一、道路合理分段鉴定事故黑点研究(论文文献综述)
孙元强[1](2021)在《基于改进累计频率曲线法的交通事故黑点鉴别及智能识别平台构建》文中研究指明事故黑点鉴别是提升道路交通安全水平最经济、直接、有效的办法之一。目前事故黑点鉴别方法众多且各具适用性,方法大多过程繁琐且工作量巨大,如何选取科学合理的方法快速识别交通事故黑点路段,是交通管理与运营维护部门持续关注的重要内容之一。论文首先基于累计频率曲线法鉴别事故黑点的基本原理与方法,分析其适用性及鉴别精确度的影响因素;针对累计频率曲线法在事故黑点鉴别应用中的不足,分析不同路段单元划分对累计频率曲线法鉴别精确度的提升效果,探索新的路段单元划分方法和路段单元长度取值的合理范围;然后基于MATLAB GUI构建交通事故黑点智能识别平台,旨在简化累计频率曲线法鉴别工作量,实现路段单元划分方法和路段单元长度选取的参数化;最后以水麻高速公路近三年的事故数据为对象,借助事故黑点智能识别平台进行事故黑点鉴别,对比分析不同长度(100m、200m、500m、1km)路段单元划分下的鉴别结果,进一步探索路段单元长度对鉴别精确度的影响,给出路段单元长度取值的合理建议,并最终得到水麻高速公路事故黑点路段。本文提出基于最小步长路段单元划分的累计频率曲线法,构建了事故黑点智能识别平台,简化了累计频率曲线法的鉴别工作量,有效提升了鉴别精确度与方法适用性,可为其他高速公路事故黑点鉴别工作提供技术支撑。
程瑞[2](2021)在《公路路侧事故风险评价与防控方法研究》文中研究说明我国路侧事故死亡率约占公路事故死亡率的40%,路侧事故严重程度长期居高不下的难题,已经成为阻碍社会可持续发展的焦点问题之一。公路路侧安全保障已成为交通管理部门面临的重要问题,开展公路路侧安全研究,对于提高公路行车安全水平、降低公路交通事故数量与死亡人数具有重要的理论价值和现实意义。论文利用PC-crash仿真软件收集路侧事故数据。结合路侧事故现场勘查和分析经验,研究选取道路线形指标(圆曲线半径、硬路肩宽度、纵坡坡度、超高横坡度、圆曲线加宽)、路面状况(路面附着系数)、交通特性(车速、车型)8个风险因素开展路侧事故仿真试验。使用 Chi-squared Automatic Interaction Detection(CHAID)决策树技术识别了影响路侧事故发生的显着性风险因素,根据树模型生成的分类规则探究不同风险因素组合对路侧事故的影响,据此针对道路指标设计提出安全改善措施。在显着性风险因素识别的基础上,利用路径分析方法开展“线形条件-路面条件-交通条件”多指标交互作用下的路侧事故系统致因机理分析,探究了不同显着性风险因素对路侧事故的影响程度。基于识别的显着性风险因素,论文利用贝叶斯网络构建路侧事故发生概率与事故风险因素之间的多元关系模型,实现了路侧事故概率在任意数量(1~5)风险因素影响下的量化分析。根据概率模型计算结果,借助“累计频率法”思想,研究确定了路侧事故多发点概率阈值,分别给出对应不同车型及运行车速的公路线形指标及路面附着系数阈值,据此提出了路侧事故潜在多发点鉴别规则,并予以案例验证。为了减少路侧事故损失,有针对性地提出安全改善策略,论文引入加速度严重性指数(Acceleration Severity Index,ASI)作为乘员伤害指标;利用PC-crash仿真软件构建车辆模型、道路模型及路侧护栏优化模型,通过设置不同车辆驶出速度、圆曲线半径、边坡坡度和路基高度,分别开展载重货车、小型客车在有、无路侧护栏设置情况下的驶入路侧试验;针对公路直线段和曲线段,利用多元回归分析分别拟合了基于ASI的载重货车、小型客车乘员伤害评估模型;利用Fisher最优分割算法确定了路侧事故严重度合理评价级数及各级对应的ASI阈值,并予以案例验证;将载重货车比例引入ASI乘员伤害评估模型中,进行模型改进,由此实现路侧事故严重度的定量评估;最后基于路侧事故发生概率和路侧事故严重度分级研究,提出了路侧事故风险评价方法。根据识别的显着性风险因素可知,车速是影响路侧事故是否发生的最显着性风险因素。故针对路侧事故高风险路段,论文利用贝叶斯判别技术构建基于显着性风险因素的路侧事故发生和不发生判别函数,由此给出对应不同车型、道路线形指标与路面条件的最高限速值计算模型,并予以案例验证。通过探究影响路侧净区宽度设计的主要因素,记录每次仿真车辆驶入路侧后的运动轨迹,标定车辆右前侧与行车道边缘的横向距离来确定路侧净区宽度;通过分析边坡净区宽度与车速、圆曲线半径的变化规律,分别给出直线段和曲线段针对不同运行速度和圆曲线半径的路侧净区宽度建议值。由于我国土地资源受限,在进行路侧净区设计前,应对路侧净区的设置条件开展研究。论文从公路用地指标限制考虑,根据路段路基高度、硬路肩宽度,结合研究得到的路侧净区宽度建议值,开展路侧净区设置条件研究。对于具备路侧净区设置条件的路段,首先根据路侧事故发生概率计算模型与路侧事故乘员伤害评估模型,构建由于设置路侧净区而产生的安全改善效益计算模型,随后从工程造价和征地费用两方面核算设置路侧净区产生的额外工程成本。通过分析效益成本比,并进一步评估设置路侧净区产生的社会稳定风险,建议是否应该设置路侧净区,并予以案例分析。
