道路危险货物运输事故规律挖掘及事故风险研究
发布时间：2021-02-28 21:49
伴随着社会经济的发展,危险货物的运输需求在不断的增加,道路危险货物运输事故时有发生。研究道路危险货物运输事故的规律并分析运输事故风险的高低,对于保障危险货物的运输安全具有重要意义。首先,论文在归纳和总结国内外研究现状的基础上,搜集了343起危险货物运输事故的数据信息,通过对事故数据分布特征的统计分析,得到危险货物运输事故发生的基本规律;以此为参照,根据事故样本数据的致因统计和关键要素,确定事故严重程度分析模型的自变量集,利用Logistic回归分析和弹性值分析,研究得到影响危险货物运输事故严重程度的显著因素。其次,从危险货物驾驶员的角度获取对风险驾驶行为有显著影响的因素,先进行驾驶员样本数据的获取及相关性分析,再进行变量的选取和模型的假定,然后运用结构方程模型,建立危险货物驾驶员风险驾驶行为的因果结构模型和测量模型,对因变量与因变量、自变量与因变量之间的关系进行分析研究。最终从个体属性、驾驶属性、道路属性以及行车选择属性等方面得到影响道路危险货物驾驶员风险驾驶行为的显著因素。再次,为了研究各个显著影响因素与危险货物运输事故风险的高低,利用危险货物运输事故规律的研究成果进行参数的选取及对...
【文章来源】：兰州交通大学甘肃省
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
技术路线流程图
道路危险货物运输事故规律挖掘及事故风险研究-14-2.2道路危险货物运输事故统计分布特征分析通过对危险货物运输事故数据进行统计分布特征分析，进而明确各种环境下危险货物车辆运输事故的总体特征、运输事故发生的各种影响因素以及因素与事故总体分布的关系，可以从宏观上定量认知危险货物车辆运输事故的内在规律，并初步判断明显的影响因素和消除偶然因素。本节以获取的343起危险货物运输事故数据为对象，从事故原因及类型、驾驶员个人属性和行为属性、道路条件、环境特征、时空分布、货物属性等多个方面对危险货物运输事故数据进行统计分析。2.2.1运输事故发生的类型分布1运输事故原因危险货物车辆运输事故往往因为载运物品本身的特殊属性、运输需求的不断增长、驾驶员连续行车时间较长等一系列因素，使得危险货物车辆成为道路行车环境中的“流动危险源”[4]。图2.1为危险货物运输事故事故原因的分布图，从图中事故原因的分布中可以看出，不同的事故原因所引起的事故数量之间存在差异性，其中危险货物包装问题、驾驶员不正当操作、其他车辆原因以及未保持安全车距是引起危险货物运输事故的主要原因，分别占运输事故样本总数的14.6%、13.7%、13.7%和13.4%。此外，行车速度过快、车辆问题、驾驶员的不安全驾驶行为以及疲劳驾驶等因素引起的危险货物运输事故数量相对多。图2.1危险货物运输事故致因分布特征2运输事故类型危险货物车辆发生运输事故的事故类型主要有侧翻、追尾、爆燃、侧滑、碰撞、泄露以及刮擦等7类。图2.2为危险货物与运输事故类型的分布特征图。从统计结果可知，侧翻是危险货物运输事故的主要事故形态，占比为28.0%，其次依次分别为追尾、碰撞、泄露、爆燃、侧滑和刮擦，其中追尾、碰撞和泄露三种事故形
兰州交通大学硕士学位论文-15-态所占比重相对较高，分别为21.9%、17.8%、16.0%。图2.2危险货物运输事故类型分布特征2.2.2运输事故发生的月份分布同理，对危险货物运输事故发生的月份进行统计分析，如图2.3所示。统计结果发现，5月发生的道路危险货物运输事故起数最多，占事故样本总数的13.1%，并且从统计图中可知，5、6、7、8月份的事故发生起数均在整体统计图趋势线以上，总计占事故总数的42.2%。可见，季节性变化跟危险货物运输事故密切相关，当天气温度较高时，车辆在行车过程中，由于长时间行车使得轮胎发热、罐体内所运输危险品的温度较高、以及车辆在发生碰撞、侧翻、追尾等事故时罐体或罐内危险品容易发热，致使事故发生的占比要明显高于其他月份，所以，驾驶员或运输人员在这几个月份运输危险货物时，要着重注意行车安全和罐体内温度的调控，以免发生事故。图2.3道路危险货物运输事故发生的月份分布特征2.2.3运输事故发生的时间分布对道路危险货物运输事故发生的时间点进行了统计分析，如图2.4所示。从统计图中可知，一天中发生道路危险货物运输事故起数最多的是10时，占事故总数的7.87%，并且发现，凌晨2时、4-6时、8-13时、16时，该时间段的事故发生起数均高于平均每
【参考文献】：
期刊论文
[1]危险货物车辆司机速度选择影响因素研究[J]. 刘鹏飞,马昌喜,杨东,杨雪雁,魏军奎. 中国安全科学学报. 2019(02)
