基于数据挖掘的客运汽车重大交通事故关键影响因素及致因模型研究文献综述

 2022-04-28 10:04

1 国外研究现状:

国外学者早在二十世纪初期就开始对系统致因理论进行相关研究,以系统的角度对导致事故的多种因素及其相互关系进行研究。事故致因分析技术首先广泛应用与煤炭、化工和航天等行业中。在交通安全研究领域中,不少国外的专家及学者也得到了一定的研究成果。

1969年Goelle通过分析建立了三阶段的事故模型,即事故前、事故中、事故后事故模型。之后,美国的William Haddon将人、车、路在交通事故中的相关关系用矩阵的形式表示,构建著名的哈顿矩阵。哈顿矩阵中的任何一个单元都会直接或间接的影响事故或伤亡的发生。相应地,对其中的某些因素进行控制或改善也可以打断“事故因素链”从而可以减少事故或降低事故伤害。

国外学者对客车发生事故的影响因素也进行了大量的研究。Albertsson and Falkmer确定了造成伤亡的客车或公共汽车的事故模式,发现在严重事故案例中,事故模式基本都是翻车;Albertsson et al.分析客车翻车事故中乘客伤害及受伤程度与机械结构、安全带效果之间的关系,表明当客车乘客使用适当的安全带系统时可以减少内部交互及防止弹射从而可以大大的提高安全性。Chang et al.研究了下山路段客车翻车事故中乘客的主要受伤形式及每种受伤类型的风险因素,且认为使用约束装备比如安全带能够阻止或减少乘客在公共汽车翻车事故中的伤害。 Kaplan and Prato研究了美国与客车事故严重度有关的风险因素,发现低于25岁或高于55岁的驾驶员,女性驾驶员、十字路口高速及低速限速以及粗心危险驾驶等因素会增加事故的严重程度。Hsing-Chung Chu利用一种次序回归模型及分级模型研究了与高地板高速公路长途运输客车有关的风险因素对碰撞严重度的影响,表明驾驶员疲劳,驾乘人员不系安全带,粗心驾驶,酒后驾驶、午夜与黎明间事故及匝道路段等因素将严重影响高地板客车碰撞的受伤程度。

在数据挖掘技术方面的研究主要包括关联分析、分类、聚类分析、泛化和预测等。迄今为止,人们己经发现了很多数据挖掘方法,如频繁项集、关联规则、决策树方法、贝叶斯方法、人工智能网络、支持向量机等等。List等概述了危险品运输过程的风险分析方法,同时也对危险品运输路径方法的选择做出了相关介绍。Rhyne等研究分析了危险品运输事故的发生发展的机理,同时提出了有毒有害气体的泄漏扩散方程以及泄露后的事故后果的估算方法。但针对客运汽车的重大交通事故方面的数据挖掘型研究并没有太多可查询资料。

2国内研究现状:

我国于20世纪80年代中后期开始对风险管理进行研究,起步相对较晚。随着风险意识的提高,风险管理在各个领域得到较快的应用及发展。近年来,一些学者在交通运输领域利用风险管理理论从不同角度对道路交通安全进行了相关研究。

赵学刚研究了道路交通安全风险的检测方法,实时综合评价指标体系,实时综合评价方法,并构建道路交通安全风险的检测指标体系及区域路网交通安全风险动态预警模型。

朱彤考虑车辆运行特性建立了基于概率计算的侧向碰撞风险模型,根据车辆运行场景的仿真模拟输出数据计算风险值,与其他风险模型结果相比发现所建模型能够更好地反应实际交通安全状态,更适用于车辆防碰撞系统。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

免费ai写开题、写任务书: 免费Ai开题 | 免费Ai任务书 | 降AI率 | 降重复率 | 论文一键排版