杨柳[3](2021)在《驾驶人视觉及生理特性与交叉口事故风险点关联性研究》文中研究表明城市道路交叉口处事故数量较多,以过往事故为依据的事故多发点统计了已有的事故点,但难以概括全部事故风险点。在人因导致的事故中,驾驶人因素造成的交通事故比例最高。将事故风险点与驾驶人的视觉及生理数据相关联,能够在不依赖历史数据的基础上,研究交叉口宏观事故风险点的风险等级,寻找微观事故风险点的具体位置,为实现未知高风险点预警提供理论依据,减少交通事故、人员伤亡及财产损失。论文提出城市道路交叉口风险点的定义,从宏观事故风险点与微观事故风险点两方面展开研究,调研分析提出驾驶人在驾驶过程中可能发生微观状态变化的指标。利用试验平台搭建试验场景,寻找试验人员并按照设定的试验流程采集试验数据。基于驾驶人在城市道路交叉口处的生理数据总结规律,判断生理特征与试验交叉口交通事故风险点之间的关联性。对交通事故风险点中风险等级最高的典型交叉口进行视觉特性分析,分别阐述瞳孔面积变化率、扫视特性和注视特性在交叉口附近的变化规律,通过视觉特性与微观事故风险点间的关联性研究判断该交叉口附近的微观事故风险点。研究发现,驾驶人的心率变异性、呼吸频率、肌电特征和皮电特征在通过不同交叉口时产生不同程度的变化,该变化为驾驶人预判和感知交通风险的自然生理反应。其中皮电值除与生理差异和驾龄等特征存在关联外,还与交叉口的几何特征和安全特性等方面有着较大的关系。以交叉口不同方向上关键车道的皮电值作为判断某交叉口风险等级的依据并给出阈值范围,判断出该试验路段中交通事故风险等级最高的交叉口,分析驾驶人生理数据与宏观风险点的关联性。以宏观事故风险较高的典型无信号T形交叉口为例,利用视觉特性与风险点处心理紧张程度的关联性进行微观事故风险点判断。驾驶人瞳孔面积变化率峰值与交叉口范围内的风险点位置和风险程度密切相关;驾驶条件越复杂,事故风险越高,平均注视时间越长;扫视幅度波峰与视线转移相关,波峰左右两边的扫视幅度较小,视觉搜索难度越高。综合分析注视行为、扫视行为和瞳孔面积变化率与风险程度和心理紧张程度的关联性,判断出该交叉口内的4个微观事故风险点。
杨扬[4](2020)在《山区高速公路长下坡隧道交通事故数据挖掘与特征分析》文中提出最近几年,我国在道路交通安全控制领域成果丰硕,但由于我国车辆基数大,道路条件参差不齐,导致交通事故的数量在世界范围内仍然处于领先位置,尤其是在地理条件恶劣的山区高速公路隧道长下坡路段,交通事故分布很密集且一旦发生交通事故,后果严重程度较大,对人民群众的生命和财产造成了巨大的威胁。因此对于山区高速公路的交通安全治理与防范工作逐渐映入大众的眼帘。所以,本论文基于山区高速公路长下坡隧道交通事故数据进行的特征分析及致因分析,随后对山区高速公路事故多发点展开研究,得出道路事故黑点,为以后研究人员进行道路交通安全保障技术的探究提供了科学依据及数据支撑。本文首先对道路交通事故数据特征进行分析阐述,包括数据源和数据类型,并阐述了现有道路交通事故数据的主要问题,主要为数据的完整性问题以及客观性问题;研究道路交通事故数据挖掘的可行性,包括数据挖掘的概念、特征、功能,以及道路交通事故挖掘的对象、途径等。其次根据项目收集到的张石高速公路保定段交通事故数据进行统计分析,从而得到山区高速公路长下坡隧道路段交通事故的时间、空间、事故形态、车辆类型以及道路线形分布特性。随后基于决策树模型对山区高速公路长下坡隧道交通事故进行致因研究;然后将基本用于事故多发点鉴别的方法进行简要阐述,分析各个方法的优缺点及使用范围,由于基本方法存在缺点,根据道路交通事故特征和本次研究所掌握的现有数据的状况,使用新型的改进累计频率曲线法,得到当量事故数的累计频率散点图,将散点图置于Origin软件内进行图形的拟合,得到拟合方程。规定当量事故数N80、N95作为临界值,得到事故多发点以及潜在事故多发点。以项目掌握的河北张石高速公路保定路段交通事故数据事故为原始数据,采用原始及改进后的累计频率曲线法进行实证分析,结果显示,经过改进后的累计频率曲线法科学性更强,得出的结论更加具有代表性。
陈诺[5](2020)在《基于GIS空间聚类的城市道路事故黑点识别与成因研究》文中研究说明随着城市人口、机动车保有量以及出行距离的不断增加,城市交通出行总量迅速攀升,城市交通系统安全平稳运行的压力也与日俱增,城市道路系统中的交通事故发生频率高,对交通系统通行秩序和效率有着不可忽视的影响。城市居民日益增长的对交通运行环境畅通、安全、绿色和舒适的需求和意愿,对城市交通管理人员提出了更大的挑战和更高的要求。而城市道路事故黑点正是交通系统中的“痛点”,如何对城市道路中的事故黑点进行精准定位、识别和分析,从而提出高效经济的治理对策,提升交通环境治理能力,创造良好的城市交通运行环境,助力城市发展建设,成为道路交通安全管理中亟须解决的问题之一。本文首先对现有事故黑点识别方法以及空间聚类理论研究进展进行了学习和研究,结合GIS空间分析技术特征和聚类算法识别事故空间集聚区域的客观高效的特点,通过运用基于GIS的缓冲叠置空间分析技术和基于网格的K-means聚类算法,对安庆市中心城区城市道路进行事故黑点的识别,与历史数据完全吻合,进行了识别方法的有效性验证,得出了事故多发的区域和路段;在分析安庆市中心城区交通事故的分布规律和形态特征的基础上,从驾驶员、车辆、道路、和环境四个方面着手研究城市道路交通事故黑点的影响因素,对各个因素对交通事故发生的影响机理进行探讨,并采用层次分析法对事故黒点的各个因素进行量化,对其影响程度进行排序,得到该区域事故主要成因,从而对城市道路事故黑点从各个方面的治理提供了合理科学的建议。
陈俊亚[6](2019)在《高速公路高风险路段的行车风险控制研究》文中指出高速公路的迅猛发展提升了我国的经济实力,然而发展的同时也带来了交通事故等问题,尤其是高速公路高风险路段不但事故频发,而且事故后果都较为惨重,给道路使用者的生命和财产安全带来了极大威胁,故我国亟需一套清晰而又系统的高风险路段交通安全管理方案。本论文在历史交通事故数据的基础上鉴别出高风险路段,并建立基于速度控制、空间布局及信息发布三种措施下的行车风险控制方案,通过交通仿真,验证本论文制定的行车风险控制方案的有效性,在一定程度上降低高风险路段上交通事故的发生率。首先考虑交通事故造成的人员伤亡情况,通过数据挖掘与当量事故数法相结合的方法找出高风险路段的位置及分布,再利用关联规则算法对高风险路段上的各事故影响因素进行关联分析,有助于交通安全管理部门制定有针对性的整治和预防决策。其次制定高速公路高风险路段上的行车风险控制方案,从速度控制、空间布局管理及预警信息发布三个措施来展开。