[2]城市道路危险货物运输风险评估[J]. 马晓丽,刘禹杰,陆键. 中国安全科学学报. 2018(05)
[3]基于神经网络技术的危险货物运输驾驶员安全评价系统研究[J]. 郁春兰,肖心远,李怀俊. 南方职业教育学刊. 2016(06)
[4]危险品槽车交通事故案例分析[J]. 孙乐然. 物流工程与管理. 2014(03)
[5]风险驾驶行为影响因素的研究综述[J]. 段冀阳,李志忠. 人类工效学. 2013(02)
[6]车辆运输化学危险品的风险评估研究[J]. 杨建伟,吕建新. 中国农机化学报. 2013(03)
[7]恶劣天气下高速公路实时事故风险预测模型[J]. 徐铖铖,刘攀,王炜,李志斌. 吉林大学学报(工学版). 2013(01)
[8]高速公路常发拥堵路段追尾事故风险实时预测[J]. 李志斌,刘攀,金茂菁,徐铖铖. 吉林大学学报(工学版). 2013(06)
[9]基于道路因素的山区高速公路危险品运输风险分析[J]. 年光跃,蒋工亮,周海牛. 公路与汽运. 2011(05)
[10]岩体分级的多分类有序因变量Logistic回归模型[J]. 张菊连,沈明荣. 同济大学学报(自然科学版). 2011(04)
博士论文
[1]基于历史数据的道路交通事故风险分析与预测方法研究[D]. 张翠平.北京交通大学 2017
[2]电动自行车风险驾驶行为及事故机理研究[D]. 王涛.东南大学 2017
[3]基于数据挖掘的道路交通事故分析研究[D]. 孙轶轩.北京交通大学 2014
[4]罐式车辆道路运输毒性气体泄漏扩散模型与风险评价研究[D]. 刘凯峥.长安大学 2011
[5]道路危险货物运输风险分析及路线优化研究[D]. 沈小燕.长安大学 2009
硕士论文
[1]基于深度数据挖掘的危险品运输事故关键影响因素及致因模型研究[D]. 苏磊.青岛科技大学 2019
[2]基于ALOHA和ArcMAP的道路危险货物罐车运输时变风险评估方法及应用研究[D]. 梁倩倩.北京交通大学 2019
[3]基于数据挖掘的高速公路交通事故分析及预防对策研究[D]. 孙维富.吉林大学 2018
[4]嘉绍大桥危险品运输风险评估和控制技术研究[D]. 祁晨旭.长安大学 2017
[5]高速公路事故风险实时预测及事后时空影响分析[D]. 沈静.东南大学 2017
[6]基于SEM模型的公共自行车用户忠诚度影响因素研究[D]. 钟荣.西南交通大学 2017
[7]基于贝叶斯网络危险货物道路运输事故预测模型[D]. 吴迪.长安大学 2017
[8]基于交通安全数据挖掘的高速公路事故多发点研究[D]. 孙婷婷.山东科技大学 2017
[9]山区高速公路危险品运输事故预测及危险评估研究[D]. 吕明新.山东科技大学 2017
[10]基于贝叶斯网络的港区危险品运输事故影响因素分析[D]. 李伊人.东南大学 2017
本文编号：3056506
【文章来源】：兰州交通大学甘肃省
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
技术路线流程图
道路危险货物运输事故规律挖掘及事故风险研究-14-2.2道路危险货物运输事故统计分布特征分析通过对危险货物运输事故数据进行统计分布特征分析，进而明确各种环境下危险货物车辆运输事故的总体特征、运输事故发生的各种影响因素以及因素与事故总体分布的关系，可以从宏观上定量认知危险货物车辆运输事故的内在规律，并初步判断明显的影响因素和消除偶然因素。本节以获取的343起危险货物运输事故数据为对象，从事故原因及类型、驾驶员个人属性和行为属性、道路条件、环境特征、时空分布、货物属性等多个方面对危险货物运输事故数据进行统计分析。2.2.1运输事故发生的类型分布1运输事故原因危险货物车辆运输事故往往因为载运物品本身的特殊属性、运输需求的不断增长、驾驶员连续行车时间较长等一系列因素，使得危险货物车辆成为道路行车环境中的“流动危险源”[4]。图2.1为危险货物运输事故事故原因的分布图，从图中事故原因的分布中可以看出，不同的事故原因所引起的事故数量之间存在差异性，其中危险货物包装问题、驾驶员不正当操作、其他车辆原因以及未保持安全车距是引起危险货物运输事故的主要原因，分别占运输事故样本总数的14.6%、13.7%、13.7%和13.4%。此外，行车速度过快、车辆问题、驾驶员的不安全驾驶行为以及疲劳驾驶等因素引起的危险货物运输事故数量相对多。图2.1危险货物运输事故致因分布特征2运输事故类型危险货物车辆发生运输事故的事故类型主要有侧翻、追尾、爆燃、侧滑、碰撞、泄露以及刮擦等7类。图2.2为危险货物与运输事故类型的分布特征图。从统计结果可知，侧翻是危险货物运输事故的主要事故形态，占比为28.0%，其次依次分别为追尾、碰撞、泄露、爆燃、侧滑和刮擦，其中追尾、碰撞和泄露三种事故形
