重型货车交通事故严重程度影响因素及对策研究

发布时间：2021-04-20 15:13

　　随着我国经济的高速发展,货物运输总量也在持续增长,道路货物运输在我国综合货物运输体系中十分重要。重型货车凭借其运量大的优势,已经成为道路货物运输的重要组成部分。但重型货车涉及到的交通事故以及重特大交通事故的比例很高,这些交通事故给人民的生命、财产都带来了很大危害,因此对重型货车交通事故严重程度影响因素及对策的研究很有必要。论文基于深圳市重型货车交通事故数据,运用描述性统计分析、灰色关联分析、贝叶斯网络分析方法,对重型货车交通事故的特征、重型货车交通事故严重程度的影响因素进行研究。首先,论文对重型货车以及交通事故严重程度的相关研究现状进行了文献综述。介绍了重型货车和交通事故的基本概念以及交通事故严重程度的分类,搜集了重型货车交通事故数据并进行整理。基于重型货车交通事故数据,从人、车、路、环境等方面对重型货车交通事故进行初步分析,对重型货车交通事故的特征进行整体把握。其次,论文以交通事故数据中死亡事故的数量为参考序列,对重型货车交通事故数据进行了灰色关联分析,根据分析结果筛选出与重型货车交通事故严重程度相关性强的主因素,建立了事故数据集及测试集。再次,论文基于数据集建立了贝叶斯网络模型。利... 

【文章来源】：中国人民公安大学北京市

【文章页数】：131 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
引言
1 绪论
    1.1 研究背景
    1.2 研究目的与意义
    1.3 研究现状
        1.3.1 重型货车交通事故研究现状
        1.3.2 交通事故严重程度研究现状
    1.4 研究内容与技术路线
    1.5 本章小结
2 重型货车交通事故数据整理与初步分析
    2.1 基本概念
        2.1.1 重型货车
        2.1.2 交通事故
        2.1.3 交通事故严重程度
    2.2 数据来源
    2.3 数据整理
    2.4 重型货车交通事故的初步分析
        2.4.1 驾驶员
        2.4.2 车辆
        2.4.3 道路
        2.4.4 环境
        2.4.5 其他因素
    2.5 本章小结
3 基于灰色关联分析的重型货车交通事故严重程度影响因素分析
    3.1 灰色关联分析简介
        3.1.1 灰色关联分析基本理论
        3.1.2 灰色关联分析计算方法
    3.2 数据整理
    3.3 基于重型货车交通事故严重程度的灰色关联分析
    3.4 本章小结
4 重型货车交通事故严重程度分析模型
    4.1 贝叶斯网络相关理论简介
        4.1.1 贝叶斯网络基础知识
        4.1.2 贝叶斯网络结构构建方法
        4.1.3 贝叶斯网络参数估计方法
        4.1.4 贝叶斯网络在本文研究中的优势
    4.2 构建贝叶斯网络结构
        4.2.1 数据整理
        4.2.2 构建贝叶斯网络
    4.3 贝叶斯网络参数估计
    4.4 贝叶斯网络模型有效性验证
    4.5 贝叶斯网络推理分析
        4.5.1 贝叶斯网络推理分析方法
        4.5.2 贝叶斯网络推理分析结果
    4.6 本章小结
5 重型货车交通安全对策研究
    5.1 重型货车监督管理中存在的问题及交通事故隐患分析
        5.1.1 交通参与者
        5.1.2 车辆
        5.1.3 道路
    5.2 重型货车交通安全对策
        5.2.1 完善监督管理措施
        5.2.2 完善道路硬件条件
    5.3 本章小结
结论
参考文献
附录 A 基于重型货车交通事故次数与死亡事故次数的统计数据
附录 B 用于构建贝叶斯网络的数据集
附录 C 用于验证贝叶斯网络预测结果的测试集
在学研究成果
致谢


【参考文献】：
期刊论文
[1]基于贝叶斯网络的煤矿瓦斯爆炸事故致因分析[J]. 张宁,盛武.  工矿自动化. 2019(07)
[2]基于贝叶斯网络的乳腺肿瘤超声诊断定量分析[J]. 黄金华,刘烁,苏福再,丁雪梅,杨洪钦.  福建师范大学学报(自然科学版). 2019(03)
[3]基于深度调查的重型货车山区公路事故原因分析[J]. 吕庆志,樊少军,王文杰,杨宏进,罗永福.  价值工程. 2019(12)
[4]山区公路暴雨-洪水灾害链贝叶斯网络建模推理[J]. 罗军华,林孝松,牟凤云,余情,鲁小平.  中国安全科学学报. 2018(12)
[5]营运车辆挂靠经营与租赁经营的行政监管浅析[J]. 陈成功.  法制博览. 2018(33)
[6]道路货物运输业挂靠经营中的问题及对策[J]. 胡艳.  交通财会. 2018(10)
[7]基于Logistics回归的道路交通事故影响因素辨识方法[J]. 陈艳艳,李向楠,孙智源,熊杰.  交通科技与经济. 2018(05)
[8]基于极限学习机的交通事故严重程度预测[J]. 李涛,王立晓,左志.  交通科技与经济. 2018(05)
[9]笔迹独体字搭配特征出现率的统计分析[J]. 王帅帅.  山东化工. 2018(14)
[10]基于组合模型的交通事故严重程度预测方法[J]. 石雪怀,戚湧,张伟斌,李千目.  计算机应用研究. 2019(08)

硕士论文
[1]基于灰色关联分析法的绿色施工评价研究[D]. 王虎军.河北工程大学 2019
[2]基于论文特征进行高Usage文献的识别[D]. 赵楠.华东师范大学 2019
[3]不利天气下山区高速公路交通安全风险分析研究[D]. 范贤涛.中国人民公安大学 2019
[4]基于贝叶斯网络的高速公路交通事故严重程度预测研究[D]. 童璐璐.北京交通大学 2018
[5]基于贝叶斯网络的车辆运行风险评估[D]. 范璐洋.哈尔滨工业大学 2018
[6]公路穿村镇路段交通事故特征及事故致因深度分析[D]. 刘文恒.北京交通大学 2018
[7]基于数据挖掘的网络小说价值预测分析[D]. 姜崇.沈阳航空航天大学 2018
[8]基于机器视觉的货车侧面防护装置检测系统研究[D]. 王英军.中国计量学院 2016
[9]大货车交通事故致因机理及对策研究[D]. 孙薇.重庆交通大学 2014
[10]分类器性能评价研究[D]. 武婷婷.北京交通大学 2010



本文编号：3149919