该方案建立了预警段的基于道路线形指标的分车型分车道限速模型及高风险路段的分车型分车道动态限速模型,并采用固定式信息发布与移动式信息发布作为预警信息发布的有效手段,明确预警段与高风险路段的空间布局进而确定各类交通基础设施的布设位置,同时还引入评价指标--速度变异系数来表征高风险路段上行车风险的变化情况。最后在上述研究的基础上,以所鉴别出的绕城高速高风险路段桩号K4+000K6+600为研究对象,对该高风险路段上的历史交通事故数据进行挖掘,找出各事故影响因素的关联规则,进而提出有针对性的行车风险控制方案,并利用TransModeler软件进行仿真。在基本参数设置相同的条件下,本论文设计固定值限速(方案一)、分车型分车道的固定值限速与预警段管理控制(方案二)和本论文所制定行车风险控制方案进行仿真对比,选定相关评价指标,通过分析仿真结果,本论文所制定的行车风险控制方案的速度变异系数为0.0961,相比于方案一降低了23.61%,相比于方案二降低了19.78%,验证了本论文所制定的行车风险控制方案的有效性与优越性,保障了高风险路段上车辆的行车安全。
彭钥[7](2017)在《山区高速公路事故黑点识别及成因分析》文中提出我国高速公路经过30多年的快速发展,目前已经进入了全面长远发展的阶段,高速公路的安全问题越来越成为高速公路发展的热点。事故黑点作为高速公路安全问题中的研究重点,直接关系到高速公路道路安全状况的改善;我国是一个多山地的国家,山区高速公路道路事故的严重性和致死率远高于一般地区。因此,迫切需要进行山区高速公路事故黑点的识别和成因分析的研究工作,解决山区高速公路事故黑点分布的属性、准确识别和成因分析等方面的理论与实践问题。为了提出山区高速公路事故黑点识别模型和成因分析方法,首先,论文定义危险性指数表征事故多发路段的危险性,在对山区高速公路事故多发路段危险性属性分析的基础上,建立事故点危险性曲线模型;考虑危险性的叠加作用,建立两个事故点组成的危险性曲线组合模型,进而推广得到多事故点的危险性曲线模型,从而建立山区高速公路全段的危险性函数和曲线模型;确定事故黑点的判别阈值,结合山区高速公路危险性曲线模型和判别阈值,建立山区高速公路事故黑点识别模型。其次,论文对基于聚类分析的事故黑点成因分析方法进行改进,提出了分别由代表人-车系统的速度研究变量、代表道路系统的坡度和曲线半径变量、代表交通安全设施设置情况的交通安全设施评价值组成的事故黑点成因集,借助SPSS工具完成聚类分析,并对聚类的结果进行分析,得到山区高速公路事故黑点成因分析方法。最后,论文通过实验方案的设计和实施,得到典型山区高速公路-洛栾高速公路的交通事故资料、道路线形数据和交通安全设施设置情况,经数据资料的修正和处理后,对论文提出的山区高速公路事故黑点识别模型和成因分析方法进行实例验证。研究结果表明,相比于传统方法,论文提出的事故黑点识别模型具有识别精确、客观实用等优点;论文改进的事故黑点成因分析方法可以更为全面、系统地对事故黑点的形成原因进行分析。
陈祖亮[8](2016)在《城市快速路交通事故黑点的辨识研究》文中认为城市快速路作为缓解城市交通压力的主要道路类型,在一定的程度上解决了大中型城市对于出行及物流运输的需要,提高了城市交通运输的效率。城市快速路日益发展,保障了城市道路交通的通达性,可以说城市快速路作为一个城市交通的主要骨架,在保障城市交通高效、流畅运转等方面发挥着重要的作用,但是城市快速路交通事故也随着机动化程度的提高而不断上升,交通事故造成的损失也越来越严重,因此有必要对快速路的事故形成以及事故黑点进行分析讨论。本文针对收集到的快速路事故数据,分析了城市快速路交通事故及其危险分布的规律,对比分析国内外对交通事故成因分布的研究;从人、道路、交通安全及其附属设施、道路交通环境以及交通安全管理等方面对城市快速路事故黑点的影响因素进行分析,并分析了各因素的影响机理,明确了各因素对快速路事故黑点的影响;并对上述的因素具体展开分析,借助统计数据以及图表等手段,分析各影响因素的具体影响形式;采用模糊层次分析法,对快速路事故黑点各影响因素进行权重的分析,得出各因素在事故黑点的形成中所占的比重;利用基于密度的聚类算法,对安徽省某段快速路进行事故黑点的鉴别,通过与累计频率法对比分析证明基于密度的聚类算法的有效性;根据对事故黑点因素的分析并结合我国快速路发展的实际情况,提出合理的改善建议。
刘亚妮[9](2016)在《道路交通安全评价及事故黑点识别研究 ——以河南省为例》文中进行了进一步梳理道路运输业和汽车制造业的蓬勃发展,给人们日常出行带来便捷的同时,也导致了高事故数,高事故损害的后果。道路交通安全问题已经成为全世界共同面临的重大社会问题之一,越来越受到国内外学者的普遍关注和高度重视。道路交通是一个复杂的动态系统,交通事故的发生主要受到人员、车辆、道路、环境、管理等五个方面的影响,在道路上的分布通常具有一定的集聚性,即表现为事故黑点。提高道路交通安全评价水平,重点解除事故集中路段的安全隐患,能够以最小的投入,最大程度上降低交通事故率,减少交通事故造成的损失,经济性、时效性和可靠性更显着。加强对道路交通安全评价和事故黑点识别研究,能够丰富我国道路交通安全管理理论,为实践工作提供指导,提高道路交通安全管理效率。论文在查阅相关文献及实地调研的基础上,得出了以下结论:(1)经过收集数据资料,发现河南省道路交通事业飞速发展,但交通事故数、事故率一直居高不下,事故造成的损失与影响也在不断增加。通过运用AHP-物元分析综合评价法,将影响道路交通安全的指标划分为5大类,22个子指标,对河南省整体道路交通安全水平进行评价,计算结果显示,河南省道路交通安全等级为一般安全。(2)论文通过对事故量法、事故率法、矩阵法、质量控制法、安全系数法、全系数法,专家经验法等方法的比较与分析,选取了适合论文研究的当量总事故次数法,并运用统计学分析方法对其不足之处给予改进,提高了识别精度。(3)论文总结了目前常见的事故黑点成因分析法:统计分析法、因果分析法、事件树分析法、事故树分析法、安全检查表法及预先危险性分析,并根据调研结果选取了事故树分析法,通过计算最小割集及结构重要度分析,找出道路交通系统中的不安全因素,为后期提出事故黑点改善措施提供依据。(4)选取X高速公路K665-K712路段为研究对象,运用改进的当量总事故次数法及事故树法对其进行事故黑点识别及成因分析,识别结果及成因分析结果与现实情况基本一致,验证了方法的可靠性。