兰州交通大学硕士学位论文-15-态所占比重相对较高，分别为21.9%、17.8%、16.0%。图2.2危险货物运输事故类型分布特征2.2.2运输事故发生的月份分布同理，对危险货物运输事故发生的月份进行统计分析，如图2.3所示。统计结果发现，5月发生的道路危险货物运输事故起数最多，占事故样本总数的13.1%，并且从统计图中可知，5、6、7、8月份的事故发生起数均在整体统计图趋势线以上，总计占事故总数的42.2%。可见，季节性变化跟危险货物运输事故密切相关，当天气温度较高时，车辆在行车过程中，由于长时间行车使得轮胎发热、罐体内所运输危险品的温度较高、以及车辆在发生碰撞、侧翻、追尾等事故时罐体或罐内危险品容易发热，致使事故发生的占比要明显高于其他月份，所以，驾驶员或运输人员在这几个月份运输危险货物时，要着重注意行车安全和罐体内温度的调控，以免发生事故。图2.3道路危险货物运输事故发生的月份分布特征2.2.3运输事故发生的时间分布对道路危险货物运输事故发生的时间点进行了统计分析，如图2.4所示。从统计图中可知，一天中发生道路危险货物运输事故起数最多的是10时，占事故总数的7.87%，并且发现，凌晨2时、4-6时、8-13时、16时，该时间段的事故发生起数均高于平均每
【参考文献】：
期刊论文
[1]危险货物车辆司机速度选择影响因素研究[J]. 刘鹏飞,马昌喜,杨东,杨雪雁,魏军奎. 中国安全科学学报. 2019(02)
[2]城市道路危险货物运输风险评估[J]. 马晓丽,刘禹杰,陆键. 中国安全科学学报. 2018(05)
[3]基于神经网络技术的危险货物运输驾驶员安全评价系统研究[J]. 郁春兰,肖心远,李怀俊. 南方职业教育学刊. 2016(06)
[4]危险品槽车交通事故案例分析[J]. 孙乐然. 物流工程与管理. 2014(03)
[5]风险驾驶行为影响因素的研究综述[J]. 段冀阳,李志忠. 人类工效学. 2013(02)
[6]车辆运输化学危险品的风险评估研究[J]. 杨建伟,吕建新. 中国农机化学报. 2013(03)
[7]恶劣天气下高速公路实时事故风险预测模型[J]. 徐铖铖,刘攀,王炜,李志斌. 吉林大学学报(工学版). 2013(01)
[8]高速公路常发拥堵路段追尾事故风险实时预测[J]. 李志斌,刘攀,金茂菁,徐铖铖. 吉林大学学报(工学版). 2013(06)
[9]基于道路因素的山区高速公路危险品运输风险分析[J]. 年光跃,蒋工亮,周海牛. 公路与汽运. 2011(05)
[10]岩体分级的多分类有序因变量Logistic回归模型[J]. 张菊连,沈明荣. 同济大学学报(自然科学版). 2011(04)
博士论文
[1]基于历史数据的道路交通事故风险分析与预测方法研究[D]. 张翠平.北京交通大学 2017
[2]电动自行车风险驾驶行为及事故机理研究[D]. 王涛.东南大学 2017
[3]基于数据挖掘的道路交通事故分析研究[D]. 孙轶轩.北京交通大学 2014
[4]罐式车辆道路运输毒性气体泄漏扩散模型与风险评价研究[D]. 刘凯峥.长安大学 2011
[5]道路危险货物运输风险分析及路线优化研究[D]. 沈小燕.长安大学 2009
硕士论文
[1]基于深度数据挖掘的危险品运输事故关键影响因素及致因模型研究[D]. 苏磊.青岛科技大学 2019
[2]基于ALOHA和ArcMAP的道路危险货物罐车运输时变风险评估方法及应用研究[D]. 梁倩倩.北京交通大学 2019
[3]基于数据挖掘的高速公路交通事故分析及预防对策研究[D]. 孙维富.吉林大学 2018
[4]嘉绍大桥危险品运输风险评估和控制技术研究[D]. 祁晨旭.长安大学 2017
[5]高速公路事故风险实时预测及事后时空影响分析[D]. 沈静.东南大学 2017
[6]基于SEM模型的公共自行车用户忠诚度影响因素研究[D]. 钟荣.西南交通大学 2017
[7]基于贝叶斯网络危险货物道路运输事故预测模型[D]. 吴迪.长安大学 2017
[8]基于交通安全数据挖掘的高速公路事故多发点研究[D]. 孙婷婷.山东科技大学 2017
[9]山区高速公路危险品运输事故预测及危险评估研究[D]. 吕明新.山东科技大学 2017
[10]基于贝叶斯网络的港区危险品运输事故影响因素分析[D]. 李伊人.东南大学 2017
本文编号：3056506
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3056506.html
