用把關(guān)不嚴、車輛維護計劃落實不到位等。
      [0013] 所述事故誘發(fā)因素中變迀發(fā)生概率的計算:首先設(shè)定所述隨機Petri網(wǎng)模型中底 庫所的發(fā)生概率均為1,后續(xù)庫所A的發(fā)生概率根據(jù)貝葉斯推理法計算得到。貝葉斯方法 對參數(shù)的估計是通過后驗分布來得到的,其后驗分布〃彳〃 /你可以表示為:
      其中,〃為參數(shù)向量,Z?為觀測值的集合,Z為似然方程,〃為〃的先驗分 布,?^)為誠]邊緣分布。
      [0014] (5)設(shè)計關(guān)鍵事故鏈識別算法。
      [0015] 在數(shù)據(jù)提取的基礎(chǔ)上,提出路徑風險度的計算方法;依據(jù)路徑風險度的大小,甄別
      率,/MG表示庫所茍對應(yīng)的下一個變迀M皮激發(fā)的發(fā)生概率。
      [0016] 所述關(guān)鍵事故鏈識別算法的步驟為: a. 設(shè)定4J直為0,關(guān)鍵鏈序號4直為供 b. 設(shè)定鄰接矩陣博P矩陣Z,其中鄰接矩陣難放Petri網(wǎng)模型節(jié)點間的連接關(guān)系和 變迀的觸發(fā)概率,矩陣$放庫所的發(fā)生概率; c. 對所述Petri網(wǎng)模型的路徑數(shù)和路徑長度進行順序標記,分記為存P取 d. 從根結(jié)點乃出發(fā),按照路徑號的順序分別對所述Petri網(wǎng)進行沿著有向弧的逆向 搜索; e?如果Ai-1) >以力,用以以1)值更替直,并更替關(guān)鍵鏈序號 f.如果Ai-l)<Ai),繼續(xù)進行路徑遍歷,直到所有路徑遍歷完成為止; g. 輸出4_即關(guān)鍵事故鏈的風險度,并按照順序輸出關(guān)鍵事故鏈的所有事故誘發(fā)因 素。
      [0017]本發(fā)明的技術(shù)優(yōu)勢在于: (1)本發(fā)明在考慮道路交
      當前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1