任光贤[10](2016)在《基于GIS的城市道路黑点分析与决策支持研究》文中研究表明随着城市机动化水平的显着提高,城市道路交通安全问题越来越突出,在城市道路中形成了一定数量的道路交通事故多发路段。因此研究有效的方法快速、准确地鉴别多发路段,发现道路事故黑点是减少道路事故数量、保障居民出行生命财产安全的重要环节。首先,事故多发点鉴定可采用GIS与萤火虫聚类算法结合的方法。一方面利用GIS在空间对象管理与分析的优势,另一方面利用萤火虫聚类算法抽象化道路交通事故的特点。由于事故的空间特性,道路交通事故的聚类,不同于一般的聚类,标准萤火虫算法欧式距离度量在空间距离计算存在不足,采用基于GIS路网的距离计算改进其中的不足,提高聚类的准确性。通过实例数据分析,验证了模型算法的可行性。其次,描述性分析了目标区域城市道路交通事故在不同时间、不同道路、不同天气、不同道路线性等指标分布特征,并采用主成分分析法分析了区域城市道路交通事故发生的关键因子,并以分布特征和关键因子为理论依据,提出了如何预防道路交通事故多发点(段)的建议及整改措施。最后,基于前文理论研究成果,利用GIS二次开发平台,搭建了基于GIS的道路黑点分析与决策支持系统。通过系统,将事故空间分布、分布特征等状况可视化展示,并采用计算机自动化鉴定事故多发路段的方法,大大提高了事故信息分析能力。
二、道路合理分段鉴定事故黑点研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、道路合理分段鉴定事故黑点研究(论文提纲范文)
(1)基于改进累计频率曲线法的交通事故黑点鉴别及智能识别平台构建(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 研究综述 |
1.3 问题的提出 |
1.4 研究内容与技术路线 |
1.4.1 主要研究内容 |
1.4.2 技术路线 |
1.5 研究目的与意义 |
第二章 累计频率曲线法基本原理 |
2.1 累计频率曲线法方法介绍 |
2.1.1 方法原理 |
2.1.2 技术步骤 |
2.2 累计频率曲线法鉴别精度影响因素分析 |
2.2.1 路段单元划分方法 |
2.2.2 路段单元长度取值 |
2.2.3 事故黑点阈值确定方法 |
2.3 本章小结 |
第三章 累计频率曲线法改进方法研究 |
3.1 路段单元划分方法的改进 |
3.1.1 固定步长(多起点)路段单元划分方法 |
3.1.2 动态步长路段单元划分方法 |
3.1.3 基于聚类分析原理的路段单元划分方法 |
3.2 路段单元长度取值合理性研究 |
3.2.1 不同路段单元长度取值对鉴别结果的影响 |
3.2.2 路段单元长度取值的影响因素分析 |
3.3 改进累计频率曲线法的提出 |
3.3.1 最小步长路段单元划分方法 |
3.3.2 路段单元长度的选取 |
3.4 本章小结 |
第四章 事故黑点智能识别平台的构建与功能 |
4.1 MATLAB GUI软件制作方法 |
4.1.1 MATLAB编程介绍 |
4.1.2 图形用户界面(GUI)方法选取 |
4.1.3 事故黑点智能识别平台设计流程 |
4.2 事故黑点智能识别平台原理与功能 |
4.2.1 原理介绍 |
4.2.2 功能介绍 |
4.2.3 操作步骤 |
4.3 事故黑点智能识别平台可靠性验证 |
4.4 本章小结 |
第五章 工程实例—水麻高速公路事故黑点鉴别 |
5.1 工程概况 |
5.1.1 工程背景 |
5.1.2 技术标准 |
5.1.3 沿线自然地理特征 |
5.1.4 事故调查及数据处理 |
5.2 智能平台事故黑点路段鉴别 |
5.2.1 水富至麻柳湾方向 |
5.2.2 麻柳湾至水富方向 |
5.3 鉴别结果对比及路段单元长度合理性研究 |
5.3.1 鉴别结果对比 |
5.3.2 路段单元长度合理性研究 |
5.3.3 水麻高速公路事故黑点路段终选 |
5.4 本章小结 |
结论与展望 |
研究结论 |
研究展望 |
参考文献 |
附录 |
附录一:事故黑点智能识别平台源代码 |
附录二:水麻高速公路2018~2020年事故数据表 |
致谢 |
(2)公路路侧事故风险评价与防控方法研究(论文提纲范文)
摘要 |
Abstract |
物理量名称及符号 |
1 绪论 |
1.1 研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 路侧事故致因 |
1.2.2 路侧事故严重度 |
1.2.3 路侧安全设计 |
1.2.4 国内外研究现状总结 |
1.3 研究内容和技术路线 |
2 公路路侧事故数据收集 |
2.1 试验场景搭建 |
2.1.1 交通事故模拟技术 |
2.1.2 车辆模型 |
2.1.3 道路模型 |
2.2 事故现场调查 |
2.2.1 公路线形指标 |
2.2.2 路侧环境 |
2.2.3 运行速度观测 |
2.3 本章小结 |
3 公路路侧事故风险因素研究 |
3.1 路侧事故模拟试验 |
3.2 显着性风险因素识别 |
3.2.1 决策树模型 |
3.2.2 结果和讨论 |
3.3 显着性风险因素影响程度分析 |
3.3.1 路径分析 |
3.3.2 结果和讨论 |
3.4 本章小结 |
4 公路路侧事故发生概率预测与潜在多发点鉴别 |
4.1 贝叶斯网络模型概述 |
4.1.1 贝叶斯概率理论 |
4.1.2 贝叶斯网络概念 |
4.2 路侧事故发生概率预测 |
4.3 路侧事故潜在多发点鉴别 |
4.3.1 多发点鉴别方法概述 |
4.3.2 路侧事故多发点鉴别规则 |
4.4 案例分析 |
4.5 本章小结 |
5 公路路侧事故严重度评估 |
5.1 研究变量 |
5.1.1 试验参数 |
5.1.2 乘员伤害评价指标 |
5.2 车辆驶入路侧试验 |
5.2.1 试验场景 |
5.2.2 结果和讨论 |
5.3 路侧护栏模型 |
5.3.1 道路环境和车型 |
5.3.2 护栏优化模型 |
5.4 乘员伤害评价 |
5.4.1 试验结果 |
5.4.2 路侧事故乘员伤害评估模型 |
5.5 路侧事故严重度等级划分 |
5.6 案例分析 |
5.7 路侧事故风险评价 |
5.8 本章小结 |
6 公路路侧事故防控方法研究 |
6.1 最高限速 |
6.1.1 贝叶斯判别原理 |
6.1.2 路侧事故判别模型 |
6.1.3 最高限速值计算模型 |
6.1.4 模型验证 |
6.1.5 案例分析 |
6.2 路侧净区宽度计算 |
6.2.1 净区宽度影响因素分析 |
6.2.2 仿真试验 |
6.2.3 路侧净区宽度建议值 |
6.3 路侧净区设置条件 |
6.3.1 总体思路 |
6.3.2 安全改善效益计算模型 |
6.3.3 工程成本计算模型 |
6.3.4 社会稳定风险 |
6.3.5 案例分析 |
6.4 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
博士学位论文修改情况确认表 |
(3)驾驶人视觉及生理特性与交叉口事故风险点关联性研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.2.1 驾驶人视觉及生理心理研究现状 |
1.2.2 事故多发点及事故风险研究现状 |
1.2.3 事故发生的影响因素研究现状 |
1.2.4 研究现状分析 |
1.3 主要研究内容及技术路线 |
2 城市道路交叉口事故风险点及驾驶人特性分析 |
2.1 交叉口事故风险点分析 |
2.1.1 事故多发点定义及鉴别方法 |
2.1.2 交叉口交通事故风险点的界定 |
2.2 驾驶人特性 |
2.3 驾驶人视觉和生理特征参数 |
2.3.1 驾驶人的生理学及心理学基础 |
2.3.2 视觉参数 |
2.3.3 生理参数 |
2.4 本章小结 |
3 城市道路交叉口驾驶人视觉特性及生理特性试验 |
3.1 试验平台与车辆 |
3.1.1 D-LAB试验平台 |
3.1.2 试验车辆 |
3.2 试验方案设计 |
3.2.1 试验总体设计 |
3.2.2 试验场景 |
3.2.3 驾驶人选择 |
3.3 试验过程 |
3.3.1 控制条件 |
3.3.2 试验步骤 |
3.4 试验数据导出及预处理 |
3.5 本章小结 |
4 交叉口事故风险点驾驶人生理特性研究 |
4.1 心率变异性分析 |
4.1.1 心率变异性特征 |
4.1.2 心率变异性数据分析 |
4.2 呼吸特性分析 |
4.2.1 呼吸特性 |
4.2.2 呼吸频率数据分析 |
4.3 肌电特征分析 |
4.4 皮电特征分析 |
4.4.1 皮电特征 |
4.4.2 十字交叉口的皮电数据分析 |
4.4.3 T字交叉口的皮电数据分析 |
4.4.4 环形交叉口的皮电数据分析 |
4.4.5 不同类型交叉口皮电数据对比分析 |
4.5 交叉口宏观事故风险点等级判断 |
4.6 驾驶人的生理特性与交叉口宏观事故风险点关联性分析 |
4.6.1 生理数据与历史数据的关联性 |
4.6.2 生理特性与交叉口特性的关联性 |
4.7 本章小结 |
5 交叉口事故风险点驾驶人视觉特性研究 |
5.1 典型交叉口特征及针对性试验 |
5.1.1 13号交叉口的交通道路条件 |
5.1.2 针对性试验 |
5.2 注视行为分析 |
5.2.1 注视时间 |
5.2.2 注视的兴趣区域 |
5.3 扫视行为分析 |
5.4 瞳孔变化分析 |
5.4.1 瞳孔面积变化率特性 |
5.4.2 瞳孔面积变化率数据分析 |
5.5 驾驶人视觉特性与交叉口微观事故风险点关联性分析 |
5.6 交叉口微观事故风险点的判定 |
5.7 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
东北林业大学 硕士学位论文修改情况确认表 |
(4)山区高速公路长下坡隧道交通事故数据挖掘与特征分析(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究内容 |
1.4 技术路线 |
第2章 道路交通事故数据特性 |
2.1 交通事故数据的来源及类型 |
2.1.1 交通事故数据的来源 |
2.1.2 交通事故数据的类型 |
2.2 交通事故数据存在的主要问题 |
2.2.1 数据的完整性问题 |
2.2.2 数据的客观性问题 |
2.3 交通事故数据挖掘的可行性 |
2.3.1 数据挖掘的概念及特征 |
2.3.2 数据挖掘的主要功能 |
2.3.3 事故数据挖掘的对象及途径 |
2.4 本章小结 |
第3章 山区高速公路长下坡隧道交通事故特征分析 |
3.1 事故时间分布特征 |
3.2 事故空间分布特征 |
3.3 事故形态分布特征 |
3.4 事故车辆类型分布特征 |
3.5 事故道路线型分布特征 |
3.6 本章小结 |
第4章 山区高速公路长下坡隧道交通事故数据挖掘 |
4.1 事故数据预处理 |
4.1.1 数据清洗 |
4.1.2 数据变换与降维 |
4.2 数据挖掘方法的对比分析 |
4.3 基于决策树模型的山区高速公路长下坡隧道事故致因分析 |
4.4 事故致因分析 |
4.5 本章小结 |
第5章 山区高速公路长下坡隧道交通事故多发点鉴别 |
5.1 交通事故多发点鉴别的研究内容 |
5.1.1 交通事故多发点的研究背景 |
5.1.2 交通事故多发点鉴别的研究目的和意义 |
5.1.3 交通事故多发点的鉴别内容 |
5.2 交通事故多发点的鉴别方法 |
5.3 山区高速公路长下坡隧道交通事故多发点鉴别方法 |
5.3.1 累计频率曲线法介绍 |
5.3.2 山区高速公路长下坡隧道交通事故多发点的鉴别步骤 |
5.4 实证分析 |
5.4.1 基于等分法分段的传统累计频率曲线法 |
5.4.2 基于滑动窗口法分段的改进累计频率曲线法 |
5.4.3 鉴别方法对比分析 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
(5)基于GIS空间聚类的城市道路事故黑点识别与成因研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 事故黑点识别 |
1.2.2 事故黑点成因分析 |
1.2.3 研究现状总结 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 城市道路交通事故黑点识别方法研究 |
2.1 事故黑点的定义 |
2.2 事故黑点的识别方法研究 |
2.2.1 现有事故黑点识别方法 |
2.2.2 事故黑点识别方法的分析评价 |
2.3 事故黑点GIS空间分析研究 |
2.3.1 空间数据表示 |
2.3.2 缓冲区分析 |
2.3.3 叠置分析 |
2.4 事故黑点聚类分析算法研究 |
2.4.1 聚类分析基本原理 |
2.4.2 常用聚类算法研究与可行性分析 |
2.4.3 K-Means聚类算法选用 |
2.5 本章小结 |
第三章 GIS空间聚类的城市道路事故黑点识别 |
3.1 安庆市道路交通现状概述 |
3.2 事故数据源处理 |
3.2.1 道路网络矢量化处理 |
3.2.2 交通事故数据的获取 |
3.3 GIS缓冲区叠置分析 |
3.3.1 缓冲区设置 |
3.3.2 交通事故严重程度描述 |
3.3.3 叠置分析 |
3.3.4 缓冲区与叠置分析鉴别事故黑点的应用 |
3.4 基于网格的k-means聚类分析改进 |
3.4.1 基于GIS的网络分析与空间链接 |
3.4.2 基于网格的K-means聚类分析 |
3.4.3 GIS空间聚类分析鉴别事故黑点的应用 |
3.5 本章小结 |
第四章 城市道路事故黑点影响因素及治理研究 |
4.1 安庆市中心城区交通事故分布规律及形态类型 |
4.1.1 中心城区交通事故时间分布规律 |
4.1.2 中心城区交通事故空间分布规律 |
4.1.3 道路交通事故的形态类型 |
4.2 城市道路交通事故影响因素研究 |
4.2.1 驾驶员因素 |
4.2.2 道路因素 |
4.2.3 车辆因素 |
4.2.4 环境因素 |
4.3 城市道路交通事故成因的综合评价 |
4.3.1 构建指标体系与判断矩阵 |
4.3.2 影响因素指标权重的求解 |
4.4 城市道路交通事故治理对策研究 |
4.5 本章小结 |
第五章 总结与展望 |
总结 |
展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(6)高速公路高风险路段的行车风险控制研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 高风险路段的鉴别研究现状 |
1.2.2 高风险路段的行车安全研究现状 |
1.3 论文研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 高速公路高风险路段的鉴别及事故影响因素的关联分析 |
2.1 路段基本单元的划分方法 |
2.1.1 基本单元的设定 |
2.1.2 动态移动步长的确定 |
2.2 高风险路段的鉴别 |
2.2.1 Relim算法 |
2.2.2 当量事故数法 |
2.2.3 高风险路段的鉴别步骤 |
2.2.4 高风险路段的各事故影响因素关联分析 |
2.3 实验案例 |
2.3.1 数据预处理 |
2.3.2 路段单元划分 |
2.3.3 高风险路段的确定 |
2.3.4 各事故影响因素的关联规则 |
2.4 本章小结 |
第三章 高速公路高风险路段的行车风险控制方案 |
3.1 高风险路段的行车风险控制研究框架 |
3.2 速度控制 |
3.2.1 目前的限速方式 |
3.2.2 目前限速值的确定方法 |
3.2.3 预警段的分车型分车道限速模型 |
3.2.4 高风险路段的分车型分车道动态限速模型 |
3.3 空间布局研究 |
3.3.1 交通标志视认距离 |
3.3.2 交通标志前置距离 |
3.4 预警信息发布 |
3.4.1 固定式信息发布 |
3.4.2 移动式信息发布 |
3.5 高风险路段风险评价指标的确定 |
3.6 本章小结 |
第四章 应用实例 |
4.1 绕城高速高风险路段概况 |
4.1.1 绕城高速概况 |
4.1.2 绕城高速高风险路段的事故特性 |
4.2 高风险路段的行车风险控制方案 |
4.2.1 高风险路段限速管理 |
4.2.2 空间布局管理 |
4.2.3 高风险路段信息发布管理 |
4.3 高风险路段的行车风险控制仿真设置 |
4.3.1 TransModeler软件介绍 |
4.3.2 仿真示意图 |
4.3.3 仿真参数设置 |
4.4 基于TransModeler的行车风险控制方案仿真 |
4.4.1 模型假设 |
4.4.2 高风险路段的行车风险控制仿真 |
4.4.3 仿真结果分析与评价 |
4.5 本章小结 |
第五章 结论与展望 |
5.1 研究结论 |
5.2 研究展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(7)山区高速公路事故黑点识别及成因分析(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 事故黑点定义 |
1.2.2 事故黑点识别方法 |
1.2.3 事故黑点成因分析 |
1.2.4 国内外研究综述 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第二章 实验方案的制定与实施 |
2.1 实验方案的设计 |
2.1.1 实验目的 |
2.1.2 主要实验仪器与设备 |
2.1.3 实验地点 |
2.1.4 实验实施 |
2.2 数据收集 |
2.2.1 VBOX数据 |
2.2.2 交通事故资料 |
2.2.3 交通安全设施设置资料 |
2.3 数据修正及处理 |
2.3.1 隧道数据修正 |
2.3.2 曲线半径处理 |
2.3.3 路况坡度处理 |
2.4 洛栾高速公路事故点路况分析 |
2.5 本章小结 |
第三章 基于累计频率-当量事故数法的事故黑点识别 |
3.1 事故黑点识别方法比较 |
3.2 基于累计频率法的事故黑点识别 |
3.2.1 累计频率法中分段长度的选取 |
3.2.2 基于累计频率法的事故黑点识别 |
3.3 基于当量事故数法的事故黑点修正 |
3.4 本章小结 |
第四章 事故黑点危险性曲线模型分析 |
4.1 事故多发路段危险性属性分析 |
4.2 事故点危险性曲线模型分析 |
4.2.1 参数μ |
4.2.2 参数σ |
4.2.3 危险性区别变量 |
4.2.4 事故点危险性曲线函数 |
4.3.事故黑点危险性曲线模型分析 |
4.3.1.两个事故点危险性曲线模型 |
4.3.2 σ取值 |
4.3.3 多事故点危险性曲线模型 |
4.3.4 山区高速公路全段危险性函数 |
4.3.5 事故黑点判别阈值 |
4.4 洛栾高速公路事故黑点危险性曲线分析 |
4.4.1 桥梁段危险性曲线 |
4.4.2 隧道段危险性曲线 |
4.4.3 弯坡段危险曲线 |
4.4.4 桥梁弯坡段危险性曲线 |
4.4.5 一般路段危险性曲线 |
4.5 洛栾高速公路事故黑点判别阈值分析 |
4.6 洛栾高速公路事故黑点精确识别 |
4.6.1 洛栾高速公路危险性曲线 |
4.6.2 事故黑点精确识别 |
4.7 本章小结 |
第五章 山区高速公路事故黑点成因分析 |
5.1 常用事故黑点成因分析方法 |
5.2 聚类分析法 |
5.2.1 概述 |
5.2.2 概念 |
5.2.3 分析过程 |
5.3 聚类分析成因集 |
5.3.1 行车速度研究变量 |
5.3.2 道路坡度研究变量 |
5.3.3 曲线半径研究变量 |
5.3.4 交通安全设施研究变量 |
5.4 洛栾高速公路基于聚类分析法的事故黑点成因分析 |
5.4.1 数据处理 |
5.4.2 两步聚类分析 |
5.4.3 系统聚类分析 |
5.4.4 成因分析 |
5.5 本章小结 |
结论与展望 |
主要结论 |
研究展望 |
参考文献 |
附录 |
攻读学位期间取得的研究成果 |
致谢 |
(8)城市快速路交通事故黑点的辨识研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究现状 |
1.2.1 道路交通事故 |
1.2.2 城市快速路事故 |
1.2.3 道路事故黑点的鉴别 |
1.3 论文研究的主要内容和技术路线 |
1.3.1 研究内容 |
1.3.2 拟采取的技术路线 |
第2章 城市快速路交通事故基本特征分析 |
2.1 城市快速路 |
2.2 城市快速路交通事故形态及分类 |
2.3 交通事故时空分布 |
2.3.1 交通事故月分布 |
2.3.2 交通事故时分布 |
2.3.3 交通事故空间分布 |
2.4 交通事故的天气分布 |
2.5 交通事故车辆类型 |
2.6 本章小结 |
第3章 城市快速路交通事故致因分析 |
3.1 人的因素 |
3.1.1 行人 |
3.1.2 驾驶员 |
3.2 道路原因 |
3.2.2 道路线形 |
3.2.3 路面及其附属设施 |
3.3 交通安全附属设施 |
3.3.1 交通标志、标线 |
3.3.2 道路照明 |
3.3.3 防眩设施 |
3.3.4 防撞护栏 |
3.4 道路交通环境 |
3.4.1 道路景观 |
3.4.2 气候条件 |
3.5 交通安全管理水平 |
3.6 本章小结 |
第4章 城市快速路事故黑点鉴别及分析 |
4.1 事故黑点的定义 |
4.1.1 国外定义 |
4.1.2 国内定义 |
4.1.3 城市快速路事故黑点定义 |
4.2 事故黑点鉴别方法的选取 |
4.2.1 基于密度的聚类算法 |
4.2.2 算法参数设置 |
4.3 案例应用及结果分析 |
4.3.1 累积频率曲线法结果分析 |
4.3.2 聚类算法结果分析 |
4.3.3 对比分析 |
4.4 模糊层次分析法 |
4.5 计算步骤 |
4.5.1 三角模糊数 |
4.5.2 三角模糊数互补判断矩阵 |
4.5.3 权重排序 |
4.5.4 相对目标层的总权重排序 |
4.6 交通事故成因层次结构 |
4.6.1 构造模糊判断矩阵 |
4.6.2 模糊判断矩阵的权重系数排序 |
4.6.3 结果分析 |
4.7 本章小结 |
第5章 快速路事故黑点的整治建议 |
5.1 完善道路条件 |
5.1.1 路面及路侧环境 |
5.1.2 道路标志标线 |
5.1.3 防眩设施 |
5.1.4 防撞护栏 |
5.2 提高交通管理水平 |
5.2.1 加强行车速度及秩序的控制 |
5.2.2 加强主辅路出入口管理 |
5.2.3 杜绝行人穿越 |
5.2.4 加大巡查力度 |
5.2.5 加大事故现场管控救援能力 |
5.3 本章小结 |
结论与展望 |
致谢 |
参考文献 |
攻读硕士期间发表的论文及科研成果 |
(9)道路交通安全评价及事故黑点识别研究 ——以河南省为例(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 选题依据 |
1.2 国内外研究现状 |
1.3 论文的主要内容、方法及技术路线 |
1.3.1 研究主要内容 |
1.3.2 研究方法 |
1.3.3 创新点 |
1.3.4 技术路线 |
2 河南省道路交通安全评价 |
2.1 道路交通安全影响因素 |
2.2 AHP-物元分析综合评价法 |
2.2.1 确定指标权重 |
2.2.2 物元评价模型建立 |
2.3 河南省道路交通基本情况 |
2.4 基于AHP-物元评价模型的河南省道路交通安全评价 |
2.5 小结 |
3 道路交通事故黑点识别方法选择 |
3.1 事故黑点定义 |
3.2 常用的事故黑点识别方法综述 |
3.2.1 事故量法 |
3.2.2 事故率法 |
3.2.3 矩阵法 |
3.2.4 质量控制法 |
3.2.5 安全系数法 |
3.2.6 全系数法 |
3.3 常用的事故黑点识别方法比较分析 |
3.4 改进的当量总事故次数法 |
3.4.1 指导思想 |
3.4.2 当量总事故次数法介绍 |
3.4.3 改进的当量总事故次数法 |
3.5 小结 |
4 道路交通事故黑点成因分析 |
4.1 常用的事故黑点成因分析法综述 |
4.1.1 统计分析法 |
4.1.2 因果分析法 |
4.1.3 事件树分析法 |
4.1.4 事故树分析法 |
4.1.5 安全检查表法 |
4.1.6 预先危险性分析 |
4.2 事故黑点成因分析方法比较分析 |
4.3 本文选取的事故黑点成因分析方法 |
4.4 小结 |
5 河南省典型道路交通事故黑点识别及成因分析 |
5.1 X高速公路事故黑点识别 |
5.2 X高速公路事故黑点成因分析 |
5.3 道路交通事故黑点改善措施 |
5.4 小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(10)基于GIS的城市道路黑点分析与决策支持研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.1.1 我国交通安全现状 |
1.1.2 我国城市道路交通安全研究必要性 |
1.2 研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 研究现状总结 |
1.3 研究目的与意义 |
1.4 研究内容及研究技术路线 |
1.4.1 研究内容 |
1.4.2 研究技术路线 |
第二章 关键技术和方法理论介绍 |
2.1 地理信息系统概述 |
2.1.1 GIS的功能和特点 |
2.1.2 GIS在交通领域中的应用 |
2.2 萤火虫聚类算法 |
2.2.1 萤火虫算法仿生学原理 |
2.2.2 标准萤火虫算法描述 |
2.2.3 萤火虫聚类算法描述 |
2.2.4 萤火虫聚类算法特点 |
2.3 GIS结合萤火虫聚类在交通安全领域的适用性研究 |
2.4 本章小结 |
第三章 基于GIS与萤火虫聚类方法的黑点鉴定算法 |
3.1 事故黑点定义 |
3.2 事故黑点鉴定方法研究 |
3.3 事故黑点鉴定算法 |
3.3.1 距离运算对聚类的影响 |
3.3.2 基于GIS路网的距离运算 |
3.3.3 黑点鉴定算法描述 |
3.3.4 黑点鉴定算法伪代码描述 |
3.3.5 黑点鉴定算法仿真分析 |
3.4 本章小结 |
第四章 事故成因分析及防治决策支持研究 |
4.1 事故分布特征 |
4.1.1 不同时间的事故分布特征 |
4.1.2 不同驾龄的事故分布特征 |
4.1.3 不同天气环境的事故分布特征 |
4.1.4 不同道路线性的事故分布特征 |
4.1.5 不同出行方式的事故分布特征 |
4.1.6 不同认定原因的事故分布特征 |
4.1.7 事故分布特征小结 |
4.2 事故成因分析 |
4.2.1 主成分分析法 |
4.2.2 实例应用 |
4.3 事故防治对策 |
4.4 本章小结 |
第五章 基于GIS的黑点分析与决策支持系统设计与实现 |
5.1 系统概要设计 |
5.1.1 系统结构设计 |
5.1.2 系统功能设计 |
5.2 开发环境和工具 |
5.3 系统功能实现 |
5.3.1 交通事故信息地理编码模块 |
5.3.2 交通事故信息编辑及查询模块 |
5.3.3 交通事故黑点鉴定模块 |
5.3.4 交通事故处理决策支持模块 |
5.3.5 交通事故分布特征模块 |
5.3.6 系统辅助功能模块 |
5.3.7 B/S端信息发布模块 |
5.4 本章小结 |
第六章 成果与展望 |
6.1 成果 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间论文发表及科研情况 |
四、道路合理分段鉴定事故黑点研究(论文参考文献)
- [1]基于改进累计频率曲线法的交通事故黑点鉴别及智能识别平台构建[D]. 孙元强. 长安大学, 2021
- [2]公路路侧事故风险评价与防控方法研究[D]. 程瑞. 东北林业大学, 2021
- [3]驾驶人视觉及生理特性与交叉口事故风险点关联性研究[D]. 杨柳. 东北林业大学, 2021(08)
- [4]山区高速公路长下坡隧道交通事故数据挖掘与特征分析[D]. 杨扬. 武汉工程大学, 2020(01)
- [5]基于GIS空间聚类的城市道路事故黑点识别与成因研究[D]. 陈诺. 长安大学, 2020(06)
- [6]高速公路高风险路段的行车风险控制研究[D]. 陈俊亚. 长安大学, 2019(01)
- [7]山区高速公路事故黑点识别及成因分析[D]. 彭钥. 长安大学, 2017(02)
- [8]城市快速路交通事故黑点的辨识研究[D]. 陈祖亮. 西南交通大学, 2016(01)
- [9]道路交通安全评价及事故黑点识别研究 ——以河南省为例[D]. 刘亚妮. 河南理工大学, 2016(11)
- [10]基于GIS的城市道路黑点分析与决策支持研究[D]. 任光贤. 山东建筑大学, 2016(08)